Yann André Le Cun（生于1960年7月8日）是一位法裔美国计算机科学家，研究领域包括人工智能、机器学习、计算机视觉、机器人学和图像压缩。他是纽约大学库朗数学科学研究所的Jacob T. Schwartz计算机科学教授。他曾担任Meta Platforms的首席AI科学家，之后于2025年12月共同创立了Advanced Machine Intelligence Labs。
LeCun以其在光学字符识别和计算机视觉中使用卷积神经网络的工作而闻名。他也是DjVu图像压缩技术的主要创造者之一，与Léon Bottou和Patrick Haffner共同开发了该技术，并与Bottou共同开发了Lush编程语言。2018年，LeCun、Yoshua Bengio和Geoffrey Hinton因其在深度学习方面的工作获得了美国计算机协会颁发的图灵奖。LeCun、Bengio和Hinton，偶尔也包括Jürgen Schmidhuber，有时被称为“AI教父”和“深度学习教父”。
早年生活与教育
Yann André Le Cun于1960年7月8日出生在巴黎郊区的Soisy-sous-Montmorency。他的姓氏Le Cun源自布列塔尼北部的古布列塔尼语形式Le Cunff，起源于布列塔尼北部的Guingamp地区。Yann是Jean的布列塔尼语形式，而Jean是John的法语形式。
他于1983年获得ESIEE巴黎的工程师文凭，并于1987年获得皮埃尔和玛丽·居里大学（现索邦大学）的计算机科学博士学位，期间他提出了一种早期形式的反向传播算法，该算法对使神经网络能够学习至关重要。在加入AT&T之前，LeCun从1987年起在Geoffrey Hinton的指导下于多伦多大学进行了为期一年的博士后研究。
LeCun有三个儿子，他的兄弟受雇于谷歌。他拥有美国国籍。
职业生涯与研究
LeCun的职业生涯主要分布在贝尔实验室、纽约大学和Meta Platforms。
贝尔实验室
1988年，LeCun加入了位于新泽西州Holmdel的AT&T贝尔实验室自适应系统研究部门，该部门由Lawrence D. Jackel领导。在那里，他开发了多种新的机器学习方法，例如受生物学启发的图像识别模型，，卷积神经网络（LeNet）、“最优脑损伤”正则化方法，以及图变换网络方法（类似于条件随机场），并将这些方法应用于手写识别和光学字符识别。他参与开发的银行支票识别系统被NCR和其他公司广泛部署。
1996年，他加入AT&T Labs-Research，担任图像处理研究部门负责人，该部门隶属于Lawrence Rabiner的语音与图像处理研究实验室。他主要致力于DjVu图像压缩技术的研究，该格式旨在高效分发扫描文档，被互联网档案馆用于提供数字化文本的访问。他在AT&T的合作者包括Léon Bottou和Vladimir Vapnik。
纽约大学
在短暂担任NEC研究所研究员之后，LeCun于2003年加入纽约大学，担任库朗数学科学研究所和神经科学中心的Jacob T. Schwartz计算机科学与神经科学讲席教授。在纽约大学，他主要研究用于监督和无监督学习的能量模型、计算机视觉中物体识别的特征学习，以及移动机器人学。
2012年，他成为纽约大学数据科学中心的创始主任。2013年12月9日，LeCun成为Meta AI Research在纽约市的首位主任，并于2014年初卸任NYU-CDS主任职务。
2013年，他与Yoshua Bengio共同创办了国际学习表征会议，该会议采用了他在其网站上先前倡导的发表后开放评审流程。他曾在1986年至2012年间每年在犹他州Snowbird主持和组织“学习研讨会”。他是加州大学洛杉矶分校纯粹与应用数学研究所科学顾问委员会成员，也是CIFAR“机器与大脑中的学习”研究项目（前身为神经计算与自适应感知）的联合主任。
2016年，他担任巴黎法兰西学院Chaire Annuelle Informatique et Sciences Numériques的访问计算机科学教授，并在那里发表了就职演讲。2023年，他被任命为纽约大学库朗研究所首任Jacob T. Schwartz计算机科学讲席教授。LeCun还是法国研究机构Kyutai的科学顾问，该机构由Xavier Niel、Rodolphe Saadé、Eric Schmidt等人资助。
Meta Platforms
LeCun于2013年加入Facebook（现Meta Platforms），担任首席AI科学家，并领导该公司的AI研究实验室FAIR。在任期间，他推动了AI领域的重大进展，包括自监督学习方法和PyTorch框架的开发，后者在研究社区中被广泛采用。
AMI Labs
2025年11月19日，LeCun确认将在十年后离开Meta，创办自己的公司，专注于世界模型架构和他所称的类人人工智能“超级智能”。他创办的公司Advanced Machine Intelligence Labs（简称AMI Labs）由首席执行官Alex LeBrun运营，LeCun担任执行主席。该企业专注于构建AI“世界模型”：即学习理解物理世界的结构和动态的系统，而不仅仅是像大型语言模型那样预测文本。
2026年3月，AMI宣布已筹集10.3亿美元资金，投前估值为35亿美元。本轮融资由Cathay Innovation、Greycroft、Hiro Capital、HV Capital和Bezos Expeditions等投资者共同领投。
2026年1月，LeCun成为Logical Intelligence技术研究委员会的创始主席，该公司是一家开发基于能量（EBM）推理系统的AI公司。
对深度学习的贡献
LeCun在20世纪80年代关于反向传播的早期工作为训练多层神经网络奠定了基础。他在20世纪80年代末和90年代开发的卷积神经网络（CNN），特别是LeNet架构，证明了卷积层在图像识别任务中的有效性。这些创新直接影响了他后来的架构，如ResNet，如今已成为计算机视觉系统的标准。
他还为dropout正则化及其他改善神经网络泛化能力的技术的发展做出了贡献。他对能量模型和自监督学习的研究影响了现代表征学习方法。
荣誉与奖项
LeCun是美国国家科学院、美国国家工程院和法国科学院的成员。他获得了墨西哥城国家理工学院（IPN）2016年、洛桑联邦理工学院2018年、蔚蓝海岸大学2021年、锡耶纳大学2023年以及香港科技大学2023年的荣誉博士学位。
2014年，他获得了IEEE神经网络先驱奖，2015年获得PAMI杰出研究员奖。2018年，LeCun获得了由工业研究所（IRI）设立的IRI奖章，以及宾夕法尼亚大学颁发的Harold Pender奖。2019年，他获得了美国成就学院的金盘奖。
2019年3月，LeCun获得了2018年图灵奖，与Yoshua Bengio和Geoffrey Hinton共同分享。2022年，他与其他AI研究人员一起获得了阿斯图里亚斯公主奖“科学研究”类别的奖项。