Yann LeCun Kimdir? Meta’nın Yapay Zeka Bilimcisinin Hikayesi

Yann LeCun, 18 Temmuz 1960’ta Fransa’nın Soisy-sous-Montmorency kentinde doğan bir bilgisayar bilimcisidir. 1990’larda evrişimli sinir ağlarını el yazısı çek okuma sistemlerinde dünya ölçeğinde kullanıma sokmasıyla tanınır; bu çalışmalar, onu derin öğrenme devriminin üç öncüsünden biri haline getirdi ve 2018’de Geoffrey Hinton ile Yoshua Bengio ile paylaştığı Turing Ödülü’nü kazandırdı.

LeCun, 2013’te Facebook AI Research’ü (FAIR) kurdu ve on yılı aşkın süre Meta’nın baş yapay zeka bilim insanı olarak çalıştı. Kasım 2025’te Meta’dan ayrıldığını bildiren haberler yayımlandı; LeCun, büyük dil modellerine alternatif bir yol arayan AMI (Advanced Machine Intelligence) adlı şirketini kurdu ve Mart 2026’da yaklaşık 1,03 milyar dolar sermaye topladığını duyurdu. Bu makale, bir Fransız mühendisten yapay zeka tartışmalarının en tartışmalı savunucularından birine uzanan yolu izliyor.

Fransa’da Eğitim ve Toronto Yılları

LeCun, çocukluğunda okuduğu bilim kurgunun etkisiyle makinelerin düşünüp düşünemeyeceği sorusuna ilgi duyduğunu sonraki demeçlerinde anlatmıştır. Mühendislik eğitimi sırasında sinir ağlarının matematiksel temellerine yönelen LeCun, bu alanın 1980’ler Fransası’nda marjinal bir konu olduğunu ve doktora konusunun çevresindekilerce ciddiyetsiz görülebileceği endişesi taşıdığını anlatmıştır. 1983’te Paris merkezli bir mühendislik okulu olan ESIEE Paris’ten elektrik ve bilgisayar mühendisliği diplomasıyla mezun oldu. Doktora çalışması sırasında sinir ağlarının eğitimi üzerine yoğunlaştı ve 1987’de Pierre ve Marie Curie Üniversitesi’nden doktora derecesini aldı.

Doktora döneminin ardından 1986-1987 arasında Kanada’da Toronto Üniversitesi’nde Geoffrey Hinton ile doktora sonrası araştırmacı olarak çalıştı. Bu kısa dönem, iki araştırmacının on yıllık bilimsel ortaklığının başlangıcı oldu; LeCun’un doktora çalışması, geri yayılım yönteminin belge tanımada uygulanmasına odaklandı ve tez bu alandaki ilk sistemli deneylerden birini içeriyordu. LeCun daha sonra ABD’ye döndü; bu geçiş, onu sinir ağlarının en verimli endüstriyel uygulama alanının olduğu bir ekosisteme taşıdı. Fransa’daki mühendislik geleneği ile ABD araştırma ekosistemi arasında köprü kuran LeCun, sonraki yıllarda Paris’teki FAIR şubesinin kuruluşuyla bu iki kültür arasındaki insan aktarımını kurumsallaştırdı.

Bell Labs ve LeNet

1988’de LeCun, New Jersey’deki Bell Laboratories’e katıldı ve sinir ağı araştırmaları grubunun yöneticiliğini üstlendi. Bu birim, o yıllarda endüstriyel laboratuvarda sinir ağı araştırması yürüten az sayıdaki gruptan biriydi. Burada geliştirdiği LeNet ailesi, evrişimli sinir ağlarının (CNN) belge tanımada ilk büyük endüstriyel başarısı oldu: sistem, bankalardaki çeklerin üzerindeki el yazısı rakamları okuyordu; aktarılan rakamlara göre 1990’ların sonunda ABD’de yazılan çeklerin yaklaşık yüzde 10’u bu tür sistemlerle okunuyordu. LeNet’in mimarisi, evrişimli katmanlar, havuzlama ve birkaç tam bağlantılı katmandan oluşan bugünkü CNN şablonunun erken ve tam bir örneğiydi; tuş takımı ve imza tanıma gibi türev uygulamalar da aynı aileden doğdu. Bu sistemlerin günlük hayattaki yaygınlığı, sinir ağlarının spekülatif konudan endüstri standardına geçişinin en erken kanıtlarından biri olarak kabul edilir.

Buna rağmen 1990’ların ikinci yarısında sinir ağlarına olan ilgi azaldı; LeCun’un bağlı olduğu araştırma bölümü, AT&T’nin 2002’de yeniden yapılanmasıyla kapatıldı. LeCun sonraki demeçlerinde bu dönemi, doğru fikirlerin yanlış zamanla buluşması olarak tanımlamıştır. Uzun boşluk, 2012’de AlexNet’in ImageNet yarışmasını kazanmasıyla kapandı; LeCun’un 1990’lardaki mimarisi, bu zaferin teknik temelini oluşturuyordu. Çek okuma başarısı ise yöntemin endüstriyel ölçekte güvenilirliğini gösteren ilk büyük vaka olarak kabul edilir.

NYU ve FAIR’in Kuruluşu

2003’te LeCun, New York Üniversitesi’nde (NYU) profesör oldu ve Courant Enstitüsü’nde makine öğrenmesi laboratuvarını kurdu. 2013’te Mark Zuckerberg’in davetiyle Facebook’a katıldı ve Facebook AI Research’ün (FAIR) kurucu direktörü oldu. FAIR, araştırmalarını açık biçimde yayımlama geleneğiyle sektörde hızla prestij kazandı; görüntü tanıma, makine çevirisi ve kendi kendine öğrenme (self-supervised learning) alanlarında öncü çalışmaların merkezi oldu. Laboratuvar zaman içinde New York, Paris, Montreal ve Tel Aviv gibi şehirlerde şubeler açarak küresel bir araştırma ağına dönüştü; açık yayın politikası, sonraki yıllarda diğer endüstriyel laboratuvarlar tarafından da benimsenen bir standart olarak görüldü. NYU’da geliştirilen Torch kütüphanesinin akademik kökleri de bu döneme dayanır; kütüphane, sonraki yıllarda derin öğrenme araştırmalarının yaygın araçlarından biri olarak kullanıldı.

LeCun bu dönemde kendinden denetimli öğrenme kavramını savunmaya başladı: fikre göre sistemler, dünyadan ham veriyi etiketlemeye ihtiyaç duymadan yapının öngörülmesi yoluyla öğrenmelidir. Bu yaklaşımın ampirik ürünü olan JEPA mimarileri, görsel veride etiketsiz öğrenmenin ölçülebilir kanıtlarını sunmayı hedefledi. 2018’de Hinton ve Bengio ile paylaştığı Turing Ödülü, üç araştırmacının 1980’ler ve 1990’lardaki ısrarlı çalışmalarını zirveye taşıdı; Bengio’nun doktora sonrası döneminde LeCun’la çalışması, üçlünün bilimsel akrabalığının anlatılan örneklerinden biridir. LeCun aynı dönemde NYU Veri Bilimi Merkezi’nin yöneticiliğini de yürüttü; bu ikili görev, akademik ve endüstriyel araştırmanın aynı kişide buluştuğu örnekler arasında sıkça anıldı.

Meta Yılları ve Bilimsel Görüşleri

Meta’da baş yapay zeka bilim insanı (Chief AI Scientist) olarak LeCun, şirketin araştırma vizyonunu şekillendirdi. Llama model ailesinin açık ağırlıklarla yayımlanması stratejisinin kamusal savunucularından biriydi; açık modellerin güvenliğin de bir gereği olduğu görüşünü dile getirdi. 2023’te I-JEPA, 2024’te V-JEPA adlı mimarileri tanıtan ekiplerin öncüsü olan LeCun, bu çalışmaların temelinde dünyanın öngörülebilir bir modeli olarak temsil edilmesi fikrini savunur.

LeCun, son yıllarda büyük dil modellerine dair sert eleştirileriyle tanındı: fikrine göre otoregresif dil modelleri, gerçek dünya anlayışı, akıl yürütme ve planlama yeteneklerine ulaşamaz; insan beynine kıyasla dört ila beş kat büyüklükteki bir çocuğun dünya modeli hâlâ daha zengindir. Bu görüşler, ölçekleme savunucularıyla kamusal tartışmalara yol açtı. Meta’nın 2023’te yayımladığı Llama modellerinin ağırlıklarının araştırmacılara açılması stratejisi, LeCun’un açık ekosistem savunusuyla örtüşüyordu; Llama türevleri, açık toplulukta en yaygın model ailelerinden birine dönüştü ve LeCun bu yaklaşımı, kapalı laboratuvarların tekeline karşı bir güvenlik ve bilim argümanı olarak savundu. Meta’nın bu dönemde yapay zeka altyapısına yıllık on milyar dolar düzeyini aşan bütçeler ayırdığı şirket açıklamalarına yansıdı; LeCun’un araştırma vizyonu, harcamaların hangi mimariye yönlendirileceği tartışmalarının referans noktalarından biri olarak anıldı. LeCun’ın önerdiği alternatif yol, dünya modelleri ve birleştirilmiş mimariler (joint embedding predictive architectures) üzerinden evrensel makine zekasına (advanced machine intelligence) geçiştir.

Meta’dan Ayrılış ve AMI

Kasım 2025’te LeCun’un Meta’dan ayrılıp kendi şirketini kurmak üzere olduğunu bildiren haberler yayımlandı; ayrılış aynı ay kesinleşti. LeCun, NYU’daki fahri profesörlük görevini sürdürürken AMI adlı şirketini kurdu. Ayrılış döneminde basında yer alan değerlendirmeler, Meta’nın ölçekleme odaklı organizasyon değişiklikleriyle birlikte araştırmacı kayıplarının arttığını yazdı. Yorumcular, LeCun’un ayrılışının şirketin uzun vadeli araştırma hattına ilişkin tartışmaları daha da görünür kılacağını öne sürdü. Finansal basında yer alan haberlere göre şirket, Aralık 2025’te yaklaşık 3,5 milyar dolar değerleme hedefiyle yatırımcılarla görüşüyordu; Mart 2026’da Reuters, AMI’nin yaklaşık 1,03 milyar dolar sermaye topladığını duyurdu. Bildirilen ayrıntılara göre şirket erken dönemde düzinelerce araştırmacıyla yola çıktı; sermayenin büyük bölümünün hesaplama kaynaklarına ve grafik işlemci maliyetlerine ayrılacağı yazıldı. Bu rakam, yapay zeka girişimlerinin erken turlarında kaydedilen en büyük sermaye getirilerinden biri olarak kayıtlara geçti.

AMI’nin bilimsel hedefi, dünyayı fiziksel olarak modelleyen, akıl yürütüp planlama yapabilen ve az veriyle öğrenen sistemler geliştirmektir. LeCun, bu vizyonun büyük dil modelleri yolundan tamamen farklı bir mimari gerektirdiğini savunur. Eleştirmenler, dünya modelleri yaklaşımının ölçülebilir sonuçları henüz vermediğini ve LeCun’un dil modelleri eleştirilerinin bazı noktalarda abartılı olduğunu tartışır; destekleyenler ise görüntü tanımanın öncüsünün bir kez daha alanın yönünü değiştirebileceğini öne sürer. 2026 itibarıyla LeCun, Turing ödüllü geçmişiyle birlikte yapay zekanın gelecek mimarisi tartışmasının en yüksek profilli isimlerinden biri olarak kaldığı değerlendirilen bir konumdadır. Onun 1989’da Bell Labs’ta eğittiği ağların günümüzdeki torunları, yüz tanımadan tıbbi görüntülemeye uzanan alanlarda çalışıyor; LeCun’un kariyerine dair yaygın bir yorum, sabırlı mimari araştırmasının endüstriyel politika ile birleşmesini gösteren bir şablon oluşturduğu yönündedir.