Лекун, Ян

Родился 8 июля 1960 года в Суази-су-Монморанси (Франция)^[1].

В 1983 году Ян Лекун окончил Парижскую высшую школу электроники с дипломом инженера-электрика. Получил докторскую степень по информатике в Университете Пьера и Марии Кюри в 1987 году.

В 1987—1988 годах — постдокторант в Университете Торонто^[1].

В 1988 году начал работать в AT&T Bell Laboratories, где разработал серию методов машинного обучения, в том числе свёрточные нейронные сети.

В 1996 году перешёл в исследовательский центр AT&T Labs, где работал над технологией сжатия изображений DjVu.

С 2003 года работал в Нью-Йоркском университете.

В 2008 году получил именную профессуру Silver Professor^[2].

С 2012 по 2014 год был директором-основателем Центра науки о данных Нью-Йоркского университета.

В декабре 2013 года Ян Лекун возглавил лабораторию искусственного интеллекта одной из социальных сетей в Нью-Йорке^[3]. Также занимал в одной из корпораций должность вице-президента и ведущего исследователя искусственного интеллекта. В 2023 году получил именную профессуру Jacob T. Schwartz Professor в Нью-Йоркском университете^[2]. В 2025 году покинул корпорацию, в которой работал^[4]. В Нью-Йоркском университете занимает должность профессора компьютерных наук; также является председателем AMI Labs^[4].

Сфера его научных интересов: машинное обучение, компьютерное зрение, мобильная робототехника, вычислительная нейробиология, искусственный интеллект.

В работе 2022 года «A Path Towards Autonomous Machine Intelligence» Лекун предложил архитектуру автономного искусственного интеллекта с внутренней моделью мира для прогнозирования и планирования действий. В её рамках архитектура JEPA (Joint Embedding Predictive Architecture) предсказывает представления будущего состояния в скрытом пространстве вместо исходных данных; Лекун также описывает JEPA как энергетическую модель со скрытой переменной^[5]. В 2026 году Лекун критиковал способность больших языковых моделей предсказывать последствия действий и выступал за развитие моделей мира. Основанная им компания AMI Labs занимается разработкой моделей мира. В интервью Fortune в октябре 2026 года он заявил, что не опасается вымирания человечества из-за ИИ, но видит риск использования таких опасений для продвижения выгодного крупным компаниям регулирования^[6].

Опубликовал более 180 технических статей и глав книг по этим направлениям^[7]. По данным Research.com на август 2026 года, в профиле Лекуна учитывалось 385 публикаций^[8].

Известен работами по применению нейросетей к задачам оптического распознавания символов и машинного зрения. Один из создателей технологии сжатия изображений DjVu (совместно с Леоном Боту и Патриком Хаффнером). Вместе с Леоном Боту создал язык программирования Lush.

Входил в редколлегию журналов IJCV, IEEE PAMI и IEEE Trans^[7]. В 2025—2026 годах был президентом совета конференции ICLR^[9]. В составе совета ICLR на 2027 год он также указан президентом^[10].

• 2014 — Премия IEEE Neural Network Pioneer Award^[1].
• 2015 — Премия IEEE PAMI Distinguished Researcher Award.
• 2016 — Почётная докторская степень Национального политехнического института Мексики (Instituto Politécnico Nacional of Mexico).
• 2016 — Премия Lovie за достижения всей жизни от Международной академии цифровых искусств и наук.
• 2017 — Член Национальной инженерной академии.
• 2018 — Лауреат премии Тьюринга (совместно с Бенжио и Хинтоном за формирование направления глубокого обучения).
• 2018 — Премия Гарольда Пендера от Университета Пенсильвании.
• 2018 — Почётная докторская степень Федеральной политехнической школы Лозанны.
• 2019 — Член Ассоциации содействия развитию искусственного интеллекта.
• 2020 — Кавалер ордена Почётного легиона (Франция).
• 2022 — Премия принцессы Астурийской.
• 2023 — Global Swiss AI Award^[11].
• 2024 — Главная премия VinFuture (VinFuture Grand Prize)^[12].
• 2025 — Премия королевы Елизаветы в области инженерии (Queen Elizabeth Prize for Engineering)^[12].

• Ян Лекун. Как учится машина. Революция в области нейронных сетей и глубокого обучения. (Библиотека Сбера: Искусственный интеллект). — М.: Интеллектуальная литература, 2021. — ISBN 978-5-907394-29-2.
• Nam H., Le Lidec Q., Maes L., LeCun Y., Balestriero R. Causal-JEPA: Learning World Models through Object-Level Latent Masking. — Препринт на arXiv, 2026^[13].