Yann LeCuns TIME100-anerkendelse er også et milliardvæddemål mod AI uden verdensforståelse

Yann LeCuns plads på TIMEs liste over de 100 mest indflydelsesrige personer inden for kunstig intelligens i 2026 handlede om mere end hans historiske bidrag til deep learning. Anerkendelsen satte også fokus på hans forsøg på at ændre retningen for hele AI-feltet: væk fra forestillingen om, at stadig større sprogmodeller nødvendigvis fører til menneskelignende intelligens. 1517

Det synspunkt har fået en konkret og særdeles velkapitaliseret ramme i AMI Labs – den Paris-baserede virksomhed, LeCun var med til at grundlægge efter sin afgang fra Meta.

TIME-anerkendelsen kom, mens LeCun udfordrede AI’s dominerende strategi

TIME beskriver TIME100 AI som en liste over personer, der påvirker udviklingen og retningen inden for kunstig intelligens. Listen omfatter blandt andre ledere, innovatører, formgivere og tænkere. 37

LeCuns placering afspejler derfor ikke blot hans tidligere lederroller eller hans tilknytning til store teknologivirksomheder. Den anerkender også hans forskningsmæssige argument i den centrale debat om, hvilken type system der på længere sigt kan føre til mere generel intelligens.

Hans position er grundlæggende skeptisk over for idéen om, at skalering af store sprogmodeller – altså LLM’er – er hele vejen frem. Omtalen i forbindelse med TIME-profilen beskriver en reel faglig uenighed om, hvorvidt fortsat LLM-skalering kan føre til intelligens på menneskeniveau, eller om verdensmodeller er en bedre vej. 215

Afgangen fra Meta gav idéen et selvstændigt hjem

LeCun forlod Meta efter omkring 12 år. I den periode var han med til at opbygge og lede virksomhedens AI-forskning. Reuters beskrev ham som Metas daværende øverste AI-forsker, før han lancerede Advanced Machine Intelligence, forkortet AMI. 17

Skiftet havde strategisk betydning. Uden for Meta kunne LeCun forfølge en forsknings- og virksomhedsstrategi, der tog udgangspunkt i verdensmodeller frem for den dominerende konkurrence om at gøre generative sprogmodeller større.

Ifølge TIME præsenterede han AMI Labs måneden efter sin afgang. Dermed blev en langvarig videnskabelig uenighed omsat til et selvstændigt forsknings- og startup-projekt. 15

AMI rejste 1,03 mia. dollar, før tesen var bevist

I marts 2026 annoncerede AMI en seed-runde på 1,03 mia. dollar til en værdiansættelse på 3,5 mia. dollar før investeringen. Reuters oplyste, at runden blev ledet i fællesskab af Cathay Innovation, Greycroft, Hiro Capital, HV Capital og Bezos Expeditions. 17

TechCrunch rapporterede desuden deltagelse fra blandt andre NVIDIA, Tim og Rosemary Berners-Lee, Jim Breyer, Mark Cuban, Xavier Niel og Eric Schmidt. 27

Finansieringen bør først og fremmest ses som et stort tillidsvotum til det problem, AMI forsøger at løse – ikke som dokumentation for, at virksomhedens tilgang allerede har vundet over de førende LLM’er.

Investorerne satsede på muligheden for AI-systemer med stærkere ræsonnement, planlægning og kompetence i den virkelige verden. Den tilgængelige rapportering viser derimod ikke, at AMI’s verdensmodeller allerede præsterer bedre end de mest avancerede sprogmodeller.

Det er en vigtig forskel. En høj værdiansættelse kan gøre en alternativ forskningsretning troværdig på markedet, men den kan ikke afgøre en teknisk diskussion, før virksomheden har vist et fungerende system i stor skala.

Hvad er en verdensmodel?

Store sprogmodeller trænes typisk til at lære mønstre i sprog. LeCuns alternativ skal i højere grad lære direkte af verden – blandt andet gennem billeder og andre sensordata – og opbygge en intern repræsentation af, hvordan virkeligheden fungerer.

I praksis skal en verdensmodel forsøge at:

• forstå, hvordan et miljø hænger sammen;
• forudsige, hvad der kan ske efter en bestemt handling;
• overveje konsekvenser, før den handler; og
• understøtte planlægning i eksempelvis robotter og andre fysiske anvendelser.

TIME-relateret rapportering beskriver AMI’s mål som at give AI en intuitiv forståelse af fysiske love og gøre det muligt at forudsige konsekvenserne af forskellige handlinger. 124 Reuters beskriver tilsvarende virksomheden som fokuseret på systemer baseret på ræsonnement, planlægning og verdensmodeller. 17

Derfor forbindes idéen ofte med begreber som spatial intelligens og embodied intelligence – på dansk henholdsvis rumlig og kropslig eller fysisk forankret intelligens. En maskine, der skal navigere i et miljø, flytte genstande eller træffe beslutninger under skiftende fysiske forhold, har brug for mere end evnen til at formulere et sandsynligt tekstsvar.

JEPA er det konceptuelle fundament

AMI’s retning hænger sammen med LeCuns Joint Embedding Predictive Architecture, eller JEPA, som han foreslog i 2022. En JEPA-baseret model skal forudsige repræsentationer af manglende eller fremtidig information i et abstrakt rum frem for at genskabe hver eneste rå detalje i inputtet. Rapportering om AMI identificerer virksomheden som baseret på den JEPA-arkitektur, LeCun foreslog i 2022. 3138

Den tilsigtede fordel er større effektivitet og abstraktion. Modellen kan koncentrere sig om de egenskaber, der er relevante for forståelse, forudsigelse og handling, i stedet for at behandle hver pixel eller hvert datapunkt som lige vigtigt.

Det gør JEPA begrebsmæssigt kompatibel med AMI’s bredere mål om at bygge systemer, der forstår omgivelser og kan forudse resultater. Men JEPA er fortsat et forskningsmæssigt fundament – ikke en dokumenteret erstatning for det nuværende LLM-økosystem.

AMI skal stadig vise, at arkitekturen kan skaleres, lære brugbare repræsentationer af verden og levere pålidelig performance i virkelige produkter og anvendelser.

Verdensmodeller blev en investerbar idé

AMI’s finansiering viser, at verdensmodeller ikke længere kun blev betragtet som et akademisk alternativ til sprogmodellering. Investorer var villige til at placere mere end 1 mia. dollar i en virksomhed, der vil udvikle AI, som lærer af virkeligheden og sigter mod ræsonnement og planlægning. 1727

Den bredere interesse kan også ses i fokus på rumlig og fysisk forankret intelligens. Tilgangene forbindes med robotteknologi, autonome systemer, industrielle anvendelser og andre situationer, hvor en AI skal forstå fysisk kontekst. 232431

Det er dog ikke det samme som, at der er opnået enighed i branchen. Det afgørende spørgsmål står stadig åbent: Vil stadig mere kapable sprogmodeller med tiden udvikle tilstrækkeligt ræsonnement og forankring i virkeligheden, eller vil systemer med eksplicitte verdensmodeller vise sig bedre til robust planlægning og handling?

AMI’s fremskridt kan blive en vigtig test af den diskussion. Den tidlige finansieringsrunde kan ikke i sig selv besvare den.

Et milliardforsøg – ikke et endeligt svar

Sammenhængen mellem LeCuns TIME100 AI-anerkendelse og AMI Labs er derfor klar: TIME fremhævede en forsker, hvis indflydelse nu rækker fra grundlæggende deep-learning-forskning til en højrisiko-udfordring af AI-branchens dominerende antagelser. 5715

Afgangen fra Meta gav ham friheden til at forfølge den udfordring. AMI’s seed-runde på 1,03 mia. dollar og en værdiansættelse på 3,5 mia. dollar før investeringen gav projektet usædvanligt store ressourcer. Og fokus på verdensmodeller og JEPA gav LeCuns kritik af LLM-skalering en konkret forskningsmæssig og kommerciel ramme.

De tilgængelige kilder dokumenterer ikke en fuld tidsplan for open source-arbejdet eller den samlede internationale ledelses- og teamudvidelse. Det er derfor for tidligt at konkludere noget sikkert om disse dele af AMI’s langsigtede plan.

Det hele er heller ikke et bevis på, at LeCun har ret. Det er et milliardforsøg på at finde ud af, om AI’s næste store skridt kommer fra bedre tekstgenerering – eller fra maskiner, der først kan opbygge en model af verden, før de handler i den.