Yann LeCun Forlader Meta og Satser 3,5 Milliarder Euro på World Models

Satsningen på 3,5 Milliarder Euro

Når en person med LeCuns meritter rejser 500 millioner euro ved en værdiansættelse på 3 milliarder euro før lancering, lægger branchen mærke til det. AMI Labs (Advanced Machine Intelligence) startede officielt i januar 2026 med en simpel, men revolutionerende tese: LLMs er en blindgyde for ægte intelligens.

LeCun har sagt dette i årevis, men nu sætter han sin karriere på spil. Ved AI-Pulse konferencen i Paris lagde han ikke fingrene imellem: "Silicon Valley er fuldstændig hypnotiseret af generative modeller. Man er nødt til at lave denne type arbejde uden for Silicon Valley."

Hvorfor LLMs Ikke Er Nok

Kerneargumentet er overraskende simpelt. LLMs forudsiger det næste token. Det er det. De forstår ikke fysik. De opretholder ikke vedvarende hukommelse på tværs af sessioner. De kan ikke planlægge flertrinshandlinger i den virkelige verden.

LeCun argumenterer for, at denne grundlæggende begrænsning betyder, at LLMs aldrig vil opnå den kontekstuelle forståelse, som mennesker tager for givet. Et barn, der aldrig har set et bestemt objekt, kan stadig forudsige, at det falder, hvis man slipper det. LLMs, trods træning på hele internettet, kan ikke pålideligt drage den konklusion.

Hvad Er World Models Egentlig?

Hvis du har fulgt udviklingen af world models i AI-video, har du set glimt af denne teknologi. Runways GWM-1 og World Labs Marble er tidlige forsøg på at bygge AI, der forstår rumlige relationer og fysik.

Men AMI Labs går længere. LeCuns vision handler ikke kun om bedre videogenerering, selvom det bestemt er en del af det. Det handler om AI-systemer, der kan:

• ✓Observere og interagere med fysiske miljøer
• ✓Simulere "hvad hvis"-scenarier før handling
• ✓Bevare kontekst på tværs af komplekse flertrinsopgaver
• ✓Overføre viden mellem forskellige domæner

Tænk på det som at give AI evnen til at forestille sig ting. Ikke i kreativ forstand, men i forudsigelsesmæssig forstand. Hvad sker der, hvis jeg trykker på denne knap? Hvad sker der, hvis jeg drejer til venstre i stedet for højre? Hvad sker der, hvis jeg blander disse to kemikalier?

Den Første Anvendelse: Sundhedssektoren

AMI Labs starter ikke med robotteknologi eller selvkørende biler, selvom de tydeligt er på køreplanen. Deres første implementering vil være i sundhedssektoren gennem et partnerskab med Nabla, den medicinske transskriptionsstartup, hvis CEO, Alex LeBrun, nu leder AMI Labs.

Dette er klog positionering. Sundhedssektoren har massive kontekstskifteproblemer. En patients forløb involverer snesevis af kontaktpunkter, hver håndteret af forskellige systemer. Hvis world models kan opretholde sammenhængende forståelse gennem hele forløbet, beviser det, at teknologien virker i miljøer med høj risiko.

Konkurrencelandskabet

AMI Labs træder ind på et overfyldt felt, men med nok den mest troværdige grundlægger:

Det, der gør LeCuns tilgang anderledes, er hans eksplicitte afvisning af LLM-skaleringshypotesen. Mens OpenAI og Anthropic bruger ressourcer på at gøre LLMs større, satser LeCun på arkitektonisk innovation. Han tror, at gennembruddet vil komme fra, hvordan modeller lærer, ikke hvor mange parametre de har.

Hvorfor Dette Er Vigtigt for AI-Video

For dem af os, der følger AI-videoområdet, repræsenterer AMI Labs noget vigtigt. De forbedringer i fysiksimulering, vi har set i nyere modeller, er små skridt mod world models.

Forestil dig at generere en video og kunne sige "få nu karakteren til at samle det objekt op," og AI korrekt simulerer fysikken i den interaktion. Det er, hvor world models fører os hen.

Vi har allerede set antydninger af dette i TurboDiffusions realtidsgenerering og Runways eksperimenter med interaktiv video. Men det er stadig grundlæggende diffusionsmodeller med fysik oven på. Ægte world models ville vende paradigmet: fysik først, udseende bagefter.

Paris-Faktoren

En detalje, der fangede min opmærksomhed: LeCun bygger bevidst AMI Labs uden for Silicon Valley, med en stærk europæisk tilstedeværelse centreret i Paris.

Der er en pragmatisk grund: Europæisk AI-talent er i verdensklasse, men ofte overset af amerikanske virksomheder. Men der er også en filosofisk grund. LeCun synes at tro, at gruppetænkningen omkring LLMs er så stærk i Bay Area, at ægte innovation kræver geografisk afstand.

For europæisk AI er dette en bekræftelse. En af de mest dekorerede forskere på området satser på, at det næste gennembrud vil komme herfra, ikke fra Palo Alto.

Hvad Kommer Der Nu

AMI Labs er lige startet, men implikationerne er betydelige. Hvis LeCun har ret, står vi over for et paradigmeskifte i, hvordan AI-systemer bygges.

Det største spørgsmål er timing. World models er teoretisk overbevisende, men kan de levere praktiske resultater hurtigt nok til at gøre en forskel? LLMs kan være begrænsede, men de er brugbare nu. OpenAI og Anthropic bygger imperier på den anvendelighed.

LeCun satser på, at LLM-loftet er lavere, end folk tror, og at når brugere rammer det, vil de lede efter alternativer. AMI Labs vil være klar.

Det Større Billede

Det, jeg finder spændende ved dette træk, er ikke kun teknologien. Det er, hvad det repræsenterer for AI-forskningskulturen. Alt for længe har vi haft en monokultur omkring transformer-arkitekturer og skala-er-alt-tænkning. At LeCun starter AMI Labs er en højprofileret støtte til alternative tilgange.

Uanset om world models viser sig at være vejen til AGI eller ej, betyder det, at Yann LeCun er fuldt engageret i tilgangen, at den får et seriøst, velfinansieret forsøg. Og det er godt for alle, der tror, at AI-forskning har gavn af tankemæssig diversitet.

De næste par år bliver fascinerende at følge.