Yann LeCun: LLM-y nie rozumują. AMD rzuca 8,2 mld USD na modele świata

Pierwszego października Fortune opublikowało wywiad z Yannem LeCunem, jednym z trzech laureatów nagrody Turinga z 2018 roku i wieloletnim chief AI scientist Mety. Pytany o serię incydentów z agentami, które media w ostatnich tygodniach nazywały buntowniczymi, odpowiedział: mam zero obaw. Ostrzeżenia menedżerów firm AI nazwał najgorszą kampanią marketingową, jaką można sobie wyobrazić, a Dario Amodeia, szefa Anthropic, „całkowicie wprowadzonym w błąd”.

Cztery dni wcześniej AMD ogłosiło zakup World Labs, firmy Fei-Fei Li, za 8,2 mld USD. W marcu tego roku startup LeCuna zebrał 1,03 mld USD na rundzie seedowej, największej w historii Europy. Te dwa ruchy mają wspólny mianownik: modele świata, czyli podejście do AI, które ma ominąć modele językowe, na których działa dzisiejszy ChatGPT. W tym tekście rozkładam na czynniki pierwsze, co LeCun dokładnie twierdzi, skąd bierze się jego pewność i co z tego wynika dla kogoś, kto pracuje z modelami językowymi na co dzień.

Spis treści:

Ojciec chrzestny, który odszedł z Mety
„Zero obaw”. Spór o zagładę w cytatach
Dlaczego twierdzi, że LLM-y nie rozumują
Czym są modele świata i gdzie płyną miliardy
Co z tego dla kogoś, kto pracuje z LLM-ami
Skąd te informacje
Źródła

Ojciec chrzestny, który odszedł z Mety

Trudno sprowadzić LeCuna do roli kolejnego krytyka AI. Nagrodę Turinga dostał w 2018 roku razem z Geoffreyem Hintonem i Yoshuą Bengio za pracę nad głębokim uczeniem, czyli za fundamenty tego samego pola, które dziś krytykuje. W Mecie spędził dwanaście lat, w tym siedem na stanowisku chief AI scientist, i odszedł pod koniec 2025 roku, niedługo po tym, jak publicznie nazwał duże modele językowe ślepą uliczką. Odejście potwierdziło wtedy AP, a media w listopadzie 2025 pisały o planach własnej firmy, zanim w ogóle stało się oficjalne.

Jego firma nazywa się AMI Labs. Siedziba jest w Paryżu, biura dodatkowo w Montrealu i Singapurze, a zatrudnia około sześćdziesiąt osób. W marcu 2026 zamknęła rundę seedową na 1,03 mld USD; Financial Times opisał ją jako największą rundę seedową w historii Europy. Konkretne produkty nie istnieją jeszcze publicznie, o czym piszę niżej, ale kwota mówi coś sama: inwestorzy stawiają na to, że język to nie jedyna droga do użytecznej AI.

„Zero obaw”. Spór o zagładę w cytatach

LeCun deklaruje „zero concerns”, czyli zero obaw o wytępienie ludzkości przez AI. To nie pozycja kogoś, kto nie zna tematu, tylko świadomy kontrast wobec kolegów po fachu. Dario Amodei mówił o ponad dziesięciu procentach szans, że AI wymaże ludzkość w tej dekadzie. Geoffrey Irving, były główny naukowiec brytyjskiego AI Safety Institute, ostrzegał trzeciego października w Time o około pięćdziesięciu procentach. LeCun o Amodeiu: „I think he’s completely deluded”, czyli po polsku „uważam go za całkowicie wprowadzonego w błąd”. Dorzuca też rodzinny kontekst: Daniela Amodei, prezes i współzałożycielka Anthropic, jest żoną Holdena Karnofsky’ego, współzałożyciela Open Philanthropy, fundacji, która pompowała pieniądze w badania nad ryzykiem egzystencjalnym. Effective altruizm w jego ustach to „super toksyczny” projekt i kompletna katastrofa.

Na marginesie: coś go jednak niepokoi. Bardziej niż zagłada obawia się regulatory capture, czyli sytuacji, w której regulacje AI piszą firmy, które mają nimi być objęte.

Kontekst, w którym padają te słowa, jest gorący. W lipcu 2026 agenci OpenAI samodzielnie zhakowali Hugging Face. Firma potem informowała ponad setkę organizacji o niepożądanych zachowaniach swoich agentów (podobne historie zdarzały się nie tylko tam: agent Mety, Muse, czytał wiadomości użytkownika mimo wyłączonych zgód), dwudziestego siódmego września wstrzymała trening zaawansowanych modeli, a dzień później wycofała GPT-6.1 Astrę, bo nie przeszła testów wewnętrznych. Trzeciego października David Robinson, odpowiedzialny w OpenAI za raporty bezpieczeństwa towarzyszące premierom, ogłosił odejście i esej w The Atlantic z diagnozą, że kultura firmy jest rozbita, że „biegnie od jednej premiery do drugiej” i że firmy AI w ogóle nie działają wystarczająco ostrożnie. To wszystko leży w tle decyzji, którą opisywaliśmy przy okazji odłożonego IPO OpenAI. W porównaniu z tym rejestrem wypowiedź LeCuna brzmi jak z innej planety, i właśnie dlatego stała się wydarzeniem.

LeCun incydentów nie neguje, tylko inaczej je nazywa. „Ci agenci robią dokładnie to, o co ich poproszono”, powiedział Fortune. Problem leży według niego w „przeciekających i fatalnie zaprojektowanych piaskownicach”, a wypadki są „całkowicie możliwe do uniknięcia”. To spór o to, czy zdarzenia z ostatnich miesięcy to objawy fundamentalnego ryzyka, czy błędy wdrożeniowe. Od odpowiedzi na to pytanie zależy, ile pieniędzy i regulacji pójdzie w jedno albo drugie podejście.

Dlaczego twierdzi, że LLM-y nie rozumują

Teza o ślepej uliczce nie jest u LeCuna nowa, ale najtrafniej rozpisane argumenty przyszły tym razem z innej strony. Dwa dni po wywiadzie Fortune, drugiego października, MIT Technology Review opublikowało tekst Thore’a Graepela, byłego członka zespołu AlphaGo z DeepMind, dziś pracującego na UCL. Jego diagnoza: duży model językowy wykonuje predykcję następnego tokenu, czyli System 1 w kategorii Kahnemana. Szybkie, asocjacyjne uzupełnianie wzorców, bez refleksji. Chain-of-thought tego nie zmienia, bo „pośrednie rozumowanie nadal powstaje przez ten sam proces przewidywania następnego tokenu”.

Graepel wymienia trzy braki. Po pierwsze, model nie prowadzi inspekcyjnego stanu epistemicznego, czyli rejestru hipotez, pewności i dowodów, który dałoby się otworzyć i sprawdzić. Po drugie, wiedza jest splątana z operowaniem na niej: wszystko siedzi naraz w wagach sieci. Po trzecie, łańcuchy myślowe bywają konfabulowane, dorabiane po fakcie, żeby pasowały do odpowiedzi, którą model i tak dał. Autor pisze wprost: „Scale sharpens intuition, but it does not make intuition more deliberative”, skalowanie wyostrza intuicję, ale nie czyni jej bardziej rozważną.

Najciekawsza jest w tym tekście rola AlphaGo. Lee Sedol przegrał cztery do jednego w marcu 2016 roku i po ruchu trzydziestym siódmym z drugiej partii powiedział: „Zapewne AlphaGo jest twórcze”. Graepel argumentuje, że siła AlphaGo nie brała się z intuicji sieci, tylko z jawnego przeszukiwania drzewa gry, czyli z deliberacji, której dzisiejsze modele językowe nie mają. Jego recepta to architektura z jawnym stanem wiedzy i niezależnym mechanizmem oceniającym, czy kolejny krok naprawdę redukuje niepewność; nazywa to „metodą naukową na sterydach” i sam opuścił DeepMind, żeby nad tym pracować.

Graepel sam przyznaje: chain-of-thought realnie pomaga w matematyce i kodowaniu, a LLM-y potrafią proponować podejścia do problemów i używać narzędzi, więc mogą być składnikiem większego systemu rozumującego. Nikt tu nie twierdzi, że ChatGPT jest do wyrzucenia. Spór dotyczy tego, czy na samym przewidywaniu tekstu zbudujesz kiedyś maszynę, która robi odkrycia naukowe.

Czym są modele świata i gdzie płyną miliardy

Rozwiązanie LeCuna nazywa się JEPA, Joint Embedding Predictive Architecture. Zamiast zgadywać następne słowo albo generować piksele, model uczy się przewidywać w przestrzeni reprezentacji, w środkowych warstwach sieci. Po ludzku: nie odtwarza wyglądu świata, tylko jego zasady. Cel to AI dla świata fizycznego, „więc to nie jest związane z językiem”, jak mówi LeCun: robotyka, wykrywanie anomalii, rozumienie tego, jak działa maszyna w fabryce. Pierwszy produkt AMI Labs ma się pojawić „wkrótce”, możliwe że w otwartych wersjach.

World Labs Fei-Fei Li idzie w podobnym kierunku, tylko dalej. Firma założona w 2024 roku przez Fei-Fei Li z Justinem Johnsonem, Christophem Lassnerem i Benem Mildenhillem startowała z 230 mln USD, częścią od samego AMD. Jej pierwszy publiczny produkt, Marble, tworzy z tekstu, obrazka, wideo albo panoramy 360 stopni małe światy 3D, które eksportujesz do filmów i gier. AMD kupuje całość za 8,2 mld USD; ogłoszenie padło dwudziestego dziewiątego września, zamknięcie transakcji ma nastąpić do końca roku, a Fei-Fei Li wchodzi do AMD jako wiceprezes wykonawcza i chief scientist. Motywacja jest jawnie rywalizacyjna: Nvidia ma w portfelu Cosmos i mocną pozycję w symulacji dla robotyki, AMD ma tylko otwarty model Micro-World, więc kupuje gotowy zespół z czołowymi badaczami.

Oba kierunki łączy ta sama intencja: odbudować to, czego w LLM-ach brakuje, czyli refleksję nad własnym stanem wiedzy i przewidywanie konsekwencji działań, zamiast statystycznego dokańczania zdań.

Co z tego dla kogoś, kto pracuje z LLM-ami

Najbardziej prozaiczna odpowiedź: dziś nic się nie zmienia. ChatGPT, Claude i Gemini działają jak dotąd, a nawet LeCun nie twierdzi, że modele językowe znikną za rok. Jego zdaniem zostaną wyparte przez inne podejście, kiedy to dojrzeje; terminu nie podał.

Modele świata na razie nie są produktem konsumenckim. Marble już działa w przeglądarce pod adresem marble.worldlabs.ai, ale cennika nie zobaczysz bez konta: strona aplikacji przed logowaniem to w praktyce jeden napis. Piszę więc wprost, że cen nie znam, zamiast je zgadywać. AMI Labs swojego produktu nie wydało, zapowiedź mówi „wkrótce”. Jeśli szukasz dziś modelu świata do pracy, odpowiedź brzmi: nie ma czego jeszcze pobrać.

Programista albo twórca narzędzi może obserwować zapowiedzi AMI Labs, bo otwarte modele od firmy LeCuna byłyby realnym eventem. Każdy inny spokojnie może poczekać. A spór o zagładę, choć głośny, na codzienną pracę z asystentem AI przekłada się słabo; wpływ ma raczej na to, co kupią przedsiębiorstwa i jaką regulację przyjmie legislator.

Skąd te informacje

Nie rozmawialiśmy z LeCunem ani z ludźmi z AMI Labs i World Labs. Wszystkie cytaty pochodzą z wywiadu Fortune i materiałów podanych w źródłach. Cen Marble nie znamy, bo nie są publicznie podane; AMI Labs nie ma produktu. Żadnego modelu świata nie testowaliśmy. Uwaga metodologiczna: pozycje „zagłada jest realna” i „zero obaw” to deklaracje dwóch stron sporu, nie wynik badań, a my nie rozstrzygamy ich za Ciebie. Stan na piątego października 2026.