Yann LeCun w TIME100 AI to także zakład przeciwko AI opartej wyłącznie na LLM

Wyróżnienie TIME pojawiło się w ważnym momencie dla AI

Magazyn TIME opisuje swoją coroczną listę jako zestawienie osób wpływających na rozwój i kierunek sztucznej inteligencji. W edycji TIME100 AI 2026 uwzględniono liderów, innowatorów, twórców trendów i myślicieli. 37 Obecność Yann LeCuna ma więc znaczenie nie tylko jako uhonorowanie jego wcześniejszych osiągnięć, ale również jako sygnał, że jego wizja przyszłości AI stała się częścią głównego sporu w branży.

LeCun kwestionuje założenie, że samo zwiększanie rozmiaru dużych modeli językowych (LLM) wystarczy, aby osiągnąć inteligencję na poziomie człowieka. Według opisu TIME jego stanowisko to realny spór badawczy: czy dalsze skalowanie modeli językowych doprowadzi do bardziej ogólnej inteligencji, czy też skuteczniejszą drogą będą tak zwane modele świata. 215

Odejście z Meta dało mu niezależność

LeCun opuścił Meta po około 12 latach pracy, w czasie których pomagał budować i kierować strukturami badań nad AI w firmie. Reuters podał, że odszedł ze stanowiska głównego naukowca Meta zajmującego się sztuczną inteligencją, a następnie uruchomił Advanced Machine Intelligence, znane jako AMI. 17

Poza Meta mógł rozwijać projekt oparty na własnym programie badawczym — skoncentrowanym na modelach świata, a nie przede wszystkim na wyścigu o coraz większe systemy generatywne. TIME informował, że AMI Labs zostało zaprezentowane w kolejnym miesiącu, zamieniając wieloletni naukowy sprzeciw wobec dominującego podejścia w niezależną firmę. 15

AMI pozyskała 1,03 mld dolarów, zanim udowodniła swoją tezę

W marcu 2026 roku AMI poinformowała o pozyskaniu 1,03 mld dolarów w rundzie zalążkowej przy wycenie 3,5 mld dolarów przed inwestycją. Reuters podał, że rundę współprowadziły Cathay Innovation, Greycroft, Hiro Capital, HV Capital i Bezos Expeditions. 17 Według TechCrunch w finansowaniu uczestniczyli również między innymi NVIDIA, Tim i Rosemary Berners-Lee, Jim Breyer, Mark Cuban, Xavier Niel oraz Eric Schmidt. 27

To przede wszystkim ogromny wyraz zaufania do problemu, który AMI próbuje rozwiązać — nie dowód, że jej technologia już wygrała. Inwestorzy stawiają na możliwość stworzenia systemów AI lepiej rozumujących, planujących i radzących sobie w świecie fizycznym. Dostępne informacje nie potwierdzają jednak, że modele świata AMI przewyższają czołowe LLM.

Duża wycena może nadać alternatywnemu kierunkowi badań wiarygodność rynkową, ale sama nie rozstrzyga technicznego sporu. Do tego potrzebne będą działające systemy i wyniki osiągane w praktyce.

Czym są „modele świata”?

Duże modele językowe uczą się przede wszystkim wzorców występujących w języku. Podejście LeCuna ma prowadzić AI bliżej samej rzeczywistości — między innymi dzięki analizowaniu obrazu i innych danych z czujników — oraz pozwolić jej tworzyć wewnętrzną reprezentację tego, jak świat działa.

W praktyce model świata miałby:

• rozpoznawać zasady rządzące otoczeniem;
• przewidywać, co może się wydarzyć po wykonaniu konkretnego działania;
• oceniać konsekwencje przed podjęciem decyzji;
• wspierać planowanie, na przykład w robotyce i innych zastosowaniach związanych ze światem fizycznym.

Materiały powiązane z profilem TIME opisują cel AMI jako wyposażenie AI w intuicyjne rozumienie praw fizycznych i zdolność przewidywania skutków różnych działań. 124 Reuters również wskazuje na rozumowanie, planowanie i „modele świata” jako fundamenty rozwijanej technologii. 17

Dlatego ten kierunek łączy się z pojęciami inteligencji przestrzennej i ucieleśnionej. Robot, pojazd autonomiczny czy system działający w zmiennym środowisku musi nie tylko wygenerować wiarygodną odpowiedź, ale też zrozumieć otoczenie i przewidzieć rezultat działania.

JEPA jako koncepcyjny fundament

Strategia AMI nawiązuje do zaproponowanej przez LeCuna w 2022 roku architektury Joint Embedding Predictive Architecture, czyli JEPA. System w tym stylu ma przewidywać reprezentacje brakujących lub przyszłych informacji w abstrakcyjnej przestrzeni, zamiast odtwarzać każdy surowy szczegół wejścia. Doniesienia na temat AMI wskazują, że firma opiera swoją pracę na tej koncepcji. 3138

Potencjalną korzyścią jest większa efektywność i poziom abstrakcji: model może skupiać się na cechach istotnych dla rozumienia, przewidywania i działania, zamiast traktować każdy piksel lub punkt danych jako równie ważny.

JEPA pozostaje jednak fundamentem badawczym, a nie udowodnionym zamiennikiem całego ekosystemu LLM. AMI musi jeszcze pokazać, że ta architektura skaluje się, pozwala uczyć użytecznych reprezentacji świata i zapewnia niezawodne wyniki w realnych zastosowaniach.

Modele świata stały się tematem inwestycyjnym

Finansowanie AMI sugeruje, że modele świata przestały być wyłącznie akademicką alternatywą dla modelowania języka. Inwestorzy byli gotowi przeznaczyć ponad miliard dolarów na firmę rozwijającą AI, która ma uczyć się z rzeczywistości oraz wspierać rozumowanie i planowanie. 1727

Szersze zainteresowanie widać także w rosnącej popularności pojęć takich jak inteligencja przestrzenna i ucieleśniona. Są one kojarzone z robotyką, systemami autonomicznymi, przemysłem i innymi środowiskami, w których AI musi rozumieć kontekst fizyczny. 232431

Nie oznacza to jednak, że branża osiągnęła konsensus. Nadal nie wiadomo, czy coraz sprawniejsze modele językowe zdobędą wystarczające zdolności rozumowania i zakotwiczenia w rzeczywistości, czy też skuteczniejsze okażą się systemy budowane wokół jawnych modeli świata.

Co naprawdę oznacza wyróżnienie LeCuna?

Związek między obecnością LeCuna na liście TIME100 AI a AMI Labs jest czytelny: TIME wyróżnił naukowca, którego wpływ obejmuje zarówno fundamentalne prace nad głębokim uczeniem, jak i próbę zakwestionowania dominujących założeń całej branży. 5715

Odejście z Meta dało mu niezależność potrzebną do realizacji tego planu. Runda w wysokości 1,03 mld dolarów i wycena 3,5 mld dolarów przed inwestycją zapewniły mu wyjątkowo duże zasoby. Z kolei modele świata i JEPA nadały jego krytyce strategii „LLM przede wszystkim” konkretną formę badawczą i biznesową.

Nie jest to dowód, że LeCun ma rację. To wart miliard dolarów eksperyment, który ma sprawdzić, czy kolejny przełom w AI nadejdzie dzięki jeszcze lepszemu generowaniu języka — czy raczej dzięki maszynom zdolnym najpierw modelować świat, a dopiero potem w nim działać.