После ухода из Meta стартап AMI лауреата премии Тьюринга LeCun получил инвестиции в размере одного миллиарда

Лауреат премии Тьюринга Янн Лекун (Yann LeCun), основавший AI-стартап AMI через четыре месяца после ухода из Meta, завершил раунд посевного финансирования на сумму 1,03 миллиарда долларов, установив рекорд крупнейшего в истории Европы. Этот шаг символизирует превращение долгосрочной критики Лекуна в отношении крупных языковых моделей (LLM) в конкретные действия: он и его команда сосредоточатся на разработке World Model (модели мира), которая сможет превосходить LLM и преодолеть существующие технологические барьеры.

Advanced Machine Intelligence (AMI) привлек миллиард долларов инвестиций

Передовая машинная интеллигенция (Advanced Machine Intelligence, сокращенно AMI) объявила 10 марта 2026 года о завершении финансирования, при этом оценка компании до привлечения инвестиций составила 3,5 миллиарда долларов. Несмотря на то, что у AMI пока нет продуктов или доходов, в проекте участвуют международные инвесторы, такие как Bezos Expeditions, NVIDIA, Samsung и Temasek из Сингапура, которые предоставили значительно больше запланированного первоначального целевого объема в 500 миллионов евро. Высокая оценка AMI отражает рыночные опасения по поводу существующих ограничений генеративных технологий и доверие к академической репутации Лекуна. Руководящая команда включает бывшего директора по научным исследованиям Meta Майкла Раббата и бывшего сотрудника Google DeepMind Сайнин Сиэ, что делает её очень сильной.

Что строит AMI?

Кратко говоря, это модель мира — искусственный интеллект, над которым Лекун работает уже много лет. Чтобы понять подробнее, нужно разобраться, почему он считает, что искусственный интеллект пошел в неправильном направлении.

Критика Лекуна в отношении статистических ошибок LLM перед уходом из Meta

Мотивацией ухода Лекуна из Meta стало его убеждение, что крупные языковые модели — это всего лишь иллюзия, основанная на статистике. LLM обучаются предсказанию следующего слова в последовательности, что позволяет им генерировать плавный текст, но при этом они лишены понимания физического мира. Лекун указывает, что такой подход — предсказание по буквам или пикселям — легко приводит к появлению «галлюцинаций», и системы не могут учиться через наблюдение и опыт так же, как люди или животные. Он считает, что текущие направления разработки имеют фундаментальные ограничения: полагаться только на огромные объемы текстов для обучения — значит не достичь высокого уровня логического мышления и физической интуиции.

Ключевая технология AMI: альтернатива через совместное встраивание и предсказание

Основная технология AMI — это архитектура совместного встраивания и предсказания (Joint-Embedding Predictive Architecture, JEPA), предложенная Лекуном в 2022 году. В отличие от генеративных ИИ, которые пытаются предсказать все слова или символы, JEPA учится абстрактным представлениям о работе мира, игнорируя непредсказуемый поверхностный шум, и стремится создать систему, способную понять физическую реальность, а не только обрабатывать языковые символы. Планируется, что в течение одного-двух лет AMI начнет сотрудничество с корпоративными партнерами, а в течение трех-пяти лет разработает универсальную интеллектуальную систему, пригодную для внедрения в различные области, с целью стать ведущим поставщиком интеллектуальных технологий.

Лекун: штаб-квартира AMI расположена в Европе для противостояния монополии США и Китая в области ИИ

Штаб-квартира AMI находится в Париже, а также открыты офисы в Нью-Йорке и Монреале, что демонстрирует стремление Лекуна противостоять американской и китайской доминации в области ИИ. Он подчеркивает уникальность AMI как передовой лаборатории без привязки к США или Китаю. Однако эта амбиция сталкивается с серьезными временными ограничениями: поскольку новая модель — это долгосрочное научное исследование, она не принесет быстрой прибыли. Хотя 1,03 миллиарда долларов обеспечивают достаточное финансирование для начальных этапов разработки, остается вопрос, сможет ли архитектура JEPA эффективно решить недостатки LLM и превратиться в конкурентоспособный коммерческий ИИ — путь еще долгий.