FT: главный исследователь Meta по ИИ покинет корпорацию ради своего стартапа

cryptonews.ruPublié le 2025-09-11Dernière mise à jour le 2025-11-12

  • Лауреат премии Тьюринга и руководитель FAIR Ян Лекун планирует покинуть Meta в ближайшие месяцы.
  • Он создает стартап, посвященный разработке «моделей мира» — нового направления в ИИ.
  • Уход усиливает кризис в стратегии Meta, которая перестраивает свои ИИ-подразделения.

Корпорация Meta может лишиться одного из ключевых архитекторов своей стратегии искусственного интеллекта. По данным Financial Times, главный специалист по ИИ компании Янн Лекун намерен уйти, чтобы основать собственный стартап.

Источники издания утверждают, что он уже ведет переговоры с инвесторами и планирует запустить проект в течение ближайших месяцев.

Лекун является профессором Нью-Йоркского университета и лауреатом премии имени Тьюринга. Он занимает должность старшего научного сотрудника Meta и возглавляет исследовательское подразделение Fundamental AI Research (FAIR).

Будущий стартап специалиста, как сообщается, сосредоточится на разработке «моделей мира». Это системы, которые формируют внутреннее представление об окружающей среде и способны прогнозировать причинно-следственные связи.

Подобными исследованиями также занимаются Google DeepMind и World Labs.

Потенциальный уход Лекуна стал символом напряженности внутри Meta, где в последние месяцы происходит масштабная перестройка ИИ-направления. Руководство компании стремится сократить отставание от OpenAI, Google и Anthropic, создав новое подразделение Meta Superintelligence Labs (MSL). В него пригласили более 50 инженеров и исследователей из других компаний.

В июне Meta инвестировала $14,3 млрд в компанию Scale AI и назначила ее генерального директора Александра Вана во главе MSL. Однако перестановки лишь усилили внутренние конфликты, считают в FT.

Новые сотрудники якобы недовольны корпоративной бюрократией, а старая команда генеративного ИИ столкнулась с ограничениями в доступе к ресурсам.

На фоне этих перемен исследовательская работа FAIR, ориентированная на долгосрочные научные цели, отошла на второй план. Провал семейства моделей Llama 4 показал, что Meta уступает лидерам индустрии, подчеркнули эксперты.

Решение CEO компании Марка Цукерберга ускорить прикладные разработки фактически ослабило фундаментальные исследования, которыми занимался Лекун, говорится в материале. На момент подготовки материала сообщения о возможном уходе специалиста из корпорации представители Meta не комментировали.

Сам ученый неоднократно выражал скепсис в отношении современных больших языковых моделей. Он утверждает, что индустрия преувеличивает их интеллектуальные возможности.

«Нам бы хотя бы создать систему умнее домашней кошки, прежде чем говорить о сверхразуме», — писал Лекун.

Напомним, мы писали, что Цукерберг заявил о планах Meta создать «персональный суперинтеллект».

Lectures associées

L'IA qui réduit les coûts et améliore l'efficacité rend le capital-risque de plus en plus coûteux

L'IA réduit les coûts de création d'entreprise mais rend l'investissement en capital-risque plus coûteux. Alors que les outils d'IA permettent à des startups de se lancer avec moins de capital et des équipes plus petites, le marché des investissements en phase amont devient de plus en plus cher. Les startups d'IA fondées par des talents d'élite (ex-Google, OpenAI) obtiennent des évaluations de plusieurs milliards de dollars dès le stade *seed*, réduisant la fenêtre pour investir à bas prix. Les données de Carta montrent une concentration des capitaux : les financements se polarisent entre de nombreux petits tours et quelques méga-tours pour des projets d'IA tête de série. Les évaluations médianes augmentent (24,3M$ en *seed*), tandis que la dilution des actions fondatrices diminue (environ 18% en *seed* et série A). Pour les VC, obtenir et maintenir une part significative dans les sociétés prometteuses nécessite donc des mises de fonds bien plus importantes. Conséquence : les grands fonds comme Accel lèvent des sommes records (85 milliards de dollars en quatre mois) pour pouvoir investir tôt et suivre dans les tours suivants face à la concurrence. La stratégie est de sécuriser une position dans les futurs gagnants potentiels de ce "super-cycle" technologique. Cependant, ce modèle mise sur une croissance future massive pour justifier les évaluations précoces extrêmes, concentrant les risques et les capitaux sur un petit nombre de projets.

marsbitIl y a 17 mins

L'IA qui réduit les coûts et améliore l'efficacité rend le capital-risque de plus en plus coûteux

marsbitIl y a 17 mins

Huit années d’investissement font un virage serré : pourquoi Ethereum abandonne soudainement Poseidon ?

Après huit ans de recherche et des investissements substantiels, Ethereum abandonne l'algorithme de hachage SNARK-friendly Poseidon au profit de fonctions de hachage traditionnelles comme SHA2 ou BLAKE2. Cette décision, annoncée par le chercheur Justin Drake, marque un virage important dans la feuille de route post-quantique du réseau. Poseidon, introduit en 2019, était privilégié pour son efficacité dans les circuits SNARK, essentiels pour les zkRollups et zkVMs. Cependant, son historique cryptographique plus court et les exigences croissantes de sécurité post-quantique ont révélé ses limites. Une avancée décisive réside dans les nouvelles conceptions SNARK utilisant des "champs binaires", qui permettent désormais aux fonctions de hachage traditionnelles d'atteindre des performances comparables à Poseidon dans ces systèmes, avec des vitesses de vérification atteignant environ un million d'appels par seconde sur un ordinateur portable. La menace quantique accélère ce changement. Des rapports préviennent qu'un ordinateur quantique cryptographiquement pertinent (CRQC) pourrait compromettre les signatures cryptographiques actuelles vers 2030-2033. En réponse, Ethereum mise sur des schémas post-quantiques basés sur le hachage, considérés comme plus résistants. Son plan prévoit le déploiement d'une machine virtuelle minimale "leanVM" en 2027, suivie du déploiement sur les couches de consensus, d'exécution et de disponibilité des données en 2028. D'autres blockchains comme Solana et Starknet préparent également leur transition post-quantique, optant respectivement pour le schéma de signature Falcon et l'intégration de BLAKE2. En choisissant des primitives cryptographiques plus matures et largement analysées, Ethereum privilégie la sécurité et la robustesse à long terme pour son écosystème.

marsbitIl y a 1 h

Huit années d’investissement font un virage serré : pourquoi Ethereum abandonne soudainement Poseidon ?

marsbitIl y a 1 h

Des programmeurs du monde entier offrent de l'argent gratuitement à Anthropic ! La société officielle n'en peut plus

Anthropic a publié un guide pour aider les développeurs à réduire leurs coûts d'utilisation de Claude Code, soulignant que de nombreux utilisateurs gaspillent des tokens par méconnaissance du système de facturation. La facturation repose sur deux éléments clés : le modèle (Opus, Sonnet, Haiku) et le niveau d'effort de raisonnement. Les tokens de sortie sont 5 fois plus chers que les tokens d'entrée car leur génération est un processus séquentiel coûteux. L'arme secrète pour économiser est le **cache de prompt**. Si le préfixe d'une requête est identique à la précédente, son coût de lecture est réduit de 90%. Cependant, ce cache est fragile et est invalidé par : un changement de modèle (`/model`), un changement d'intensité de raisonnement (`/effort`), l'activation/désactivation du mode rapide, une compression de l'historique (`/compact`), l'expiration du délai de cache ou la reprise d'une ancienne conversation. Le principal facteur de coût est l'**inflation quadratique de l'historique** : chaque fichier lu et chaque sortie de commande s'ajoutent au contexte, qui est réenvoyé intégralement à chaque tour suivant, alourdissant la facture. Pour optimiser les coûts, Anthropic recommande six bonnes pratiques : 1. Utiliser `/clear` après chaque tâche pour ne pas traîner un historique inutile. 2. Définir le modèle et le niveau d'effort dès le début et ne pas les changer. 3. Référencer les fichiers avec `@` pour éviter les appels d'outils exploratoires coûteux. 4. Utiliser des paramètres "silencieux" (quiet flags) pour les commandes générant beaucoup de sorties. 5. Effectuer `/compact` tant que le cache est encore chaud (coût réduit). 6. Déléguer les tâches à gros volume de sorties à un **sous-agent** (subagent) pour isoler son contexte. D'autres commandes comme `/rewind` (pour annuler les derniers tours sans toucher au cache) sont également utiles. Maîtriser la gestion du contexte et du cache devient une compétence essentielle pour les développeurs à l'ère de l'IA, permettant de réaliser plus de travail avec le même budget.

marsbitIl y a 3 h

Des programmeurs du monde entier offrent de l'argent gratuitement à Anthropic ! La société officielle n'en peut plus

marsbitIl y a 3 h

Trading

Spot
活动图片