Личность род. 1959

Ян Лекун

Французско-американский учёный в области информатики, пионер свёрточных нейронных сетей, машинного обучения и глубокого обучения, соавтор формата DjVu, лауреат премии Тьюринга.

Краткая справка

Ян Андре Лекун (род. 1959; в ряде источников — 1960 или 1961) — франко-американский учёный, один из основоположников современного глубокого обучения. После защиты диссертации в Париже и стажировки у Джеффри Хинтона он в конце 1980-х годов разработал в AT&T Bell Laboratories архитектуру свёрточных нейронных сетей (LeNet) для распознавания изображений и рукописного текста, а позднее стал соавтором формата сжатия DjVu. Профессор Нью-Йоркского университета и первый руководитель лаборатории искусственного интеллекта Facebook (FAIR), в 2018 году он разделил премию Тьюринга с Хинтоном и Йошуа Бенжио.

Портрет исследователя искусственного интеллекта Яна Лекуна
Ян Лекун, пионер свёрточных нейронных сетей и лауреат премии Тьюринга (фото Политехнической школы в Париже, 2025, CC BY-SA 2.0) Иллюстрация: Ecole polytechnique from Paris, CC BY-SA 2.0

Происхождение, среда и становление

Ян Андре Лекун (французская фамилия Le Cun восходит к старобретонскому роду Le Cunff из Северной Бретани, а имя Ян служит бретонским аналогом имени Жан) родился 8 июля в пригороде Парижа Суази-су-Монморанси; различные биографические справочники указывают 1959, 1960 или 1961 год рождения. Получив в 1983 году диплом инженера в парижской школе ESIEE, он поступил в докторантуру Университета Пьера и Марии Кюри (ныне в составе Университета Сорбонна) и в 1987 году защитил диссертацию по информатике, предложив ранний вариант алгоритма обратного распространения ошибки для обучения многослойных нейронных сетей.

Диссертация привлекла внимание Джеффри Хинтона, который пригласил молодого французского исследователя на годичную постдокторантуру в Торонтский университет (1987–1988). Интеллектуальный диалог в Торонто заложил долгосрочный научный альянс исследователей, которых позже стали называть «крёстными отцами глубокого обучения». В 1988 году Лекун переехал в США и поступил в отдел исследований адаптивных систем лаборатории AT&T Bell Laboratories в Холмделе (штат Нью-Джерси), руководимый Лоренсом Джакелом, где в уникальной промышленно-научной атмосфере объединил нейросетевую теорию с прикладными задачами распознавания образов и компьютерного зрения.

Ключевые свершения, труды и историческая роль

Вдохновившись биологической организацией зрительной коры млекопитающих, Лекун в конце 1980-х и на протяжении 1990-х годов создал в Bell Labs архитектуру свёрточных нейронных сетей (CNN) и семейство моделей LeNet. В отличие от классических методов, требовавших ручного конструирования признаков изображения, свёрточные слои с разделяемыми весами и субдискретизацией сами извлекали иерархию визуальных паттернов — от простых линий и границ до рукописных символов. В сотрудничестве с компанией NCR разработанная под его руководством система автоматического чтения банковских чеков прошла масштабное коммерческое внедрение, став одним из первых промышленных триумфов нейросетевого подхода.

В этот же период учёный предложил метод прореживания сетей Optimal Brain Damage и графовые трансформаторные сети, а в 1996 году возглавил отдел обработки изображений в исследовательском центре AT&T Labs-Research. Там вместе с Леоном Боту и Патриком Хаффнером он разработал технологию сжатия отсканированных документов DjVu (взятую на вооружение библиотекой Internet Archive для массовой оцифровки книг) и язык программирования Lush. После краткой работы в исследовательском институте NEC Лекун в 2003 году стал профессором Института математических наук имени Куранта и Центра нейробиологии Нью-Йоркского университета (NYU), развивая энергетические модели обучения и проекты автономной навигации для DARPA. В 2012 году он основал Центр наук о данных NYU, в 2013 году учредил с Йошуа Бенжио конференцию ICLR с открытым рецензированием, а в декабре 2013 года возглавил лабораторию искусственного интеллекта Facebook (FAIR).

Переломные решения, конфликты и драма эпохи

Карьера Яна Лекуна во многом стала историей многолетнего противостояния господствующим научным течениям. С середины 1990-х годов машинное обучение погрузилось в очередную «зиму нейронных сетей»: академическое сообщество массово отдало предпочтение статистической теории обучения и методу опорных векторов (SVM), обещавшим строгие математические гарантии, причём в AT&T Лекун работал бок о бок с самим автором SVM Владимиром Вапником, ведя с ним постоянную научную полемику. Несмотря на скепсис рецензентов, Лекун, Хинтон и Бенжио продолжали развивать многослойные архитектуры, что привело к триумфу глубокого обучения на конкурсе ImageNet (2012) и к их программной обзорной статье в журнале Nature (2015).

В 2020-е годы учёный вновь занял независимую и полемичную позицию: он открыто критиковал абсолютизацию больших авторегрессионных языковых моделей (LLM), утверждая, что генерация текста без понимания физического мира не ведёт к подлинному разуму, и последовательно отстаивал публикацию открытых моделей ИИ. В ноябре 2025 года Лекун объявил об уходе из Meta после более чем десяти лет руководства FAIR, став исполнительным председателем нового стартапа Advanced Machine Intelligence Labs (AMI Labs) с генеральным директором Алексом Лебреном; уже в марте 2026 года компания привлекла свыше миллиарда долларов инвестиций на создание «моделей мира», обучающихся прогнозировать динамику физической реальности, а сам Лекун также возглавил исследовательский совет компании Logical Intelligence и вошёл в научный совет французской открытой лаборатории Kyutai.

Наследие, влияние и оценки в историографии

В марте 2019 года Ян Лекун, Йошуа Бенжио и Джеффри Хинтон были удостоены премии Тьюринга за 2018 год за концептуальный и инженерный прорыв, сделавший глубокие нейронные сети ведущим методом компьютерных наук. Учёный избран членом Национальной академии наук США, Национальной инженерной академии США и Французской академии наук, награждён премиями Гарольда Пендера (2018), принцессы Астурийской (2022), VinFuture (2023), Премией королевы Елизаветы II в области инженерии (2025) и орденом Почётного легиона Франции (2023).

На протяжении четверти века (1986–2012) он организовывал влиятельные ежегодные научные семинары в Сноуберде (штат Юта), руководил профильной программой канадского института передовых исследований CIFAR по обучению машин и мозга, читал почётный курс в Коллеж де Франс (2016) и издал книгу «Как учится машина. Революция в области нейронных сетей и глубокого обучения» (русский перевод 2021 года). В историографии искусственного интеллекта Лекун предстаёт как исследователь, чья верность нейробиологической интуиции вопреки смене научных мод подготовила компьютерную революцию XXI века.

Хронология ключевых этапов

Дата / этап Событие Историческое пояснение
8 июля 1959 (или 1960) Рождение под Парижем Ян Андре Ле Кун родился в Суази-су-Монморанси близ Парижа в семье бретонского происхождения (прежняя форма фамилии — Le Cunff).
1983–1987 Инженерный диплом в Париже и диссертация по нейросетям Окончил парижскую инженерную школу ESIEE (1983) и защитил докторскую диссертацию в Университете Пьера и Марии Кюри (1987), предложив ранний вариант метода обратного распространения ошибки.
1987–1996 Торонто и создание свёрточных нейросетей в Bell Labs Прошёл постдокторантуру у Джеффри Хинтона в Торонто, а с 1988 года в AT&T Bell Laboratories разработал семейство свёрточных нейронных сетей LeNet для оптического распознавания банковских чеков.
1996–2003 AT&T Labs-Research и создание технологии DjVu Возглавив отдел обработки изображений в AT&T Labs-Research, совместно с Леоном Боту и Патриком Хаффнером разработал технологию сжатия отсканированных документов DjVu и язык программирования Lush.
2003–2013 Профессорство в Нью-Йоркском университете и сооснование ICLR Стал профессором Института математических наук имени Куранта в NYU, основал Центр наук о данных (2012) и совместно с Йошуа Бенжио учредил конференцию ICLR (2013).
2013–2025 Руководство лабораторией искусственного интеллекта Facebook / Meta С декабря 2013 года возглавил исследовательскую лабораторию FAIR (Meta AI Research) и занимал пост главного научного сотрудника по ИИ, продвигая открытые модели и исследования самообучения.
2018–2026 Премия Тьюринга и основание AMI Labs В марте 2019 года получил премию Тьюринга за 2018 год (вместе с Бенжио и Хинтоном), а в конце 2025 года покинул Meta для создания стартапа AMI Labs, привлекшего свыше миллиарда долларов на разработку «моделей мира».

Жизнь и творчество на фоне истории

Сопоставление ключевых вех биографии (Ян Лекун) с мировыми и отечественными событиями, сражениями и технологическими переломами эпохи.

Личная веха Исторический фон эпохи
1959 г.рождение
Личная веха Рождение: Ян Лекун
8 июля 1959 (или 1960)рождение
Веха жизни Рождение под Парижем — Ян Андре Ле Кун родился в Суази-су-Монморанси близ Парижа в семье бретонского происхождения (прежняя форма фамилии — Le Cunff).
1964 н.э.5 лет
1965 н.э.6 лет
1950–1970-е годы (рубеж — Всемирная продовольственная конференция 1974 года)15 лет
1980–1988 н.э.21 год
Событие эпохи Ирано-иракская война
1983–198724 года
Веха жизни Инженерный диплом в Париже и диссертация по нейросетям — Окончил парижскую инженерную школу ESIEE (1983) и защитил докторскую диссертацию в Университете Пьера и Марии Кюри (1987), предложив ранний вариант метода обратного распространения ошибки.
1987–199628 лет
Веха жизни Торонто и создание свёрточных нейросетей в Bell Labs — Прошёл постдокторантуру у Джеффри Хинтона в Торонто, а с 1988 года в AT&T Bell Laboratories разработал семейство свёрточных нейронных сетей LeNet для оптического распознавания банковских чеков.
7 февраля 1992 — 1 ноября 199333 года
1992–199433 года
1996–200337 лет
Веха жизни AT&T Labs-Research и создание технологии DjVu — Возглавив отдел обработки изображений в AT&T Labs-Research, совместно с Леоном Боту и Патриком Хаффнером разработал технологию сжатия отсканированных документов DjVu и язык программирования Lush.
2003–201344 года
Веха жизни Профессорство в Нью-Йоркском университете и сооснование ICLR
2013–202554 года
Веха жизни Руководство лабораторией искусственного интеллекта Facebook / Meta
2018–202659 лет
Веха жизни Премия Тьюринга и основание AMI Labs — В марте 2019 года получил премию Тьюринга за 2018 год (вместе с Бенжио и Хинтоном), а в конце 2025 года покинул Meta для создания стартапа AMI Labs, привлекшего свыше миллиарда долларов на разработку «моделей мира».

Цепочка влияния: причины и последствия

Исторический «эффект домино» — какие предпосылки вызвали это событие или явление и к каким переменам оно привело.

Что привело к этому (истоки и предпосылки)

Личностьрод. 1947Идейный исток и влияние

Джеффри Хинтон

Годовая постдокторантура под руководством Джеффри Хинтона в Торонто (1987–1988) закрепила приверженность Лекуна нейронным сетям и будущий триумф глубокого обучения.

К чему это привело дальше (последствия)

Технология и формат1958–2020-е гг.Свёрточные нейронные сети

Искусственные нейросети, архитектура Transformer и LLM

Разработка Яном Лекуном архитектуры свёрточных нейросетей (CNN) заложила фундамент современного компьютерного зрения и систем искусственного интеллекта.

Личностьрод. 1964Формирующее влияние

Йошуа Бенжио

Совместная работа с Яном Лекуном в AT&T Bell Labs в 1990-х годах и последующий союз в исследовании глубоких архитектур определили облик современного компьютерного зрения и анализа текста.

Событие2022–2025Следствие и политический итог

Бурное распространение генеративного искусственного интеллекта и больших языковых моделей

Разработка свёрточных нейронных сетей Лекуном и обзорные труды в соавторстве с Хинтоном и Бенжио вызвали революцию глубокого обучения в современном ИИ.

Государства и ключевые связи в графе

Связанные личности, технологии, места и понятия

Технология и формат Искусственные нейросети, архитектура Transformer и LLM 1958–2020-е гг. — Свёрточные нейронные сети
Личность Джеффри Хинтон род. 1947 — Идейный исток и влияние
Технология и формат Перцептрон Розенблатта и обратное распространение ошибки 1957–1986 гг. — Пионер / исследователь
Личность Йошуа Бенжио род. 1964 — Формирующее влияние
Историческое место Владимир (Золотые ворота и Успенский собор) с XII в. — Исторический локус
Технология и формат Искусственные нейросети, архитектура Transformer и LLM 1958–2020-е гг. — Пионер / исследователь
Личность Йошуа Бенжио род. 1964 — Связанная личность
Личность Джеффри Хинтон род. 1947 — Связанная личность

Связанные события энциклопедии

2022–2025 Следствие и политический итог

Бурное распространение генеративного искусственного интеллекта и больших языковых моделей

В 2022–2025 годах генеративный искусственный интеллект перешёл из исследовательских лабораторий в повседневную глобальную инфраструктуру. Опираясь на архитектуру трансформера

Известные современники

Выдающиеся деятели науки, искусства, политики и техники, чья жизнь пересекалась с эпохой героя статьи.

род. 1930

Клинт Иствуд

актёр и режиссёр, четырёхкратный оскаровский лауреат

род. 1932

Джон Уильямс

американский кинокомпозитор («Звёздные войны», «Список Шиндлера»)

1926–2016

Харпер Ли

американская писательница («Убить пересмешника»)

род. 1928

Мартин Купер

инженер Motorola, совершивший первый звонок с мобильного телефона

1924–2024

Джимми Картер

39-й президент США, подписавший Кэмп-Дэвидские соглашения

Частые вопросы и ответы

В чём главное отличие свёрточных нейронных сетей Яна Лекуна (LeNet) от обычных нейросетей?
Свёрточные нейронные сети применяют локальные фильтры с разделяемыми весами и слои субдискретизации, вдохновлённые устройством зрительной коры. Это позволяет сети устойчиво распознавать сдвинутые или искажённые изображения без ручного подбора признаков человеком и с гораздо меньшим числом параметров.
Какое отношение Ян Лекун имеет к формату электронных книг и архивов DjVu?
Во второй половине 1990-х годов в AT&T Labs-Research Лекун вместе с Леоном Боту и Патриком Хаффнером разработал технологию сжатия DjVu, разделяющую скан страницы на слои текста, цвета и фона. Формат широко применялся в Internet Archive и научных библиотеках для быстрого распространения оцифрованных книг.
Почему вокруг года рождения Яна Лекуна в источниках встречаются разночтения?
Учёный родился 8 июля под Парижем, но в разных биографических базах, справочниках и энциклопедических статьях фигурируют 1959, 1960 и 1961 годы рождения; в частности, англоязычная энциклопедическая традиция чаще указывает 1960 год, тогда как ряд каталогов фиксирует 1959 или 1961 год.
Почему Лекун критикует подход больших языковых моделей (LLM) и ушёл из Meta в AMI Labs?
По убеждению Лекуна, языковые модели, предсказывающие лишь следующий токен текста, не обладают подлинным пониманием физической реальности и причинно-следственных связей. В конце 2025 года он покинул пост главного учёного Meta по ИИ и соосновал AMI Labs для разработки «моделей мира» на основе энергетических и предсказательных архитектур.

Научная литература и источники

  1. Fathers of the Deep Learning Revolution Receive ACM A.M. Turing Award (Yoshua Bengio, Geoffrey Hinton, and Yann LeCun) // Association for Computing Machinery. — March 27, 2019. [www.acm.org]
  2. LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-Based Learning Applied to Document Recognition // Proceedings of the IEEE. — 1998. — Vol. 86, № 11. — P. 2278–2324. [doi.org]
  3. LeCun Y., Bengio Y., Hinton G. Deep learning // Nature. — 2015. — Vol. 521. — P. 436–444. [doi.org]
  4. LeCun Y. L'apprentissage profond : une révolution en intelligence artificielle (Leçon inaugurale) // Collège de France. — 4 février 2016. [www.college-de-france.fr]
  5. Yann LeCun // Wikipedia (Early life, Career and research, Honours and awards). [en.wikipedia.org]