O Yann LeCun
Yann LeCun je Chief AI Scientist v Meta a nositel Turingovy ceny (2018, s Geoffrey Hintonem a Yoshua Bengiem). Byl průkopníkem konvolučních neuronových sítí v 80. a 90. letech a je nyní jedním z nejvýraznějších AI skeptiků pouze-LLM přístupů k AGI.
Kariérní milníky
- Meta (2013-současnost): Chief AI Scientist, VP of AI Research
- AMI (2025): Spoluzakladatel Advanced Machine Intelligence startupu
- Turingova cena (2018): S Hintonem a Bengiem za deep learning
- NYU (2003-současnost): Silver Professor Computer Science
- Bell Labs (1988-2002): Vynalezl konvoluční neuronové sítě
Významné postoje
K nedostatečnosti LLM
LeCunova kontrariánská teze:
“You cannot get to human-level AI through text alone. Training an LLM requires 30 trillion tokens - effectively all internet text. That same data represents just 15,000 hours of video.”
Překlad: “Nemůžete dostat lidskou úroveň AI pouze přes text. Trénink LLM vyžaduje 30 trilionů tokenů - efektivně všechen internetový text. Tatáž data reprezentují jen 15 000 hodin videa.”
K world modelům (JEPA)
“JEPA predicts in abstract representation space, not pixel space - eliminates unpredictable details while preserving structure for planning.”
Překlad: “JEPA predikuje v abstraktním reprezentačním prostoru, ne v pixel prostoru - eliminuje nepředvídatelné detaily, zatímco zachovává strukturu pro plánování.”
Klíčové citáty
- “LLMy nás nemohou dostat k lidské úrovni AI.”
- “World modely trénované na videu, ne textu.”
Související články
- World Models - LeCunova cesta k AGI
- JEPA - Joint Embedding Predictive Architecture
Video Mentions
Datová efektivita vize vs text
Nemůžete dostat lidskou úroveň AI pouze přes text. Trénink LLM vyžaduje 30 trilionů tokenů - všechen internetový text. Tatáž data jsou jen 15 000 hodin videa - 30 minut YouTube uploadů.
Filozofie otevřeného výzkumu
AMI bude publikovat otevřeně, protože to nemůžete nazvat výzkumem, pokud nepublikujete - interní hype vytváří iluzi.