Yann LeCun ने भौतिक दुनिया को समझने वाला AI बनाने के लिए $1 billion जुटाए

 (wired.com)
5 पॉइंट द्वारा GN⁺ 2026-03-11 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Meta के पूर्व मुख्य AI वैज्ञानिक Yann LeCun द्वारा सह-स्थापित startup Advanced Machine Intelligence(AMI) ने $1 billion से अधिक की funding जुटाई है
  • AMI का लक्ष्य world model विकसित करके भौतिक दुनिया को समझने और reasoning, planning, memory क्षमताओं वाले AI सिस्टम के नए रूप का निर्माण करना है
  • LeCun ने यह कहते हुए large language models(LLM) की आलोचना की कि वे मानव-स्तरीय बुद्धिमत्ता तक नहीं पहुंच सकते, और दावा किया कि भौतिक दुनिया पर आधारित learning ही वास्तविक intelligence की कुंजी है
  • निवेश में Bezos Expeditions, Eric Schmidt, Mark Cuban सहित प्रमुख हस्तियों ने भाग लिया, और LeCun ने Meta के साथ सहयोग की संभावना का भी उल्लेख किया
  • AMI का रुझान open source तकनीक विकास की ओर है, और आगे चलकर universal world model बनाकर इसे पूरे उद्योग में लागू करने की योजना है

AMI की स्थापना और फंडिंग

  • Advanced Machine Intelligence(AMI) पेरिस स्थित एक startup है, जिसे Yann LeCun ने Meta छोड़ने के बाद सह-स्थापित किया
    • LeCun Meta की Fundamental AI Research(FAIR) लैब का नेतृत्व कर चुके थे और नवंबर 2025 में Meta से अलग हुए
  • इस funding round में कंपनी ने $1 billion से अधिक जुटाए और उसका valuation $3.5 billion आंका गया
    • प्रमुख निवेशकों में Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions शामिल हैं
    • Mark Cuban, Eric Schmidt, Xavier Niel ने भी भाग लिया
  • AMI पेरिस के अलावा Montreal, Singapore, New York में भी कार्यालय रखेगी और वैश्विक स्तर पर संचालन करेगी

LeCun का AI दर्शन और LLM की आलोचना

  • LeCun ने जोर देकर कहा कि मानवीय reasoning की नींव भाषा से अधिक भौतिक दुनिया के अनुभव पर टिकी होती है
    • उनका कहना था, “यह विचार कि LLM को सिर्फ scale करके मानव-स्तरीय बुद्धिमत्ता तक पहुंचा जा सकता है, पूरी तरह भ्रम है।”
  • उन्होंने LLM की code generation क्षमता को स्वीकार किया, लेकिन कहा कि इससे मानव-स्तरीय intelligence नहीं मिलती
  • LeCun ने Meta में Joint-Embedding Predictive Architecture(JEPA) जैसे world model research पर काम किया था,
    लेकिन Meta के LLM-केंद्रित रणनीति की ओर मुड़ने के बाद उन्होंने स्वतंत्र होने का फैसला किया
    • उन्होंने समझाया, “बाहर से इसे अधिक तेज, सस्ता और कुशल तरीके से विकसित किया जा सकता है।”

AMI के तकनीकी लक्ष्य और औद्योगिक उपयोग

  • AMI का लक्ष्य सतत memory, reasoning, planning क्षमता वाले AI सिस्टम विकसित करना है
    • कंपनी controllable और safe AI की दिशा में काम करना चाहती है
  • शुरुआती सहयोगी कंपनियों के रूप में Toyota, Samsung का उल्लेख किया गया
    • उदाहरण के तौर पर, विमान इंजन का world model बनाकर उसकी efficiency और reliability सुधारने का तरीका पेश किया गया
  • लंबी अवधि में AMI universal world model विकसित कर इसे विभिन्न उद्योगों में लागू करना चाहती है

सह-संस्थापक टीम

  • LeCun के अलावा सह-संस्थापकों में Meta से जुड़े कई पूर्व अधिकारी शामिल हैं
    • Michael Rabbat(पूर्व research science director), Laurent Solly(पूर्व Europe vice president), Pascale Fung(पूर्व AI research director)
    • Alexandre LeBrun(पूर्व Nabla CEO) AMI के CEO हैं, जबकि Saining Xie(पूर्व Google DeepMind researcher) chief scientific officer(CSO) के रूप में जुड़े हैं

Open source और AI नियंत्रण पर बहस

  • LeCun ने जोर देकर कहा कि AI कुछ खास कंपनियों के नियंत्रण में एकाधिकार के रूप में नहीं होना चाहिए, इसलिए कंपनी open source development की नीति अपनाएगी
    • उन्होंने हाल में अमेरिकी रक्षा विभाग द्वारा Anthropic को blacklist करने की घटना का उल्लेख करते हुए AI नियंत्रण को लेकर विवाद की ओर इशारा किया
  • उनका कहना था कि “AI क्या अच्छा है और क्या बुरा, इसका फैसला किसी व्यक्ति ने नहीं बल्कि लोकतांत्रिक प्रक्रिया ने करना चाहिए।”
    • उन्होंने उन उदाहरणों का भी जिक्र किया जहां उनके योगदान से विकसित convolutional neural network(CNN) कुछ देशों की निगरानी प्रणालियों में इस्तेमाल हुए
  • AI के सैन्य उपयोग पर उन्होंने कहा कि पहले autonomous weapons ban movement हुआ करता था, लेकिन अब Ukraine में autonomous drones के उपयोग जैसे उदाहरणों के साथ यह रक्षात्मक उपयोगों की दिशा में विकसित हुआ है

आगे की योजना

  • AMI जल्द ही अपना पहला AI model जारी करने की योजना बना रही है, हालांकि शुरुआत में उसे व्यापक सार्वजनिक ध्यान मिलने की उम्मीद नहीं है
  • औद्योगिक साझेदारों के साथ मिलकर कंपनी तकनीक के उपयोग का दायरा बढ़ाएगी और लंबी अवधि में general intelligence system की ओर बढ़ने का लक्ष्य रखेगी
  • LeCun ने इसे “बहुत महत्वाकांक्षी योजना” बताते हुए मुस्कान के साथ अपनी बात समाप्त की

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2026-03-11
Hacker News की राय

  • world model में कहीं अधिक degrees of freedom मौजूद हैं
    LLM मूल रूप से static text, यानी इंसानों द्वारा दुनिया का वर्णन करने वाले language data, को ही सीखते हैं, इसलिए वे वास्तविक दुनिया से नहीं सीखते
    इसलिए वे मौजूदा ideas को recombine तो कर सकते हैं, लेकिन सच्ची creative discovery या invention लगभग असंभव है
    अगर कोई startup भौतिक दुनिया पर आधारित spatiotemporal understanding सीखने पर काम करे, तो वह AGI तक जाने वाले असली bottleneck को हल करने की कोशिश होगी
    भले ही वह आंशिक रूप से ही सफल हो, तब भी वह ऐसी generalization और creativity खोल सकता है जहाँ मौजूदा LLM संरचनात्मक रूप से पहुँच ही नहीं सकते

    • मुझे यह नज़रिया समझ नहीं आता
      मेरे हिसाब से AGI का bottleneck continuous learning और backpropagation में है
      मानव मस्तिष्क backpropagation के तरीके से नहीं सीखता, और world model भी आखिरकार उन deep learning संरचनाओं से बहुत अलग नहीं है जिनसे हम परिचित हैं
      अगर ‘दुनिया से सीखना’ ही bottleneck है, तो vision-action LLM को robot या simulation environment में reinforcement learning loop पर चलाया जा सकता है
    • मुझे लगता है कि मानवता का संचित ज्ञान ही innovative ideas बनाने के लिए काफ़ी है
      हर क्षेत्र सीधे भौतिक दुनिया के साथ interact नहीं करता, और पहले से दर्ज इतिहास की जानकारी मात्र से भी 3D physics laws लागू होने वाली virtual simulation बनाई जा सकती है
      मौजूदा LLM में जो कमी है, वह intrinsic motivation है — खुद सोचना, चिंतन करना और self-correction करना
      मैं भी सीमित memory और attention के भीतर रचना करता हूँ, लेकिन AI से चर्चा करूँ तो नए ideas मिलते हैं
      अंततः मानव सोच भी सीखी हुई चीज़ों का संयोजन ही है, और AI भी उसी का विस्तार है
    • LLM भाषा और symbols के दायरे में काम करते हैं, लेकिन इंसान non-verbalized direct experience से भी बहुत कुछ सीखते हैं
      Yann LeCun की एक talk में मैंने सुना था कि मानव शिशु जीवन के शुरुआती कुछ वर्षों में LLM के training data से कहीं अधिक sensory data अनुभव करते हैं
      मुझे लगता है कि यही language-based models की मूल सीमा है
    • निंदक नज़रिए से देखें तो यह बस पैसा पैसे का पीछा कर रहा है जैसा लगता है
      LeCun एक बेहतरीन salesman हैं, लेकिन असफल होने पर भी समाज उन्हें बचा लेगा
      इसलिए ईमानदारी से कहूँ तो मेरे मन में उनके लिए कोई ख़ास सम्मान नहीं है
    • LeCun ने पिछले 10 साल Gary Marcus का मज़ाक उड़ाया, और अब लगता है कि वह उसी के रुख़ पर लौट आए हैं
      Tenenbaum तो बहुत पहले से ही world model पर research कर रहे थे, लेकिन venture culture वाले लोग ऐसे research trends को अच्छी तरह नहीं जानते
      इसलिए उन्हें investment target की तरह इस्तेमाल करना आसान होता है

  • पिछले साल अगस्त में जब मैंने Yann के साथ lunch किया था, उन्होंने कहा था कि वह Meta छोड़ने पर विचार कर रहे हैं
    मैंने उनसे कहा था कि दूसरों के सपनों को आगे बढ़ाने के बजाय अपनी कंपनी शुरू करें
    मैं उनकी इस राय से सहमत हूँ कि LLM मानव-स्तरीय intelligence तक नहीं ले जाएंगे, लेकिन world model strategy सही जवाब है या नहीं, इस पर मुझे भरोसा नहीं है

    • मैं विस्तार से सुनना चाहूँगा कि आपको कौन-सी strategy बेहतर रास्ता लगती है

  • तो आखिर यह startup के रूप में आ ही गया
    व्यक्तिगत रूप से मुझे लगा था कि Mila जैसे research institute model अधिक उपयुक्त होते
    फिर भी LeCun का career और उनका tweet reply अपने-आप बहुत कुछ कह देता है
    यह revenue कैसे कमाएगा, यह जानने की उत्सुकता है, लेकिन सफलता की कामना है
    ऐतिहासिक रूप से अर्थपूर्ण research हमेशा stable large corporate labs से आई है — Bell Labs, IBM Research, Xerox PARC, MSR आदि

  • Yann का प्रभाव निर्विवाद है, लेकिन Meta में अपार संसाधन होने के बावजूद कोई बहुत उल्लेखनीय नतीजा नहीं दिखा
    video के ज़रिए दुनिया को समझने वाला approach तो Seedance, Kling, Sora जैसे video models पहले ही कर रहे हैं
    इसलिए यह कोशिश कितनी अलग है, यह स्पष्ट नहीं है

    • “Meta से कुछ भी नहीं निकला” कहना अनुचित है
      Meta ने world-class research का बहुत बड़ा हिस्सा public किया है, और open source में भी बड़ा योगदान दिया है
      उदाहरण के लिए Beyond Language Modeling: An Exploration of Multimodal Pretraining paper में large-scale experiments पर आधारित insights हैं
      मुझे लगता है कि LeCun ने product owner नहीं बल्कि research leader के रूप में अपनी भूमिका बेहतरीन ढंग से निभाई है
    • ज़्यादातर वैज्ञानिक दुनिया हिला देने वाली research नहीं करते, इसलिए इस आधार पर उनकी राय को नज़रअंदाज़ करना सही नहीं है
      science कोई competitive market नहीं है
      और “समझना” शब्द में बहुत ज़्यादा अर्थ भर दिए जाते हैं — models अब भी वही गलतियाँ दोहराते हैं
    • ज़्यादा resources होने से हमेशा सर्वोत्तम परिणाम नहीं आते
      कभी-कभी passion और freedom ज़्यादा महत्वपूर्ण driving force होते हैं
    • कहा जाता है कि LeCun के Meta छोड़ने के कारणों में एक यह भी था कि कंपनी केवल LLM-केंद्रित दिशा में बढ़ रही थी
      उनका मानना है कि LLM AGI तक पहुँचने का रास्ता नहीं हैं
    • हो सकता है यह बस बहुत कठिन समस्या हो

  • Yann LeCun ने world model startup AMI(Amilabs) स्थापित की है और 5 billion dollar से अधिक valuation का लक्ष्य रखा है
    कहा जाता है कि CEO के रूप में LeBrun, CFO के रूप में LeFunde, और post-processing प्रमुख के रूप में LeTune को लाया गया है
    TechCrunch article देखें

    • fund की ज़िम्मेदारी LeFunde और fine-tuning की ज़िम्मेदारी LeTune — नाम सच में कमाल के हैं
    • लगता है सीधा नाम LeLabs ही रख देना चाहिए था
    • अब दुनिया पर nominative determinists का राज चलता दिख रहा है
    • hiring policy इतनी एकरूप है कि मज़ाक जैसी लगती है

  • समय के लिहाज़ से भी यह काफ़ी सही कदम है
    दुनिया LLM पर कुछ ज़्यादा ही केंद्रित हो गई है, इसलिए दूसरे तरह के models पर research जारी रहनी चाहिए
    साथ ही उम्मीद है कि यह यूरोप को एक आकर्षक AI research environment बनाने का अवसर देगा

  • आप LeCun की राय से सहमत हों या न हों, मुझे लगता है कि यह यूरोप के लिए अच्छी बात है
    अमेरिका और चीन-केंद्रित AI ecosystem के सामने पूँजी-सक्षम research labs की ज़रूरत है
    Mistral integration और consulting-केंद्रित दिशा में मुड़ चुका है, इसलिए research frontier कुछ खाली-सा है

    • AMI का technical approach संभवतः JEPA पर आधारित होगा
      LeCun के vision document A Path Towards Autonomous Machine Intelligence को देखें, उसमें उनकी सोच स्पष्ट झलकती है
      JEPA ऐसा architecture है जिसे startup भी काफ़ी अच्छी तरह आज़मा सकते हैं, और हमारे 3-सदस्यीय startup ने भी medical time-series data का इस्तेमाल करके JEPA train किया है
      यूरोप को भी ऐसी independent research line की ज़रूरत है
    • कुछ articles के अनुसार headquarters Singapore में स्थापित किया जाएगा
      Straits Times article
    • व्यक्तिगत रूप से मुझे Mistral अब भी पसंद है
      price-to-performance शानदार है, और language learning से जुड़े कामों में यह बेहतरीन है
    • एक investor के रूप में मैंने थोड़ी राशि लगाई है, और मुझे लगता है कि LeCun अपनी philosophy पर कायम रहने की संभावना रखते हैं
      अगर उनका दृष्टिकोण सही निकला तो यूरोप के लिए बड़ी मदद होगी, लेकिन अगर वह गलत निकला तो यह बस zero-sum investment बनकर रह जाएगा
      फिर भी video data जैसा बहुत-सा untapped resource मौजूद है, इसलिए अच्छे नतीजों की उम्मीद है
    • आप LeCun को सही मानते हैं या नहीं, यही लगभग तय करता है कि यह कोशिश यूरोप के लिए अच्छी है या नहीं
      अगर आपको लगता है कि LLM पहले से ही काफ़ी हैं और RSI(Recursive Self-Improvement) निकट है, तो यह कदम उल्टा सिर्फ ध्यान भटकाने जैसा है

  • FT article link

    • लिंक काम नहीं कर रहा। मूल URL दोहराया गया है, इसलिए redirect loop बन रहा है

  • सच कहूँ तो मैं अभी भी world model boom को नहीं समझ पाया हूँ
    यह दशकों से सिर्फ theory के रूप में मौजूद है, जबकि LLM ने वास्तव में industry बदल दी
    फिर भी लोग अब भी कहते हैं, “LLM नहीं, असली चीज़ world model है”

    • अंततः LLM और world model merge होंगे, ऐसा मेरा मानना है
      world model भविष्य का अनुमान लगाते हैं, और LLM को image tokens predict करने के लिए भी train किया जा सकता है
      यह बहुत शक्तिशाली supervision signal बन सकता है
    • “world model” शब्द का इस्तेमाल बहुत अलग-अलग अर्थों में होता है
      training के दौरान LLM जो internal representations बनाते हैं, उन्हें भी एक तरह का world model कहा जा सकता है
      लेकिन LLM ज़्यादा copying technology जैसे हैं, उनमें असली learning या creativity की कमी है
      दूसरी ओर animal intelligence वाला approach वास्तविक दुनिया के बदलावों का अनुमान लगाता है और feedback के आधार पर खुद को सुधारता है
      यानी यह reality पर grounded learning structure है, जो hallucinations कम कर सकता है और goal-directed behavior की planning कर सकता है
      इस अर्थ में “world model” सिर्फ internal representation नहीं, बल्कि दुनिया के साथ interact करते हुए सीखने वाला behavioral model है

  • अमेरिका-केंद्रित AI प्रतिस्पर्धा के बीच ऐसी नई यूरोपीय चुनौती ताज़गीभरी लगती है
    मौजूदा models बस एक-दूसरे की नकल करते हुए प्रतिस्पर्धा कर रहे थे, लेकिन असली innovation कम थी