Yann LeCuns AMI Labs bygger JEPA världsmodell för att driva AI bortom stora språkmodeller

Turingpristagaren Yann LeCun säger att dagens mest berömda AI-system inte är en väg till verkligt intelligenta maskiner. Vid sin Paris-baserade startup, Advanced Machine Intelligence Labs (AMI Labs), bygger den tidigare Meta-chefen AI-forskaren en fundamentalt annorlunda modell utformad för att förstå den fysiska världen som en råtta eller ett litet barn kan.

LeCun talade till BBC vid sidan av VivaTech-konferensen i Paris och hävdade att stora språkmodeller som ChatGPT, Claude och Gemini har verkliga användningsområden men ett hårt tak. För mer om AI-branschens täckning som formar hur forskare och investerare tänker kring dessa gränser, har den bredare debatten om vad som kommer efter LLM-eran blivit en av de mest följdfrågor på området.

"Vi har inte robotar som är nästan lika bra på att förstå den fysiska världen som en råtta," sa LeCun. Han lämnade Facebook-ägaren Meta 2025 efter ett decennium som dess främsta AI-forskare och grundade AMI Labs för att sträva efter en alternativ arkitektur.

Varför LeCun säger att LLM inte räcker

LeCun hävdar att LLM:er utmärker sig i väldefinierade, förutsägbara uppgifter som kodning, att lösa matematiska problem och att generera text. Men han hävdar att dessa styrkor döljer en djupare begränsning: systemen manipulerar statistiska mönster snarare än resonerar om verkligheten.

"De samlar i princip bara kunskap," sa han om LLMs. "De kan göra uppstötningar, man tränar dem att uppstöta, men de är inte speciellt smarta. De har ingen bakomliggande förståelse."

För att illustrera gapet balanserar LeCun en penna upprätt på spetsen och släpper taget. Till och med ett litet barn vet att pennan kommer att falla, konstaterar han, men ingen människa skulle försöka förutsäga den exakta riktningen den faller, eftersom det resultatet är verkligen osäkert. En LLM skulle däremot försöka generera en enda förutsägelse baserat på mönster i dess träningsdata. Den förutsägelsen skulle nästan säkert vara felaktig, eftersom modellen inte resonerar om den fysiska situationen; det producerar vad som ser statistiskt rimligt ut.

"LLMs är i stort sett hopplösa för robotik," sa LeCun rakt ut. "Påståendena om att vi på något sätt genom att bara skala upp LLM:er kommer att nå supermänsklig intelligens, det kommer helt enkelt inte att hända."

Hur JEPA fungerar

Arkitekturen AMI Labs utvecklar kallas Joint Embedding Predictive Architecture (JEPA). Istället för att förutsäga nästa ord eller pixel, skapar JEPA abstraktioner av den verkliga världen som låter den väga de möjliga resultaten av en handling.

Att bygga dessa abstraktioner involverar komplex matematik, men principen är okomplicerad: modellen filtrerar bort värdelösa detaljer och lämnar bara användbara representationer av världen. I pennexemplet skulle ett JEPA-baserat system förstå att det är meningslöst att förutsäga fallets exakta riktning, och skulle istället representera situationen på den abstraktionsnivå som faktiskt har betydelse för beslutsfattande.

Tillvägagångssättet placerar AMI Labs i en växande rörelse kring så kallade världsmodeller, som syftar till att ge AI-system en intern simulering av hur miljöer beter sig, så att de kan planera och agera snarare än att bara generera text.

Ett konkurrenskraftigt område

Investerare satsar på att LeCun är inne på något. Tidigare under 2026 meddelade AMI Labs att de hade samlat in mer än 1 miljard dollar (760 miljoner pund) i en såddfinansieringsrunda, med stödpersoner inklusive amerikanska chipjätten Nvidia och fonden som förvaltar Amazons grundare Jeff Bezos privata tillgångar. Det var en av de största seed-rundorna i europeisk startup-historia.

AMI Labs är långt ifrån ensamma i loppet. Vid Oxford University leder professor Ingmar Posner Applied AI Lab och leder ett team på ungefär tio personer som har spenderat fyra år på ett alternativt tillvägagångssätt som han kallar en "mekanistisk världsmodell", som strukturerar kunskap så att AI kan återkalla, kombinera och modifiera den effektivt.

"Min uppfattning är att nästa decennium verkligen kommer att handla om system som kan förklara", sa Posner till BBC. "Du behöver modeller som kan svara på frågor som: Vad är viktigt? Vad orsakar vad? Vad skulle hända om jag gjorde något annat?"

Denna härstamning går tillbaka till en inflytelserik artikel från 2018 av David Ha och Jürgen Schmidhuber, som hävdade att framsteg inom dator- och maskininlärning kunde låta en AI lära sig uppgifter enbart från en inlärd mental simulering av världen. Idén har sedan dess katalyserat betydande forskning, inklusive Googles Dreamer-världsmodell, en variant av vilken lärde sig att samla diamanter i Minecraft genom att föreställa sig framtidsscenarier. Alphabets DeepMind fortsätter arbetet med sin Genie-modell, Londonbaserade Wayve har ett system som heter Gaia, och AI-pionjären Fei-Fei Li grundade World Labs i San Francisco 2023 för att eftersträva liknande mål.

Robotics imperativet

Strävan mot världsmodeller drivs till stor del av robotindustrin, som har hällt in miljarder dollar i humanoida robotar vars fysiska prestationer blir mer imponerande för varje år. Men att träna dessa maskiner för att säkert utföra hushållsuppgifter som att stryka eller ladda en diskmaskin är fortfarande svårt och dyrt, och LeCun insisterar på att nuvarande AI-modeller aldrig kommer att vara tillräckligt bra för den miljön.

LeCun sa att AMI Labs kommer att ägna resten av 2026 åt att förfina sin modell och hoppas kunna börja distribuera den i industriella miljöer 2027. Om det visar sig framgångsrikt utökas ambitionerna avsevärt.

"Så småningom kommer vi att ha en sorts generella generiska intelligenssystem som kan appliceras på nästan vad som helst i världen med minimal träning eller finjustering," sa han.

När det gäller vad som händer med människor i den framtiden, är LeCun sansad. Folk kommer fortfarande att bestämma vad de ska bygga och vilka frågor de ska ställa, sa han, medan AI fungerar som en kapabel ställföreträdare.

"Vår interaktion med framtida AI-system, även om de är smartare än oss, kommer att bli som interaktionen mellan en industrichef eller en politisk ledare med deras personal av assistenter, av vilka många är smartare än de är."

Ligg före AI

Skiftet från språkmodeller till världsmodeller skulle kunna rita om den konkurrenskraftiga kartan över artificiell intelligens. Följ den senaste AI-utvecklingen när de utvecklas.

Läs mer AI-nyheter →