🔬 Кто такой Янн Лекун?
Янн Лекун — один из главных архитекторов современного искусственного интеллекта. Французско-американский учёный, лауреат премии Тьюринга («Нобелевки» в компьютерных науках), он прославился разработкой свёрточных нейросетей (CNN), которые легли в основу распознавания изображений сегодня. С 2013 года Лекун возглавлял AI-подразделение Meta (ранее — Facebook AI Research), а сейчас занимает должность вице-президента и главного AI-учёного компании. Его вклад охватывает не только машинное обучение, но и компьютерное зрение, робототехнику и теоретические основы ИИ, что делает его одним из самых влиятельных мыслителей в сфере искусственного интеллекта 🌟.
🌍 «Модели мира»: революция в понимании ИИ
Суть технологии JEPA
Янн Лекун предлагает радикально новый подход — архитектуру JEPA (Joint-Embedding Predictive Architecture), которая кардинально отличается от современных больших языковых моделей. В отличие от LLM, которые просто предсказывают следующий токен на основе статистических паттернов, JEPA создаёт внутренние представления физического мира, позволяя ИИ предсказывать последствия действий. Это не-генеративная архитектура, которая учится понимать причинно-следственные связи, а не просто воспроизводить данные. JEPA работает по принципу совместного встраивания контекста и цели, что позволяет модели извлекать скрытые закономерности реального мира.
Принципиальная разница от LLM
Фундаментальное отличие «моделей мира» от LLM заключается в их способности к рассуждению и планированию. Современные языковые модели, по мнению Лекуна, никогда не достигнут искусственного общего интеллекта (AGI), поскольку они лишены понимания физических законов и здравого смысла. JEPA же учится на мультимодальных данных — изображениях, видео, звуке — формируя единое представление о том, как устроен мир. Это позволяет системе не просто отвечать на вопросы, а предсказывать, что произойдёт, если робот сделает определённое движение или как изменится ситуация при разных сценариях. Лекун даже прогнозирует, что LLM станут бесполезными в течение пяти лет, уступив место архитектурам на основе «моделей мира». Такой подход открывает путь к созданию по-настоящему автономных систем, способных взаимодействовать с реальным миром. 🤖
🚀 Стартап Лекуна: вызов крупным корпорациям
В конце 2025 года Янн Лекун покидает Meta, чтобы основать собственный стартап, сфокусированный именно на разработке ИИ на основе «моделей мира». Цель — создать Advanced Machine Intelligence (AMI): систему, способную учиться, планировать и взаимодействовать с реальным миром без постоянного дообучения на гигабайтах данных. Это прямой вызов нынешней парадигме больших языковых моделей, которую сам Лекун называет «тупиковым путём». Его компания будет решать проблему отсутствия причинно-следственного мышления у современного ИИ — ключевого барьера на пути к общей искусственной интеллектуальности. Стартап Лекуна может стать катализатором третьей волны ИИ, где главное — не объём данных, а глубина понимания. 💡
💰 Большие инвестиции vs. эффективность: урок от DeepSeek и проблема устаревания железа
Урок от DeepSeek
Бигтеки вкладывают миллиарды в масштабирование LLM, но эффективность не всегда пропорциональна затратам. Яркий пример — китайская модель DeepSeek-V3, чья разработка оценивается всего в $5.6 млн. При этом по некоторым метрикам она сопоставима с GPT-4o, на обучение которого ушло около $78 млн. DeepSeek доказывает: при грамотной архитектуре и оптимизации можно добиться высокой производительности без колоссальных расходов. Это ставит под вопрос целесообразность «гонки параметров» — возможно, будущее за интеллектуальной эффективностью, а не просто масштабом. 📉
Быстрое устаревание оборудования и рентабельность инвестиций
Современная реальность ИИ-инфраструктуры — это парадокс: гиперскалеры амортизируют AI-серверы на протяжении 5-6 лет, тогда как поставщики чипов выпускают новые поколения каждые 12 месяцев. Если самые современные GPU становятся технологически устаревшими и экономически невыгодными в течение года-двух после выпуска, рентабельность инвестиций в ИИ-инфраструктуру может оказаться катастрофически низкой.
Проблема заключается в противоречии между 2-3-летним технологическим устареванием и 5-7-летней экономической полезностью оборудования. Стоимость обновления AI-ускорителей составляет $15-20 млрд каждые 4-5 лет, что означает амортизацию чипов на $3-5 млрд ежегодно. Эта ситуация создаёт кризис неопределённости ROI, когда капитальные затраты на ИИ резко возрастают, а окупаемость остаётся под вопросом. Высокопроизводительные GPU, такие как NVIDIA A100 и H100, требуют огромных капитальных вложений, но их быстрое моральное устаревание ставит под сомнение долгосрочную экономическую целесообразность таких инвестиций. 💸
🔮 Заключение: будущее ИИ — за пониманием, а не предсказанием
Янн Лекун предлагает радикальный сдвиг: от ИИ как усилителя языка — к ИИ как исследователю мира. Его стартап может стать катализатором новой эры, где главным преимуществом будет не количество GPU, а глубина понимания реальности. На фоне всё более затратных проектов бигтехов подход Лекуна выглядит не только интеллектуально честным, но и экономически разумным. Ведь настоящий интеллект — это не то, сколько он «знает», а как он мыслит. В условиях, когда инвестиции в ИИ-инфраструктуру достигают астрономических сумм, а оборудование морально устаревает каждые 1-2 года, революционные архитектуры вроде JEPA могут предложить не только технологический прорыв, но и экономическую устойчивость. Будущее принадлежит не тем, кто тратит больше, а тем, кто думает глубже. 🌈✨