"S LLM se AGI nedostaneme." Yann LeCun to říká už roky. Teď nechává Metu, aby to dokázal. LeCun vynalezl konvoluční neuronové sítě – technologii, která stojí za každým fotoaparátem smartphonu a autonomním autem dnes. V roce 2018 získal Turingovu cenu, Nobelovu cenu AI. Ve věku 65 let se vedoucí výzkumné laboratoře FAIR společnosti Meta vzdává 600 miliard dolarů v AI infrastruktuře a sází proti celému odvětví: Meta, OpenAI, Anthropic, xAI, Google. Kdo je @ylecun? Proč odchází a proč má jeho další krok význam? Tady je příběh:

Kdo je Yann LeCun? - V 80. letech vytvořeny konvoluční neuronové sítě (CNN) — nyní základní pro počítačové vidění - Postaven LeNet v Bell Labs → první rozsáhlé využití hlubokého učení (čtení bankovních šeků) - Získal Turing Award (2018) s Hinton & Bengio - Připojil se k Meta 2013, založil FAIR (Fundamental AI Research) - Vybudoval kulturu otevřeného výzkumu: volné publikování, zveřejňování otevřených modelů Je jedním z "kmotrů hlubokého učení".

Základní technická pozice LeCuna LeCun je konzistentní od roku 2022: Velké jazykové modely mají zásadní omezení. Předpovídají textové vzory, ale postrádají: - Porozumění dynamice fyzikálního světa - Perzistentní paměť - Kauzální uvažování - Plánování zaměřené na cíle Jeho slavná analogie: "Nemůžeme ani reprodukovat kočičí nebo krysí inteligenci, natož psí inteligenci." Prosazuje "světové modely" — AI systémy, které se učí pozorováním fyzického světa, nikoli jen čtením textu. To neznamená odmítnutí LLM jako zbytečných, ale víru, že nejsou dostatečné jako cesta k obecné inteligenci.

Teze o škálování: Proč Meta nesouhlasí Obrovské investice odvětví do výpočetní techniky stojí na jednom pozorování: větší modely si konzistentně vedou lépe. GPT-3 až GPT-4 ukázaly schopnosti objevující se ve velkém měřítku, které menší modely zcela postrádaly. Sázka je: pokud samotné škálování dosáhne AGI, vyhrává ten, kdo postaví největší infrastrukturu. LeCunova protiargument: měřítko zlepšuje predikci textu, nikoli skutečné uvažování nebo porozumění fyzickému světu.

Organizační změna v Meta 2013–2024: FAIR fungovala s výraznou autonomií - Publikoval veřejně, dostával značnou výpočetní kapacitu, udržoval akademickou kulturu Duben 2025: Llama 4 vychází a strhne smíšené recenze - Benchmarky neodpovídaly GPT-4.5, Gemini 2, DeepSeek-R1 - Zprávy o vnitřním tlaku k urychlení Vedení Meta dospělo k závěru, že je potřeba restrukturalizovat AI úsilí.

Léto 2025: Meta spouští agresivní nábor talentů - Generální ředitel Mark Zuckerberg se osobně setkává s výzkumníky v domech v Palo Alto a Lake Tahoe - Podpisové bonusy hlášené až do výše 200 milionů dolarů (Ruoming Pang od Applu) - Nábor z OpenAI, DeepMind, Apple, Anthropic - Posun zaměření: Od dlouhodobého výzkumu k rychlejšímu komerčnímu nasazení

Červen 2025: Přestěhování Alexandra Wanga Meta investuje 14,3 miliardy dolarů do 49 % společnosti Scale AI, která se zabývá datovou infrastrukturou. Přivádí zakladatele Alexandra Wanga (28) jako hlavního ředitele pro umělou inteligenci, který vede nové "Meta Superintelligence Labs." Klíčový kontext: - Wang vytvořil Scale AI od zahájení datové anotace až po ocenění 29 miliard dolarů - Rozsáhlé vztahy s hlavními AI laboratořemi (OpenAI, Google, DoD) - Známá pro operační realizaci, nikoli akademický výzkum To změnilo struktury reportování v rámci AI organizace Meta.

Organizační restrukturalizace (červen–srpen 2025) Meta vytváří "Meta Superintelligence Labs" (MSL) se čtyřmi divizemi: 1. Modely nové generace (laboratoř bude upřesněna) 2. FAIR (základní výzkum) 3. Produkty a aplikovaný výzkum 4. Infrastruktura FAIR se integroval do širší struktury a ztratil část předchozí autonomie. Někteří výzkumníci, kteří si cenili akademické kultury FAIR, odešli: - Joelle Pineau → Cohere - ~600 pozic zrušených v říjnu 2025

Investice do infrastruktury v bezprecedentním rozsahu Kapitálové výdaje za rok 2025: 66–72 miliard USD Hlavní projekty: - Prometheus (Ohio): 1 gigawattový cluster, 2026 - Hyperion (Louisiana): Vícegigawattové zařízení Dlouhodobě: Meta předpokládá do roku 2028 v AI infrafradru 600 miliard dolarů. To představuje největší sázku odvětví na škálování současných architektur — přístup, který LeCun veřejně zpochybňoval.

listopad 2025: Plánovaný odchod LeCuna Podle zdrojů: - Plány na odchod v následujících měsících - Rané diskuse o získávání finančních prostředků pro startup podle světového modelu - Očekávaný výzkumný harmonogram na 10–20 let - Zaměření na alternativní architektury versus škálování stávajících To by znamenalo vzdát se přístupu k: - 600 miliard dolarů v plánované infrastruktuře - nasazení GPU 1,3M - Jeden z největších světových zdrojů pro AI výpočetní zdroje

Co bude dál V 80. a 90. letech LeCun pokračoval v neuronových sítích, i když je obor opustil. Jeho kontrariánská sázka se stala základem dnešní revoluce v umělé inteligenci. Teď dělá další kontrariánskou sázku: že škálování naráží na základní limity a skutečná inteligence vyžaduje pochopení fyzického světa, ne jen předpovídání textu. Meta, OpenAI a Google sázejí 600 miliard dolarů+ na to, že se mýlí – že současné architektury mohou dosáhnout AGI pouze díky škálování. Ukáže se LeCunovo technické úsudek opět jako prozíravé, nebo vyhrají skaláři? Odpověď bude definovat příští dekádu AI.