Abschied, Aufbruch und ein neuer Fokus
Nach zwölf Jahren bei Meta und sieben als Chief Scientist der KI zieht Yann LeCun einen klaren Strich und bereitet den Start einer eigenen Firma vor. Im Gespräch mit dem Financial Times erläutert der Forscher, warum er die Struktur verließ und wohin seine Forschung nun zielt. Der Wechsel markiert eine Zäsur in einer Branche, die zwischen Hype und Erkenntnis um den besten Weg zur Superintelligenz ringt.
Kommunikationsbruch und enttäuschte Erwartungen
Laut LeCun führte eine interne Neuorientierung bei Meta zu einem spürbaren Kommunikationsbruch. Teams setzten bevorzugt auf risikoarme Lösungen, während radikal neue Ideen liegenblieben und dadurch Tempo verloren ging. Die Folge war eine Ermüdung, die sich in Produkten und Prioritäten niederschlug.
Besonders deutlich wurde dies an Llama 4, dessen Leistung in mehreren Disziplinen hinter den Erwartungen zurückblieb. Hinzu kamen manipulierte Benchmarks, die laut LeCun „leicht modifiziert“ wurden, um bessere Resultate zu zeigen. Der Vorgang beschädigte intern Vertrauen und verschärfte externe Kritik an den Prozessen.
„Wir hatten viele neue Ansätze, aber der Druck, schnell Vorzeigbares zu liefern, führte zu konservativen Entscheidungen“, sagt LeCun in Rückschau. Die Enttäuschung reichte bis in die Spitze, wo aus Skepsis Misstrauen wurde und ganze Bereiche in die Warteschleife gerieten.
LLMs kontra World Models
Inhaltlich verläuft der Hauptkonflikt entlang einer klaren Trennlinie: Large Language Models gegen sogenannte World Models. LeCun hält LLMs für beeindruckend in Sprache, aber begrenzt in Weltverständnis und langfristiger Generalität. Demgegenüber sollen World Models Physik, Kausalität und Voraussicht aus Bildern und Videos lernen.
Für LeCun sind LLMs „ein Irrweg zur Superintelligenz“, während World Models den nötigen Anker im realen Handeln bieten. Der Streit ist nicht nur technisch, sondern auch strategisch, weil er Prioritäten bei Budget, Talenten und Roadmaps festlegt. LeCun pocht auf wissenschaftliche Integrität und widersetzt sich Dogmen, die nur auf Skalierung setzen.
- World Models lernen aus Dynamik statt nur aus Text.
- Sie verbinden Wahrnehmung mit Handlung und Ziel.
- Sie nutzen interne Simulationen für bessere Vorhersagen.
- Sie bilden Kausalität und Physik statt bloßer Statistik ab.
- Sie erlauben robuste Generalisation in neuen Umgebungen.
Eine neue Firma für Advanced Machine Intelligence
Die neue Firma soll Advanced Machine Intelligence Labs heißen und sich konsequent dem Forschungsweg der World Models widmen. An der Spitze steht nicht LeCun selbst, sondern Alexandre Lebrun, ein erfahrener Unternehmer und früherer Meta-Manager. LeCun übernimmt die Rolle des Executive Chairman, um maximale Freiheit für Forschung und Vision zu behalten.
Ziel ist es, Modelle zu bauen, die nicht nur beschreiben, sondern die Welt aktiv antizipieren. Dazu gehört ein Mechanismus für Erfahrung, der aus vorherigen Interaktionen interne Bewertungsgrößen – vereinfacht „Emotionen“ – ableitet. Diese Signale steuern Aufmerksamkeit, priorisieren Lernen und verbessern Planung unter Unsicherheit.
LeCun sieht erste Prototypen binnen eines Jahres und breitere Anwendungen in wenigen Jahren. Investoren zeigen laut Aussagen bereits starkes Interesse, weil der Ansatz technisches Risiko mit potenziell großer Hebelwirkung verbindet. Der Fokus liegt zunächst auf Grundlagen, nicht auf schnellen Demonstrationen für die Schau.
Technik mit Konsequenz: Vorhersage, Physik, Antizipation
Das Herzstück sind lernfähige interne Modelle, die aus Sequenzen von Bildern und Zuständen die zugrunde liegende Physik erschließen. Statt Worte zu vorhersagen, prognostizieren sie Zustände, Belohnungen und Nebenwirkungen geplanter Aktionen. So entsteht eine Kette aus Wahrnehmung, Gedächtnis und Simulation, die langfristiges Planen ermöglicht.
Diese Architektur erlaubt es, Verhalten an Zielen auszurichten und Fehler aus Konsequenzen zu lernen. LeCun betont, dass derartige Antizipation beim Menschen eng mit Gefühlen verknüpft ist, die in Agenten als verdichtete Bewertungen auftauchen. „Wenn eine Handlung schmerzt, verändert das die interne Weltkarte – und künftige Entscheidungen werden entsprechend vorsichtiger“, lautet sein zugespitztes Bild.
Ausblick: Weniger Hype, mehr Wissenschaft
LeCun fordert eine Rückkehr zu Prinzipien, die über kurzlebige Benchmarks hinausreichen und echte Fähigkeiten messen. Er setzt auf offene Forschung, reproduzierbare Ergebnisse und belastbare Metriken für Antizipation und Kausalität. Der Weg sei mühsam, aber wissenschaftlich ehrlicher als bloßes Hochskalieren bestehender Rezepte.
Ob die Wette auf World Models aufgeht, entscheidet sich an konsistenten Gewinnen in Robotik, Simulation und multimodaler Planung. Klar ist: Mit dem Schritt in die Eigenständigkeit löst sich LeCun aus institutionellen Zwängen und setzt auf eine kohärente Agenda. In einer lauten Debatte will er den leiseren, aber tragfähigeren Pfad zur nächsten KI‑Generation demonstrieren.
