Turing Award-winnaar Yann LeCun zegt dat de meest gevierde AI-systemen van vandaag geen weg zijn naar echt intelligente machines. Bij zijn in Parijs gevestigde startup Advanced Machine Intelligence Labs (AMI Labs) bouwt de voormalige Meta-hoofd AI-wetenschapper een fundamenteel ander soort model dat is ontworpen om de fysieke wereld te begrijpen zoals een rat of een peuter dat kan.

In een gesprek met de BBC aan de zijlijn van de VivaTech-conferentie in Parijs betoogde LeCun dat grote taalmodellen zoals ChatGPT, Claude en Gemini reële toepassingen hebben, maar een hard plafond. Voor meer informatie over de berichtgeving over de AI-industrie (https://aibuzzwire.news) die vormgeeft aan hoe onderzoekers en investeerders over deze grenzen denken: het bredere debat over wat er na het LLM-tijdperk komt, is een van de meest consequente vragen in het veld geworden.

"We hebben geen robots die bijna net zo goed zijn in het begrijpen van de fysieke wereld als een rat", zei LeCun. Hij verliet Facebook-eigenaar Meta in 2025 na tien jaar als hoofd AI-wetenschapper en richtte AMI Labs op om een ​​alternatieve architectuur na te streven.

Waarom LeCun zegt dat LLM's niet genoeg zijn

LeCun beweert dat LLM's uitblinken in goed gedefinieerde, voorspelbare taken zoals coderen, het oplossen van wiskundige problemen en het genereren van tekst. Maar hij stelt dat deze sterke punten een diepere beperking verdoezelen: de systemen manipuleren statistische patronen in plaats van te redeneren over de werkelijkheid.

"Ze vergaren eigenlijk alleen maar kennis", zei hij over LLM's. "Ze kunnen iets uitbraken, je traint ze om uit te braken, maar ze zijn niet bijzonder slim. Ze hebben geen onderliggend begrip."

Om het gat te illustreren, houdt LeCun een pen rechtop op de punt en laat hem los. Zelfs een peuter weet dat de pen zal omvallen, merkt hij op, maar geen mens zou proberen te voorspellen in welke richting hij precies zal vallen, omdat die uitkomst werkelijk onzeker is. Een LLM daarentegen zou proberen een enkele voorspelling te genereren op basis van patronen in zijn trainingsgegevens. Die voorspelling zou vrijwel zeker verkeerd zijn, omdat het model niet redeneert over de fysieke situatie; het produceert wat statistisch plausibel lijkt.

"LLM's zijn grotendeels hopeloos voor robotica", zei LeCun botweg. "De beweringen dat we op de een of andere manier bovenmenselijke intelligentie zullen bereiken door alleen maar LLM's op te schalen, dat gaat gewoon niet gebeuren."

Hoe JEPA werkt

De architectuur die AMI Labs ontwikkelt heet Joint Embedding Predictive Architecture (JEPA). In plaats van het volgende woord of pixel te voorspellen, creëert JEPA abstracties van de echte wereld waarmee het de mogelijke uitkomsten van een actie kan afwegen.

Voor het bouwen van deze abstracties is complexe wiskunde nodig, maar het principe is eenvoudig: het model filtert nutteloze details eruit, waardoor alleen bruikbare representaties van de wereld overblijven. In het penvoorbeeld zou een op JEPA gebaseerd systeem begrijpen dat het voorspellen van de precieze richting van de val zinloos is, en in plaats daarvan de situatie weergeven op het abstractieniveau dat er feitelijk toe doet voor de besluitvorming.

De aanpak plaatst AMI Labs binnen een groeiende beweging rond zogenaamde wereldmodellen, die tot doel hebben AI-systemen een interne simulatie te geven van hoe omgevingen zich gedragen, zodat ze kunnen plannen en handelen in plaats van alleen maar tekst te genereren.

Een concurrentieveld

Beleggers gokken erop dat LeCun iets op het spoor is. Eerder in 2026 kondigde AMI Labs aan dat het meer dan $1 miljard (£760 miljoen) had opgehaald in een startfinancieringsronde, met onder meer de Amerikaanse chipgigant Nvidia en het fonds dat de particuliere rijkdom van Amazon-oprichter Jeff Bezos beheert. Het was een van de grootste startrondes in de geschiedenis van Europese startups.

AMI Labs staat verre van alleen in de race. Aan de Universiteit van Oxford geeft professor Ingmar Posner leiding aan het Applied AI Lab en leidt hij een team van grofweg tien personen dat vier jaar heeft gewerkt aan een alternatieve aanpak die hij een ‘mechanistisch wereldmodel’ noemt, dat kennis structureert zodat de AI deze efficiënt kan oproepen, combineren en wijzigen.

"Mijn mening is dat het komende decennium echt zal gaan over systemen die dit kunnen verklaren", zei Posner tegen de BBC. "Je hebt modellen nodig die vragen kunnen beantwoorden als: wat doet er toe? Wat veroorzaakt wat? Wat zou er gebeuren als ik iets anders deed?"

Deze lijn gaat terug op een invloedrijk artikel uit 2018 van David Ha en Jürgen Schmidhuber, waarin werd betoogd dat vooruitgang op het gebied van computer- en machine learning ervoor zou kunnen zorgen dat een AI taken kan leren puur op basis van een aangeleerde mentale simulatie van de wereld. Het idee heeft sindsdien geleid tot aanzienlijk onderzoek, waaronder het Dreamer-wereldmodel van Google, waarvan een variant zichzelf leerde diamanten te verzamelen in Minecraft door toekomstige scenario's voor te stellen. Alphabet's DeepMind zet het werk voort met zijn Genie-model, het in Londen gevestigde Wayve heeft een systeem genaamd Gaia, en AI-pionier Fei-Fei Li richtte in 2023 World Labs op in San Francisco om soortgelijke doelen na te streven.

De noodzaak voor robotica

De drang naar wereldmodellen wordt voor een groot deel aangedreven door de robotica-industrie, die miljarden dollars heeft gestoken in mensachtige robots waarvan de fysieke prestaties elk jaar indrukwekkender worden. Maar het trainen van deze machines om huishoudelijke taken zoals strijken of het inruimen van een vaatwasser veilig uit te voeren blijft moeilijk en duur, en LeCun houdt vol dat de huidige AI-modellen nooit goed genoeg zullen zijn voor die omgeving.

LeCun zei dat AMI Labs de rest van 2026 zal besteden aan het verfijnen van zijn model en hoopt het in 2027 in industriële omgevingen te gaan inzetten. Als dat succesvol blijkt, breiden de ambities aanzienlijk uit.

"Uiteindelijk zullen we een soort algemene, generieke intelligentiesystemen hebben die op vrijwel alles ter wereld kunnen worden toegepast met minimale training of afstemming", zei hij.

Wat betreft wat er in die toekomst van de mens zal worden, is LeCun optimistisch. Mensen zullen nog steeds beslissen wat ze willen bouwen en welke vragen ze moeten stellen, zei hij, terwijl de AI als een capabele plaatsvervanger werkt.

“Onze interactie met toekomstige AI-systemen zal, zelfs als ze slimmer zijn dan wij, lijken op de interactie tussen een captain of industry of een politieke leider met hun staf van assistenten, van wie velen slimmer zijn dan zij.”

Blijf AI een stap voor

De verschuiving van taalmodellen naar wereldmodellen zou de concurrentiekaart van kunstmatige intelligentie kunnen hertekenen. Volg de laatste AI-ontwikkelingen terwijl ze zich ontvouwen.

Lees meer AI-nieuws →