Yann LeCun是一位法裔美国计算机科学家，以开发卷积神经网络（CNN）而闻名，该架构已成为计算机视觉的标准工具，也是现代深度学习的基础构建模块。
职业生涯
LeCun于1960年出生在巴黎附近，1987年获得皮埃尔和玛丽·居里大学的博士学位，研究方向是将早期版本的反向传播应用于神经网络。随后他加入美国的贝尔实验室，在1980年代末和1990年代构建了LeNet，这是一个经过训练可识别手写数字的CNN，并被商业部署用于读取支票，成为神经网络最早的大规模工业应用之一。该架构使用卷积滤波器和池化，部分灵感来自早期受生物学启发的模型，使网络能够直接从像素中学习视觉特征，而无需依赖手工设计的特征。
在NEC研究机构和纽约大学担任教授之后，LeCun于2013年成为Facebook AI研究实验室（FAIR）的创始主任，该实验室后来更名为Meta AI，他并担任该公司的首席AI科学家。在他的指导下，Meta对其模型采取了开放权重策略，包括Llama系列，这与OpenAI等实验室的封闭方法形成对比，LeCun为这一选择辩护，认为它更有利于研究、安全审查和竞争。
关于扩展和世界模型的观点
LeCun与杰弗里·辛顿和约书亚·本吉奥共同获得2018年图灵奖，以表彰其在深度学习基础工作上的贡献，但他已成为该领域最著名的怀疑者之一，质疑仅通过扩展大型语言模型系统就能达到人类水平或通用智能的观点。他认为自回归文本预测作为推理和规划的基础并不理想，转而推动“世界模型”研究，即通过自监督系统学习物理现实的内在预测表征，这一方法与更广泛的世界模型概念密切相关。他还公开贬低近期AI存在风险的担忧，这使他在这一问题上与辛顿和本吉奥意见相左，尽管他们有着共同的技术渊源。
2025年底，LeCun宣布计划离开Meta，独立开展这一世界模型研究，这反映了与前沿大型语言模型实验室相关的“扩展即足够”阵营与认为需要新架构才能达到通用人工智能的研究者之间的更广泛分歧。