Meta sta per perdere uno dei suoi simboli più riconosciuti nell’intelligenza artificiale. Yann LeCun, chief AI scientist del gruppo e figura leggendaria nel campo del deep learning, sarebbe pronto a lasciare l’azienda per fondare la propria startup. Lo riporta il Financial Times, citando fonti anonime vicine al progetto. La notizia non è ancora ufficiale, ma nel settore il rumore è assordante.
Tag: Yann LeCun
Venerdì scorso è andato in scena uno di quei momenti che capitano una volta per generazione. Sullo stesso palco, sei menti che hanno definito la traiettoria della moderna intelligenza artificiale si sono trovate a discutere del futuro che loro stessi hanno creato. Geoffrey Hinton, Yann LeCun, Yoshua Bengio, Fei-Fei Li, Jensen Huang e Bill Dally. Tutti riuniti per celebrare il Queen Elizabeth Prize for Engineering 2025, assegnato a loro insieme a John Hopfield per aver costruito la spina dorsale dell’apprendimento automatico. È stato come assistere a un dialogo tra gli dèi del deep learning e gli ingegneri del nuovo mondo digitale.
Nel mondo dei modelli linguistici di grandi dimensioni, la noia stava diventando sistemica. Token in, token out, miliardi di parametri che ballano al ritmo della cross-entropy, un’industria intera che misura il successo con decimali sulla loss function. Poi, all’improvviso, arriva LLM-JEPA, un nome che suona come un acronimo da laboratorio ma che rischia di essere la crepa nel muro portante dell’attuale paradigma. È la proposta con cui Hai Huang, Yann LeCun e Randall Balestriero hanno deciso di sfidare la sacra liturgia dell’addestramento generativo puro, introducendo l’idea di un training in embedding space per i Large Language Models. In pratica, un’eresia calcolata.
E’ sabato e mi voglio concedere un pò di esegetica, c’è un paradosso elegante quasi beffardo nel vedere Yann LeCun, Chief AI Scientist di Meta, scagliare la sua verità come un martello di Thor nel silenzio autoreferenziale della Silicon Valley: “Senza Meta, molta dell’AI moderna non esisterebbe.” E mentre il pubblico digita “OpenAI” nella barra di ricerca con la stessa naturalezza con cui un tempo si scriveva “Google”, c’è chi nell’ombra ha martellato il ferro dell’open source per anni, senza ottenere mai il credito da copertina.
La questione, al di là dell’ego e delle polemiche accademiche, è brutale nella sua evidenza: senza PyTorch, oggi non avremmo neppure la metà della cultura di machine learning che inonda GitHub e arXiv. Quel framework flessibile, nato in un laboratorio di Meta (o meglio, Facebook AI Research, per gli archeologi della memoria), è l’asse portante su cui poggiano DeepSeek, Mistral, LLaMA e un’intera galassia di modelli che si vendono come “open”, “free” o “alternativi”.
Yann LeCun, una delle figure di spicco nel campo dell’intelligenza artificiale, ha recentemente introdotto una proposta che potrebbe segnare una svolta nell’efficienza computazionale dei modelli di deep learning. La sua creazione, chiamata Dynamic Tanh (DyT), si presenta come una risposta alle inefficienze dei tradizionali strati di normalizzazione, ampiamente utilizzati nei modelli di reti neurali per migliorare la loro performance. DyT promette di ridurre la complessità computazionale e i costi associati alla formazione dei modelli, aprendo nuovi orizzonti nell’ottimizzazione dei processi di apprendimento.
Yann LeCun, il guru dell’intelligenza artificiale e capo scienziato AI di Meta, ha lanciato una previsione tanto eccitante quanto inquietante: un’altra rivoluzione dell’IA è dietro l’angolo, probabilmente entro il 2030. Ma prima di sognare un maggiordomo robot che ti serve il caffè al mattino o un’auto che ti porta al lavoro senza il minimo intervento umano, c’è una piccola questione da risolvere: l’intelligenza artificiale di oggi è brillante nel manipolare il linguaggio, ma è praticamente cieca e sorda quando si tratta del mondo fisico.
Diciamolo chiaro: questi sistemi generano frasi affascinanti, sfornano poesie e analisi finanziarie, ma se gli metti davanti una tazza e un cucchiaino, non sanno nemmeno chi dei due va dentro l’altro. Ed è esattamente il punto di LeCun. Finché l’IA non svilupperà una vera comprensione della realtà fisica, possiamo scordarci robot domestici degni di Star Wars e auto che non necessitano di piloti umani.