Yann LeCun do naukowców z uczelni: „Absolutnie nie powinniście pracować nad LLM-ami”

Yann LeCun od lat przekonuje branżę AI, że duże modele językowe to droga na skróty donikąd. We fragmencie wykładu, który krąży teraz na X, laureat Nagrody Turinga kieruje to ostrzeżenie do mniejszej i bardziej narażonej grupy — badaczy pracujących na uniwersyteckich wydziałach — i nie pozostawia miejsca na żadne zastrzeżenia.

„Nie powinniście pracować nad LLM-ami. A przynajmniej jeśli pracujecie na uczelni, zdecydowanie nie powinniście zajmować się LLM-ami. Nie macie niczego, co moglibyście wnieść do tej dziedziny. Jeśli interesuje was rzeczywisty postęp w AI, coś w rodzaju zakorzenionej w realnym świecie sztucznej inteligencji, jeśli chcecie rozwijać fizyczną AI, nie pracujcie nad LLM-ami ani nad modelami generatywnymi”.

LeCun powiedział to na ETH Zurich, podczas wykładu „World Models: Enabling the Next AI Revolution” w ramach cyklu Frontiers of Embodied AI, 29 maja. Komentator zajmujący się AI Rohan Paul opublikował nagranie w tym tygodniu, przedstawiając je jako „najnowszy wykład” LeCuna, choć ma ono już cztery miesiące. Kolejne zdanie wywołało śmiech: „Jak pewnie się domyślacie, nie przysparza mi to popularności w Dolinie Krzemowej”. Slajd za jego plecami, zatytułowany „Recommendations to my fellow AI scientists”, kończy się czerwonymi, wielkimi literami: „If you are interested in human-level AI, don’t work on LLMs”.

Pierwsza część dotyczy mocy obliczeniowej

Gdy odrzucić prowokacyjny ton, akademicka rada sprowadza się do ekonomii. Postęp w dziedzinie dużych modeli językowych opiera się na treningu prowadzonym na klastrach obliczeniowych, na które stać zaledwie garstkę firm. Doktorant nie może wiele wnieść do wyścigu rozstrzyganego przez budżety — i właśnie to w praktyce oznacza stwierdzenie, że „nie ma niczego, co mógłby wnieść do tej dziedziny”. LeCun powtarza ten argument od dawna: jak informował VentureBeat, podczas VivaTech w Paryżu w 2024 roku powiedział studentom, którzy chcieli tworzyć kolejną generację AI, że LLM-y są domeną wielkich firm.

Slajd wymienia też obszary, na które jego zdaniem warto poświęcić czas. Architektury wspólnego osadzania zamiast modeli generatywnych. Modele oparte na energii zamiast probabilistycznych. Metody regularyzowane zamiast kontrastywnych. Sterowanie predykcyjne oparte na modelu zamiast uczenia ze wzmocnieniem, które LeCun zostawiłby jedynie do korygowania planu, gdy świat nie zachowuje się zgodnie z przewidywaniami. To pomysły, które można testować na skromnym sprzęcie — a właśnie tu laboratoria uniwersyteckie wciąż mają przewagę.

Druga część to prawdziwa prowokacja

„Nie pracujcie też nad modelami generatywnymi” to coś więcej niż typowa krytyka chatbotów. LeCun odrzuca samo generowanie — koncepcję budowania inteligencji przez przewidywanie kolejnego słowa albo piksela — i tym samym staje w opozycji do dużej części środowiska zajmującego się fizyczną AI, do którego zwykle się go zalicza. W zeszłym tygodniu AMD zgodziło się przejąć World Labs Fei-Fei Li w transakcji opiewającej na około 8,2 mld dolarów, w całości rozliczanej akcjami. The Register opisał ją jako zabezpieczenie na wypadek, gdyby LLM-y okazały się ślepą uliczką, i przypomniał, że LeCun mówił już to samo. Tymczasem World Labs tworzy modele generujące i symulujące środowiska 3D. Generatywnym modelem świata jest również Cosmos 3 firmy NVIDIA, a Physical Intelligence buduje modele robotów na bazie modeli wizyjno-językowych. Pieniądze płynące w stronę „światów, a nie słów” w większości nie trafiają do projektów odpowiadających wizji LeCuna.

Rady człowieka, który ma w tym własny interes

Trzeba też wziąć pod uwagę pozycję samego mówcy. LeCun odszedł z Meta i jest teraz przewodniczącym wykonawczym AMI Labs w Paryżu. W marcu firma pozyskała 1,03 mld dolarów przy wycenie 3,5 mld dolarów — była to największa runda zalążkowa w Europie — na budowę modeli świata jako alternatywy dla LLM-ów. Firma rozbudowuje zespoły w Paryżu, Nowym Jorku, Montrealu i Singapurze. Każdy badacz, który pójdzie za jego radą, może stać się potencjalnym pracownikiem.

Nie oznacza to, że jego rada jest cyniczna. LeCun wyznawał ten pogląd, zanim powstało AMI, i płacił za niego utratą reputacji na długo przed tym, jak inwestorzy zapłacili za niego gotówką. Jednak w 2026 roku rekomendacja dotycząca badań i biznesplan wskazują dokładnie ten sam kierunek — studenci powinni wziąć to pod uwagę.

LeCun żartował, że przez te słowa traci przyjaciół w Dolinie Krzemowej. Dla studenta wybierającego temat pracy doktorskiej stawka jest wyższa: może oprzeć doktorat na architekturze, której skuteczność LeCun właśnie zebrał miliard dolarów, by udowodnić.

Tagi: Large Language Models, World models, AMI Labs, ETH Zurich, Yann LeCun