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

Satsingen på 3,5 Milliarder Euro

Når noen med LeCuns meritter samler inn 500 millioner euro ved en verdsettelse på 3 milliarder euro før lansering, legger bransjen merke til det. AMI Labs (Advanced Machine Intelligence) startet offisielt i januar 2026 med en enkel, men revolusjonerende tese: LLMs er en blindvei for ekte intelligens.

LeCun har sagt dette i årevis, men nå satser han karrieren på det. På AI-Pulse-konferansen i Paris var han tydelig: "Silicon Valley er fullstendig hypnotisert av generative modeller. Man må gjøre denne typen arbeid utenfor Silicon Valley."

Hvorfor LLMs Ikke Er Nok

Kjerneargumentet er overraskende enkelt. LLMs forutsier neste token. Det er alt. De forstår ikke fysikk. De opprettholder ikke vedvarende minne på tvers av sesjoner. De kan ikke planlegge flertrinnshhandlinger i den virkelige verden.

LeCun argumenterer for at denne grunnleggende begrensningen betyr at LLMs aldri vil oppnå den kontekstuelle forståelsen som mennesker tar for gitt. Et lite barn som aldri har sett et bestemt objekt, kan fortsatt forutsi at det faller hvis man slipper det. LLMs, til tross for trening på hele internett, kan ikke pålitelig trekke den konklusjonen.

Hva Er World Models Egentlig?

Hvis du har fulgt utviklingen av world models innen AI-video, har du sett glimt av denne teknologien. Runways GWM-1 og World Labs Marble er tidlige forsøk på å bygge AI som forstår romlige relasjoner og fysikk.

Men AMI Labs går lenger. LeCuns visjon handler ikke bare om bedre videogenerering, selv om det er en del av det. Det handler om AI-systemer som kan:

• ✓Observere og samhandle med fysiske miljøer
• ✓Simulere "hva hvis"-scenarier før handling
• ✓Bevare kontekst på tvers av komplekse flertrinnsopp­gaver
• ✓Overføre kunnskap mellom ulike domener

Se på det som å gi AI evnen til å forestille seg ting. Ikke i kreativ forstand, men i prediktiv forstand. Hva skjer hvis jeg trykker på denne knappen? Hva skjer hvis jeg svinger til venstre i stedet for høyre? Hva skjer hvis jeg blander disse to kjemikaliene?

Den Første Anvendelsen: Helsevesenet

AMI Labs starter ikke med robotikk eller autonome kjøretøy, selv om de tydelig er på veikartet. Deres første implementering vil være i helsevesenet gjennom et partnerskap med Nabla, oppstartsbedriften for medisinsk transkripsjon hvis CEO, Alex LeBrun, nå leder AMI Labs.

Dette er smart posisjonering. Helsevesenet har massive problemer med kontekstbytte. En pasients reise involverer dusinvis av kontaktpunkter, hvert håndtert av forskjellige systemer. Hvis world models kan opprettholde sammenhengende forståelse gjennom hele reisen, beviser det at teknologien fungerer i miljøer med høy risiko.

Konkurranselandskapet

AMI Labs går inn i et tett felt, men med trolig den mest troverdige grunnleggeren:

Det som gjør LeCuns tilnærming annerledes, er hans eksplisitte avvisning av LLM-skaleringshypotesen. Mens OpenAI og Anthropic bruker ressurser på å gjøre LLMs større, satser LeCun på arkitektonisk innovasjon. Han tror gjennombruddet vil komme fra hvordan modeller lærer, ikke hvor mange parametere de har.

Hvorfor Dette Er Viktig for AI-Video

For oss som følger AI-videoområdet, representerer AMI Labs noe viktig. Forbedringene i fysikksimulering vi har sett i nyere modeller, er små skritt mot world models.

Forestill deg å generere en video og kunne si "få nå karakteren til å plukke opp det objektet," og AI korrekt simulerer fysikken i den interaksjonen. Dit tar world models oss.

Vi har allerede sett antydninger til dette i TurboDiffusions sanntidsgenerering og Runways eksperimenter med interaktiv video. Men det er fortsatt grunnleggende diffusjonsmodeller med fysikk på toppen. Ekte world models ville snudd paradigmet: fysikk først, utseende etterpå.

Paris-Faktoren

En detalj som fanget oppmerksomheten min: LeCun bygger bevisst AMI Labs utenfor Silicon Valley, med en sterk europeisk tilstedeværelse sentrert i Paris.

Det er en pragmatisk grunn: europeisk AI-talent er i verdensklasse, men ofte oversett av amerikanske selskaper. Men det er også en filosofisk grunn. LeCun ser ut til å tro at gruppetenkningen rundt LLMs er så sterk i Bay Area at ekte innovasjon trenger geografisk avstand.

For europeisk AI er dette bekreftelse. En av de mest dekorerte forskerne på feltet satser på at neste gjennombrudd vil komme herfra, ikke fra Palo Alto.

Hva Kommer Nå

AMI Labs har nettopp startet, men implikasjonene er betydelige. Hvis LeCun har rett, står vi overfor et paradigmeskifte i hvordan AI-systemer bygges.

Det største spørsmålet er timing. World models er teoretisk overbevisende, men kan de levere praktiske resultater raskt nok til å utgjøre en forskjell? LLMs kan være begrenset, men de er nyttige nå. OpenAI og Anthropic bygger imperier på den nytten.

LeCun satser på at LLM-taket er lavere enn folk tror, og at når brukere treffer det, vil de lete etter alternativer. AMI Labs vil være klar.

Det Større Bildet

Det jeg synes er spennende med dette trekket, er ikke bare teknologien. Det er hva det representerer for AI-forskningskulturen. Alt for lenge har vi hatt en monokultur rundt transformer-arkitekturer og skala-er-alt-tenkning. At LeCun starter AMI Labs er en høyprofilert støtte til alternative tilnærminger.

Uansett om world models viser seg å være veien til AGI eller ikke, betyr det at Yann LeCun er fullt engasjert i tilnærmingen at den får et seriøst, velfinansiert forsøk. Og det er bra for alle som tror at AI-forskning drar nytte av tankemangfold.

De neste årene blir fascinerende å følge.