Yann LeCun (* 8. Juli 1960, Soisy-sous-Montmorency, Frankreich / lebt in New York, USA) ist ein französisch-amerikanischer Informatiker und KI-Forscher, der als Mitbegründer des Deep Learning gilt, mit seinen Convolutional Neural Networks (CNNs) die Bildverarbeitung revolutionierte und als Chief AI Scientist bei Meta tätig ist.
Rubrik: Einflussreiche Persönlichkeiten · Unterrubrik: Medientheoretiker & KI-Pioniere · Niveau: Einsteiger Auch bekannt als: „Vater der Convolutional Neural Networks", Turing Award 2018 (mit Hinton und Bengio), Chief AI Scientist bei Meta
Biografie
Yann LeCun wurde 1960 in der Île-de-France geboren. Er studierte Elektrotechnik am Lycée Louis-le-Grand in Paris und machte 1983 seinen Abschluss an der ESIEE Paris (École Supérieure d'Ingénieurs en Électronique et Électrotechnique). Er promovierte 1987 an der Université Pierre et Marie Curie (Paris VI) mit einer Arbeit über maschinelles Lernen.
Nach seiner Promotion ging LeCun in die USA, wo er an der Bell Labs in Murray Hill, New Jersey, arbeitete – einem der bedeutendsten Forschungslabors der Welt. Dort entwickelte er in den späten 1980er und frühen 1990er Jahren seine bahnbrechenden Convolutional Neural Networks (CNNs). Das System LeNet wurde kommerziell für die Erkennung handgeschriebener Schecks eingesetzt.
2003 wurde LeCun Professor an der New York University (NYU) und gründete das Center for Data Science. Seit 2013 ist er zusätzlich als Chief AI Scientist bei Facebook/Meta tätig und leitet die FAIR (Fundamental AI Research)-Abteilung. Er ist eine der lautesten Stimmen in der KI-Debatte und bekannt für seine optimistische Sichtweise auf KI sowie seine Kritik an übertriebenen Gefahrenszenarien.
Hauptthesen & Beiträge
LeCuns wichtigster Beitrag zur KI ist die Entwicklung der Convolutional Neural Networks (CNNs): eine Klasse tiefer neuronaler Netze, die besonders für die Verarbeitung von Bildern und anderen gitterförmigen Daten geeignet sind. CNNs ahmen die Architektur des visuellen Kortex nach: Sie verwenden Filter (Kernel), die lokal über ein Bild gleiten und Merkmale wie Kanten, Texturen und Formen erkennen. Mehrere solcher Schichten zusammen ermöglichen es dem Netzwerk, komplexe Objekte zu erkennen.
Das konkrete System LeNet-5 (1998) war das erste praxistaugliche CNN für die Erkennung handgeschriebener Ziffern und Buchstaben. Es wurde ab Ende der 1990er Jahre bei amerikanischen Banken zur automatischen Scheckverarbeitung eingesetzt – und verarbeitete zeitweise rund 10 % aller in den USA ausgestellten Schecks.
CNNs sind heute die Grundlage aller modernen Systeme zur Bilderkennung: von der medizinischen Diagnostik über Gesichtserkennung bis zu autonomen Fahrzeugen und der Qualitätskontrolle in der Industrie.
LeCun ist auch ein wichtiger Vertreter der Debatte über die Zukunft der KI: Er vertritt eine optimistischere Sichtweise als Hinton und andere. Er glaubt, dass aktuelle Large Language Models (LLMs) wie ChatGPT noch weit von echter Intelligenz entfernt sind und hält selbst überwachte Lernverfahren – sogenanntes Self-Supervised Learning – für den vielversprechendsten Weg zu echter KI.
Wichtige Werke / Veröffentlichungen / Erfindungen
- LeNet-5 (1989/1998) – Erstes praktisch eingesetztes Convolutional Neural Network
- „Gradient-Based Learning Applied to Document Recognition" (1998, mit Bottou, Bengio, Haffner) – Schlüsselpaper zu LeNet und CNNs
- „A Tutorial on Energy-Based Learning" (2006) – Einflussreiche Arbeit zur energiebasierten Modellierung
- „Deep Learning" (2015, Nature-Artikel, mit Bengio und Hinton) – Überblicksartikel
- Turing Award (2018, mit Hinton und Bengio) – Höchste Auszeichnung der Informatik
- „A Path Towards Autonomous Machine Intelligence" (2022) – Whitepaper zu LeCuns Vision einer echten KI
Einfluss & Bedeutung
LeCuns CNNs sind die Grundlage des modernen Computer Vision, das heute in nahezu jedem Bereich angewendet wird – von der Medizin über Industrie bis zu sozialen Medien. Seine Arbeit bei Meta/Facebook beeinflusst direkt die KI-Systeme, die täglich Milliarden von Menschen nutzen: von der automatischen Bildmarkierung bis zu Empfehlungsalgorithmen. Als einer der „Big Three" des Deep Learning (zusammen mit Hinton und Bengio) hat er das Feld der modernen KI mitdefiniert.
Kritik & Kontroversen
LeCun ist für seine öffentlichen Debatten bekannt, oft via Twitter/X. Er wurde kritisiert, als er Argumente über die Gefahr sexistischer oder rassistischer Voreingenommenheit in KI-Systemen als zu besorgt oder politisiert zurückwies. Sein Optimismus über die Harmlosigkeit aktueller KI-Systeme steht in scharfem Kontrast zu den Warnungen seines Mitpreisträgers Geoffrey Hinton und wird von Sicherheitsforschern als naiv kritisiert. Seine Aussagen zu biologisch bedingten Unterschieden zwischen Geschlechtern lösten öffentliche Empörung aus.
Häufige Fragen (FAQ)
Was ist ein Convolutional Neural Network (CNN)? Ein CNN ist eine besondere Art neuronaler Netze, die mit Filtern (Kerneln) arbeitet, die über Bilder oder andere Daten gleiten und dabei Merkmale erkennen – von einfachen Kanten bis zu komplexen Objekten. Diese Struktur ahmt den visuellen Kortex nach und macht CNNs besonders effizient für die Bildverarbeitung.
Was ist Self-Supervised Learning nach LeCun? Self-Supervised Learning ist eine Methode, bei der ein KI-System lernt, indem es Vorhersagen über Teile seiner eigenen Eingabedaten macht – ohne menschlich annotierte Trainingsdaten. LeCun sieht darin den vielversprechendsten Weg zu KI-Systemen, die wie Menschen aus Beobachtung lernen.
Verwandte Einträge
Weiterführend
- LeCun, Yann u. a.: Gradient-Based Learning Applied to Document Recognition. In: Proceedings of the IEEE, 86 (11), 1998, S. 2278–2324.
- LeCun, Yann / Bengio, Yoshua / Hinton, Geoffrey: Deep Learning. In: Nature 521, 2015, S. 436–444.
- LeCun, Yann: A Path Towards Autonomous Machine Intelligence. Open Review Preprint, 2022. (Verfügbar auf openreview.net)
