Yann LeCun é um cientista da computação franco-americano mais conhecido por desenvolver a rede neural convolucional (CNN), uma arquitetura que se tornou a ferramenta padrão para visão computacional e um bloco de construção fundamental da aprendizagem profunda moderna.
Carreira
Nascido em 1960 perto de Paris, LeCun obteve um doutorado pela Université Pierre et Marie Curie em 1987, trabalhando em versões iniciais de retropropagação aplicadas a redes neurais. Em seguida, ingressou nos Bell Labs nos Estados Unidos, onde no final dos anos 1980 e nos anos 1990 construiu o LeNet, uma CNN treinada para reconhecer dígitos manuscritos que foi implantada comercialmente para ler cheques, uma das primeiras aplicações industriais em larga escala de redes neurais. O uso de filtros convolucionais e pooling pela arquitetura, inspirado em parte por modelos biologicamente motivados anteriores, permitiu que as redes aprendessem características visuais diretamente dos pixels, em vez de depender de características projetadas manualmente.
Após períodos na NEC Research e como professor na Universidade de Nova York, LeCun tornou-se o diretor fundador do laboratório de pesquisa em IA do Facebook (FAIR) em 2013, posteriormente renomeado Meta AI, e atuou como cientista-chefe de IA da empresa. Sob sua direção, a Meta adotou uma estratégia de pesos abertos para seus modelos, incluindo a família Llama, em contraste com a abordagem fechada de laboratórios como a OpenAI, uma escolha que LeCun defendeu como melhor para pesquisa, escrutínio de segurança e concorrência.
Visões sobre escalabilidade e modelos de mundo
LeCun compartilhou o Prêmio Turing de 2018 com Geoffrey Hinton e Yoshua Bengio por trabalhos fundamentais em aprendizagem profunda, mas tornou-se um dos céticos mais proeminentes do campo quanto à ideia de que simplesmente escalar sistemas de grandes modelos de linguagem levará à inteligência de nível humano ou geral. Ele argumenta que a predição autoregressiva de texto é um substrato pobre para raciocínio e planejamento, e em vez disso promoveu pesquisa em "modelos de mundo", sistemas autossupervisionados que aprendem representações internas preditivas da realidade física, uma abordagem intimamente ligada ao conceito mais amplo de modelo de mundo. Ele também foi publicamente desdenhoso em relação a preocupações de curto prazo sobre risco existencial da IA, colocando-o em desacordo com Hinton e Bengio nessa questão, apesar de sua linhagem técnica compartilhada.
No final de 2025, LeCun anunciou planos de deixar a Meta para buscar essa pesquisa de modelos de mundo de forma independente, refletindo uma divergência mais ampla entre o campo do "escala é suficiente", associado aos laboratórios de ponta de grandes modelos de linguagem, e pesquisadores que acreditam que novas arquiteturas são necessárias para alcançar a inteligência artificial geral.