Янн Лекун: почему уход из Meta и ставка на world models — это спор о том, что такое интеллект

В конце 2025 года из Meta ушёл человек, которого трудно назвать «ещё одним топ-менеджером». Янн Лекун — лауреат премии Тьюринга, один из трёх «крестных отцов» глубокого обучения, создатель свёрточных нейросетей, без которых не было бы современного компьютерного зрения, и основатель исследовательской лаборатории Meta FAIR. В январе 2026 года он официально запустил собственный стартап AMI Labs, который намерен строить «модели мира» — принципиально иной тип искусственного интеллекта, чем языковые модели вроде ChatGPT. За этой новостью стоит не корпоративная драма, а один из самых фундаментальных споров в современной науке: что вообще такое интеллект и как его воспроизвести в машине. Лекун годами утверждал, что индустрия свернула не туда. Теперь он поставил на своё убеждение карьеру, репутацию и капитал.

Кто такой Лекун и почему его мнение весит

В мире искусственного интеллекта есть люди, чьи имена знают даже те, кто далёк от индустрии, — Сэм Альтман, Демис Хассабис, Дарио Амодеи. Лекун принадлежит к другой категории: он не предприниматель и не публицист, а учёный, чьи работы лежат в фундаменте самой технологии.

В конце 1980-х, когда нейросети считались маргинальным направлением, Лекун разработал свёрточные архитектуры, которые научили компьютеры распознавать рукописные цифры — система читала чеки в американских банках задолго до того, как слово «нейросеть» вошло в мейнстрим. В 2018 году он вместе с Джеффри Хинтоном и Йошуа Бенджио получил премию Тьюринга — фактически «Нобелевку» по информатике — за работы, сделавшие возможной революцию глубокого обучения. В 2013-м Марк Цукерберг переманил его в Facebook, где Лекун основал лабораторию FAIR (Facebook AI Research) — одну из самых влиятельных исследовательских организаций в мире, известную в том числе принципиальной открытостью: FAIR публиковала почти всё, что делала.

Важна ещё одна деталь: Лекун никогда не был конъюнктурщиком. Он пережил два «зимних» периода ИИ, когда финансирование и интерес к нейросетям иссякали, и не менял убеждений. Это человек, который привык быть в меньшинстве и оказываться правым — и это, разумеется, влияет на то, как он себя ведёт сейчас, когда меньшинством является его критика мейнстрима.

В чём именно претензия к языковым моделям

Публично позицию Лекуна часто сводят к заголовку «он ругает ChatGPT». Это упрощение. Его аргумент — технический и глубокий, и стоит понять его правильно.

Большая языковая модель устроена обманчиво просто: она предсказывает следующее слово (точнее, токен — фрагмент слова) в тексте. Обученная на триллионах слов интернета, она выучивает статистические закономерности языка настолько хорошо, что её предсказания выглядят как понимание. Именно это «выглядит как» и есть, по Лекуну, главная иллюзия эпохи.

Его контраргумент опирается на простое наблюдение. Ребёнок к четырём годам получает через зрение порядка десятков миллионов секунд видеопотока — по объёму информации это сопоставимо со всеми текстами, на которых обучаются LLM. Но ребёнок извлекает из этого потока нечто качественно иное: он понимает, что предметы не исчезают, если их закрыть, что неподдержанный объект упадёт, что жидкость выливается из наклонённого стакана. Никто не читает ему лекций по физике — он наблюдает, действует и строит внутреннюю модель мира. Язык появляется у него позже и опирается на уже существующее понимание.

Языковые модели идут в обратном порядке: они пытаются выжать понимание мира из одного лишь языка — то есть из чужих описаний мира, а не из самого мира. Лекун называл LLM «съездом с шоссе», ведущего к человеческому интеллекту: впечатляющая дорога, но не та. Список того, чего, по его мнению, авторегрессионным моделям не хватает принципиально, а не из-за нехватки данных, длинный: устойчивая память, планирование, здравый смысл, понимание физики, способность предсказывать последствия действий. Сторонники масштабирования отвечают, что эти способности «возникают» с ростом моделей — и указывают на реально работающие продукты. Спор не решён, и это важно честно зафиксировать.

Что такое «модель мира» и JEPA

Альтернатива Лекуна изложена в его позиционной работе 2022 года «A Path Towards Autonomous Machine Intelligence» и сводится к идее, которую когнитивисты обсуждают десятилетиями: интеллекту нужна модель мира — внутреннее представление того, как устроена реальность, позволяющее мысленно проигрывать сценарии. Человек, прежде чем сдвинуть тяжёлый стол, «предсказывает», что произойдёт; животное, планирующее охоту, делает то же самое. Обучение — это во многом калибровка этой модели через наблюдение и действие.

Техническим воплощением идеи стала архитектура JEPA (Joint Embedding Predictive Architecture) и её видеоверсия V-JEPA. Суть можно объяснить на сравнении. Генеративная модель, обученная на видео, пытается предсказать будущее покадрово — все пиксели, включая несущественные: колыхание каждой травинки, шум в тени. Это безумно расточительно. JEPA поступает иначе: модель переводит сцену в абстрактное внутреннее представление — эмбеддинг — и учится предсказывать представление будущего состояния, а не сами пиксели. Ей не нужно знать, куда качнётся каждый лист; ей нужно «понять», что человек, выходящий из кадра за дверью, скорее всего окажется в коридоре. Предсказание на уровне смысла, а не пикселей, — это и есть зачаток модели мира.

Meta публиковала V-JEPA в 2024 году и V-JEPA 2 в июне 2025-го. Это работающие proof of concept: модели действительно извлекают из видео полезные представления, помогают роботам планировать простые действия. Но честности ради: ничего сопоставимого по широте возможностей с языковыми моделями на базе JEPA пока не существует. Это ставка на будущее, а не готовая технология.

Почему он ушёл: стратегия против науки

Уход Лекуна легко подать как скандал, но реальность прозаичнее и интереснее. В 2025 году Meta радикально перестроила свои AI-усилия: компания объединила их в Superintelligence Labs, сделала крупнейшую ставку на языковые модели Llama и наняла Александра Ванга, основателя Scale AI, фактически руководить стратегией. Лаборатория Лекуна FAIR, всегда занимавшаяся фундаментальной наукой с горизонтом в десятилетия, оказалась на периферии гонки, где счёт шёл на месяцы и бенчмарки.

Тут важно не драматизировать без нужды. Лекун оставался в высшем эшелоне компании и формально подчинялся напрямую Цукербергу. Обе стороны расстались публично тепло: Meta заявила о готовности сотрудничать с его стартапом. Но по сути произошло то, что неизбежно происходит, когда научное убеждение исследователя расходится с корпоративной стратегией работодателя. Meta поставила на масштабирование LLM; Лекун считает этот путь тупиковым. Продолжать руководить наукой в компании, чья главная ставка кажется тебе ошибкой, — позиция неудобная. Уход и основание AMI Labs (Advanced Machine Intelligence), где Лекун занял пост исполнительного председателя, а операционное управление взял Александр Лебрен, бывший глава медицинского AI-стартапа Nabla, — это не бунт, а последовательность. Стартап разместил штаб-квартиру в Париже с офисами в Нью-Йорке и, по сообщениям прессы, привлёк инвесторское внимание на уровне, характерном для будущих «единорогов» — хотя точные цифры оценки и раунда на момент написания статьи расходятся в разных источниках и требуют проверки.

Что доказано, а что нет

Здесь нужна особая аккуратность, потому что в этой истории легко скатиться в один из двух лагерей: «Лекун — пророк, LLM — пузырь» или «Лекун обижен и строит вчерашний день». Оба вывода — спекуляции.

Факты выглядят так. У лагеря масштабирования есть работающие продукты, которыми пользуются сотни миллионов людей, и череда сюрпризов: способности, которые ещё пять лет назад считались недостижимыми для «предсказателей следующего слова», модели демонстрируют. Аргумент «это просто статистика» с каждым годом объясняет всё меньше из наблюдаемого. При этом симптомы, на которые указывает Лекун, тоже реальны: модели галлюцинируют, плохо планируют на длинных горизонтах, не имеют устойчивой памяти и по-настоящему слабы в физическом здравом смысле. Интересно, что индустрия фактически признала часть его диагноза: словосочетание world models сегодня используют почти все крупные лаборатории — DeepMind со своими генерирующими миры моделями, стартапы вроде World Labs. Разница в том, что одни хотят вырастить модель мира из языковых моделей, а Лекун настаивает, что её надо строить с нуля на других принципах.

Что неизвестно — так это главное: масштабируется ли JEPA-подход до уровня общего интеллекта. История ИИ полна элегантных архитектур, которые красиво работали на малом и не взлетали на большом, — и, наоборот, «грубых» подходов, которые оказались неожиданно способными. Ответ даст только эксперимент, и AMI Labs — это, по сути, попытка поставить этот эксперимент с полным финансированием.

Что это меняет для отрасли

Последствия ухода Лекуна будут проявляться годами, но несколько контуров видны уже сейчас.

Во-первых, это знак разнообразия, а не распада. Пока вся индустрия бежит в одну дверь, существование хорошо финансируемой лаборатории, идущей в другую, — страховка для всей области. Если ставка Лекуна сыграет, человечество получит путь к ИИ, который планирует и понимает физику, — именно то, что нужно для робототехники, науки и управления сложными системами. Если не сыграет — мы получим дорогой, но честный ответ на фундаментальный вопрос.

Во-вторых, меняется география. Парижская штаб-квартира AMI Labs усиливает позицию Европы как места, где возможна фундаментальная AI-наука мирового уровня, — после Mistral это уже тенденция, а не случайность.

В-третьих, открытым остаётся судьба научной открытости Meta. FAIR под руководством Лекуна была главным генератором открытых исследований в индустрии. Если часть исследователей последует за ним — а слухи об этом ходят, — публикационная щедрость Meta может сократиться.

И наконец, сама фигура Лекуна — хороший урок того, как устроена наука. Он не утверждает, что языковые модели бесполезны; он утверждает, что они не ведут туда, куда, по его мнению, надо идти. Это разные претензии, и первая была бы ложью, а вторая — легитимная научная гипотеза. Через пять-десять лет мы узнаем, был ли прав человек, который уже однажды сорок лет ждал, пока мир признает его правоту. Пока же за этим спором стоит наблюдать как за самым содержательным из всего, что происходит в искусственном интеллекте: спором не о том, кто быстрее выпустит продукт, а о том, что вообще значит — понимать.