エンジニアリング哲学：Yann LeCun、世界を、開かれた形で学ばせる

要点

• 世界を、ほぼ独力で学ぶ。 LeCunの核心にある賭けは、知能とは機械が観察によって世界の仕組みを学ぶことから生まれる、というものです。つまり自己教師あり学習であり、人間によるラベルはその上に薄く添えられる飾りにすぎません。有名な「ケーキ」のたとえは、その比率を文字どおりに示します。大部分は自己教師あり、糖衣は教師あり、てっぺんのさくらんぼが強化学習なのです。
• 畳み込みがビジョンを学習可能にした。 Bell Labsで手書き数字に誤差逆伝播を適用し（1989年）、畳み込みネットワークのLeNetシリーズを構築しました。LeNet-5（1998年）は商用展開され、2001年までに米国の小切手のおよそ10%を読み取るアーキテクチャとなりました。
• オープンな研究は、スローガンではなく方法である。 Facebook/MetaのFAIR（2013年）の創設ディレクター兼チーフAIサイエンティストとして、論文公開とオープンソース化を既定の姿勢にしました。I-JEPAのコードとチェックポイントは論文と同時に公開されています。オープンサイエンスは秘匿よりも速く複利的に積み上がる、という信念に基づくものです。
• LLMには懐疑的な楽観主義者。 HintonおよびBengioと並ぶ2018年のチューリング賞共同受賞者であるLeCunは、自己回帰型の言語モデルは人間レベルAIへの道における「降り口（off-ramp）」だと主張します。その道は、JEPAのような世界モデルを通っているのだ、と。そして2025年11月、まさにそれを築くためにMetaを去りました。

原則

「LLMをスケールさせるだけでは、人間レベルのAIには到達しません」——それらは「世界を真に理解しているのではなく、単にテキストを予測しているにすぎない」。—— Yann LeCun、Meta退社にあたって、2025年¹⁰

この一文の根底にある原則は、LLMの時代よりも古く、LeCunは40年にわたり一貫してそれを保ち続けてきました。すなわち、機械は人間にラベルを口移しで与えられるのではなく、観察したものを予測することによって、ほぼ独力で世界の仕組みを学ぶべきであり、そしてその方法をめぐる科学は開かれた形で行われるべきだ、というものです。どんな動物も、その知識のほとんどを教師なしで身につけます。赤ん坊は、支えのない物体が落ちること、隠れた物体もなお存在し続けること、世界には安定した構造があることを、誰かがそれを一つひとつ名づけてやるよりもずっと前に学びます。LeCunの賭けは、こうした学び——生の、ラベルのない、高帯域の感覚入力から世界の構造を吸収すること——こそが知能の大部分であり、教師あり学習や強化学習はその上に乗る比較的薄い層にすぎない、というものです。

それが、彼の最もよく引用される言葉、すなわちケーキのたとえの内容です。「もし知能がケーキだとすれば、ケーキの大部分は自己教師あり学習であり、ケーキの糖衣は教師あり学習、ケーキのてっぺんのさくらんぼが強化学習です」⁵。彼は2016年には当初「教師なし（unsupervised）」と言っていましたが、2019年までに意図的に「自己教師あり（self-supervised）」へと言い直しました。これは重要な正確さです。なぜなら、その言い換えがメカニズムそのものを名指すからです。データが自らラベルを供給するのです。入力の一部を隠し、残りからそれを予測する——世界がそれ自身の教師となるのです⁵。このたとえにおける比率こそが、議論のすべてです。もしケーキの大部分が自己教師ありなら、人間が書いた次のトークンを予測するよう訓練された、ますます巨大なシステムへと労力を注ぎ込む分野は、彼の見方では、糖衣を最適化していることになります。

原則の後半は、開かれていることです。LeCunは、AI研究は公開され、再現可能で、オープンソース化されたときに最も速く進む、という信念の上にキャリアと研究所を築いてきました。これは、最前線の成果を抱え込もうとする業界の本能に逆らう信念です。前半と後半はつながっています。真の知能への道が長く不確かなものであるなら、ただ一つの研究所がそれを単独で歩み通せるはずはなく、どのアーキテクチャが実際に世界を学ぶのかを突き止める唯一の方法は、それを公開し、誰もが検証できるようにすることだからです。世界を、開かれた形で学ぶ——予測をエンジンとし、開かれていることを方法とするのです。

背景

Yann André Le Cunは、1960年7月8日、パリ近郊のSoisy-sous-Montmorencyに生まれました¹。1987年にピエール・エ・マリー・キュリー大学（現在はソルボンヌ大学の一部）で博士号を取得し、その学位論文にはすでに、後にこの分野を定義することになる誤差逆伝播の初期形態が含まれていました¹。彼はコネクショニズムが市民権を得る前からのコネクショニストであり、AI分野の他の大半がそれを見限っていたまさにその時期に、脳に似た学習ネットワークの研究を続けていました。

1988年、彼はAT&T Bell Laboratoriesに加わりました。これは彼の最も重要なエンジニアリングが行われた場所です¹。Bell Labsは、ネットワークについて理論を立てるだけでなく実際に動かすための、本物のデータと理由を彼に与えました。米国郵政公社の手書き数字、続いて銀行小切手に書かれた金額です。その制約は容赦のないものでした——数字を幻視する小切手読み取り機は損失を生む——そして、それが彼を、画像を未分化のピクセルの寄せ集めとして扱うのではなく、画像の構造を真剣に受け止めるアーキテクチャへと押しやったのです。

Bell Labsの後、彼は2003年にコンピューターサイエンスの教授としてNYUに移りました¹。そして2013年12月、Mark ZuckerbergがFacebook AI Research（FAIR）を立ち上げ率いるために彼を採用し、彼は同社のチーフAIサイエンティストとなりました。これは、NYUの非常勤教授を続けながら10年以上にわたって務めたポストです¹¹⁰。FAIRは、その時代で最も多産なオープン産業研究所の一つとなり、科学は共有されるべきだという彼の信念を直接体現するものでした。その在任は2025年11月に終わりを迎え、彼は自身の世界モデルのスタートアップを創設するために退社しました——LLMをめぐる賭けで自分がどちらの側にいるのかを、これ以上ないほど明確に示す表明でした¹⁰。

仕事

畳み込みネットワークとLeNet：世界の小切手を読む（1989–1998年）

LeCunのキャリアの中心にある技術的アイデアは畳み込みニューラルネットワークであり、なぜそれが重要なのかを最もすっきりと体感する方法は、それが動くところを見ることです。あらゆるピクセルをあらゆるニューロンにつなぐ素朴なネットワークは、巨大であると同時に構造に対して盲目です。画像の左上にある一筆と、右下にあるまったく同じ一筆とが、同じ種類のものだという概念を持たないのです。LeCunの洞察は——福島邦彦のネオコグニトロンを土台とし、脳の視覚野に根ざしたもので——画像の上に小さなフィルター（カーネル）をすべらせ、すべての位置で同じわずかな重みを計算することでした。こうすればネットワークは特徴を一度学習すれば、それをどこでも検出できるようになります。下のウィジェットは、まさにその操作です。エッジ検出カーネルを選び、それが数字の上を掃いていくのを見て、一致するパターンが現れた場所で「特徴マップ」が光るのを確かめてください。

その歴史は具体的です。1989年、Bell LabsでLeCunと同僚たちは、誤差逆伝播アルゴリズムを実用的な問題——米国郵政公社の郵便物から手書きの郵便番号を認識すること——に適用した最初の人々となり、後にLeNet-1となるプロトタイプを生み出しました²。それから10年近い改良を経て、画期的な1998年の論文「Gradient-Based Learning Applied to Document Recognition」（LeCun、Léon Bottou、Yoshua Bengio、Patrick Haffnerによる）に至り、そこではLeNet-5が記述され、勾配ベースの学習が文書認識における手作業の特徴抽出器を置き換えられるのだという主張がなされました³。

これはベンチマーク上の物珍しさではありませんでした。NCRは1996年6月からLeNetベースの小切手読み取り機を商用展開し、2001年までにそのシステムは1日に約2000万枚の小切手——米国のすべての小切手のおよそ10%——を読み取っていると見積もられていました²。ニューラルネットワークがまだこの分野の多くから一蹴されていた時期に、LeCunは一国の小切手の10分の1を静かに読み取るものを手にしていたのです。彼がその問題のために設計したアーキテクチャ——畳み込み、プーリング、階層へと積み重ねられた学習済み特徴——は、構造的に、現代のコンピュータービジョンを動かしているのと同じアイデアです。

オープンな研究とFAIR

2013年にLeCunがFAIRを築いたとき、彼は企業研究所としては自明とは言えない選択をしました。すなわち、仕事はオープンにする、というものです。論文を公開し、コードを公開し、モデルを共有する¹¹⁰。その賭けは、オープンな研究所は最良の研究者（自分の仕事が見られ引用されることを望む人々）を惹きつけ、分野全体をより速く前進させ、そして——ついでに言えば——あなたが築いたものを世界が検証し改良できるようにする、というものでした。

これは、なぜオープンソースはセキュリティ境界ではないのかという考えと哲学的にいとこ同士です。開かれていることは正しさの保証ではありませんが、正しさが見つけ出されるためのメカニズムなのです。LeCunの版は、それを科学に適用します。どのアーキテクチャが実際に世界の構造を学ぶのかを、私的に推論するだけでは知ることはできません。それらを公開し、他者が再現あるいは反証し、そして真理が精査を生き延びるのです。2023年のMetaによるI-JEPAの公開は、そのパターンの縮図です——訓練コードとモデルのチェックポイントが、数か月後でも決して公開されないのでもなく、論文と同時に公開されました⁸。最前線の研究所が最良の成果をますます企業秘密として扱う時代にあって、LeCunのオープンな姿勢は、知識がいかにして複利的に積み上がるかをめぐる、意図的で逆張りの立場なのです。

自己教師あり学習：ケーキ

LeCunのアイデアの中で最も深いものは、最もキャッチーな包装をまとったものでもあります。彼は何年にもわたって、この分野は知能の比率を逆に捉えていると主張してきました。そしてその主張を食べ物でやってのけたのです。2016年初めのNYU「Future of AI」での講演と、その年のNeurIPSの基調講演で、彼はケーキを掲げました。「もし知能がケーキだとすれば、ケーキの大部分は教師なし学習であり、ケーキの糖衣は教師あり学習、ケーキのてっぺんのさくらんぼが強化学習です」⁵。2019年までに、彼は「教師なし」を意図的に「自己教師あり」へと改めました——これは、入力の一部を隠してモデルに残りからそれを予測させることで、データが自ら教師信号を供給する変種です⁵。

この改訂は装飾的なものではなく、エンジンを名指すものです。「教師なし」はラベルの不在を述べています。「自己教師あり」は積極的なメカニズムを述べています。観察された世界そのものが、それ自身の訓練信号となるのです。これこそ、人間や動物が知っていることの圧倒的大部分——誰もラベルづけしてくれない常識的な物理や構造——を獲得する方法だ、と彼は主張します。彼がそれに与えた言葉が「知能のダークマター」です。教師あり手法や強化学習がその上に飾りをつけるだけの、ラベルのない膨大な学びの塊のことです⁵。もし彼が比率について正しいのなら、AIにおける最も重要な研究課題は、より大きなラベル付きデータセットでも、より多くの報酬信号でもなく、よりよい自己教師あり目的関数——世界をそれを見ることで学ぶこと——なのです。

世界モデルとJEPA：LLMに懐疑的な立場

LeCunの最も公の場で語られ、最も論争を呼ぶ立場は、ケーキから直接導かれます。もし真の知能がほぼ自己教師ありの世界構造の学習であるなら、人間が書いた次のトークンを予測することだけを訓練されたシステムは、世界モデルではなく言葉モデルを学んでいることになり——その基盤が持つ限界を受け継ぐことになります。彼はそれを率直に語ってきました。自己回帰型のLLMは人間レベルAIへの道における「降り口」であり、有用ではあっても道そのものではない。「LLMをスケールさせるだけでは、人間レベルのAIには到達しません」と⁹¹⁰。

彼が提案する代替案は、2022年のポジションペーパー「A Path Towards Autonomous Machine Intelligence」で導入されたJoint Embedding Predictive Architecture（JEPA）です⁶。鍵となる一手は、予測がどこで起こるか、という点にあります。生成モデルは、欠けた入力をピクセル単位で再構成しようとし、そのため予測不能なディテールをモデル化することに能力を浪費します——これが、生成モデルが手の指の正確な本数のようなものに悪名高く苦戦する理由です⁸。JEPAは代わりに抽象的な表現空間で予測を行い、予測できないディテールを無視して、シーンの構造的で低エントロピーな規則性に集中する自由を持ちます⁶⁸。MetaのI-JEPA（2023年）は、このビジョンの上に築かれた最初の具体的な画像モデルであり、オープンな形で公開されました⁸。

仲間の「ゴッドファーザー」との対比は、このシリーズの中で最も鋭いものです。Geoffrey Hintonは同じチューリング賞と、同じ孤独な数十年の信念を分かち合い、その後2023年に転じて、この技術は危険かもしれないと警告しました。LeCunは三人のうちの楽観主義者です——AIの安全性についてではなく、現在のアーキテクチャの天井について懐疑的なのです——そして2025年11月、彼はその信念にキャリアを賭け、Metaを去ってパリにAdvanced Machine Intelligence（AMI）Labsを創設しました。より大きな言語モデルではなく、世界モデルを中心にはっきりと据えて築かれたスタートアップです¹⁰。二人のゴッドファーザー、一つの賞、正反対のメッセージ。Hintonはうまくいきすぎるかもしれないから減速せよと言い、LeCunはこの特定の道は誰もが思う場所には通じていないと言って、別の道を指し示すのです。

方法

その方法は、小切手読み取り機から世界モデルのスタートアップまで一貫しています。問題の構造が要求するアーキテクチャを築き、ラベルなしで可能なかぎり多くを学び、そしてそれを開かれた形で行うのです。

構造をアーキテクチャに刻み込む。 畳み込みが機能するのは、画像についての真の事実——並進不変性——を、モデルにゼロから学ばせるのではなく、ネットワークの配線そのものに直接焼き込むからです。この教訓は一般化できます。問題について何かを知っているなら、データが教えてくれることを期待するのではなく、それをアーキテクチャに組み込むのです²³。

データを、それ自身の教師にする。 ラベルは希少で高価ですが、生の観察は豊富にあります。自己教師ありの姿勢——入力の一部を隠し、残りからそれを予測する——こそ、LeCunがシステムに必要な知識の大部分を学ばせようと提案する方法です。人間による教師あり指導には、最初ではなく最後に手を伸ばすのです⁵。

ピクセル空間ではなく、表現空間で予測する。 予測できないディテールをモデル化することに能力を費やしてはいけません。JEPAの中心的なエンジニアリング上の選択は、抽象的な表現を予測し、予測不能なものを意図的に捨てることです——そもそも何をモデル化する価値があるのかをめぐる規律なのです⁶⁸。

それを公開する。 オープンな論文、オープンなコード、オープンなモデル。LeCunの信念は、科学は開かれた場で複利的に積み上がり、秘密の中では停滞する、というものであり、彼はその原則に基づいて業界最大級の研究所の一つを10年間運営しました¹⁸¹⁰。

証拠が支持するなら、流行に背く立場を保つ。 彼は冬の時代を通じてニューラルネットワークを信じ続け、いまや業界全体がLLMに資本を注ぎ込むなか、それらは回り道だと考えています。誇大宣伝のサイクルの頂点で声高な懐疑論者であろうとする意志は、誰も気にかけなかったときに彼を畳み込みにとどまらせたのと同じ筋肉です⁹¹⁰。

影響の連鎖

彼を形づくった人々

福島邦彦。 福島のネオコグニトロン（1980年）——視覚野に着想を得た、層状で位置ずれに頑健な視覚ネットワーク——は、畳み込みネットワークの直接の祖先でした。LeCunは誤差逆伝播によるエンドツーエンド学習を加え、手で調整するアーキテクチャを、自らのフィルターを学習するものへと変えました。（直接的な影響）

David HubelとTorsten Wiesel。 彼らがノーベル賞を受賞した視覚野の神経科学——局所的な特徴を検出する単純細胞、位置を越えてプーリングする複雑細胞——は、畳み込みとプーリングが形式化する生物学的な設計図です。LeCunは、Hintonと同じく、脳が実際にどう見るかから推論しました。（形成的な影響）

コネクショニストの誤差逆伝播の系譜。 LeCunは1987年の学位論文で誤差逆伝播の初期形態を開発し、1986年のRumelhart-Hinton-Williamsの研究が有名にしたのと同じエンジンに収束しました。彼は、それが深く流行から外れていた時期に、コネクショニズムの計画を受け継ぎ、発展させたのです。（直接的な影響）

彼が形づくった人々

現代のコンピュータービジョン。 あらゆる畳み込みビジョンシステム——医療スキャンを読み取るもの、運転の知覚スタック、スマートフォンのカメラを動かすもの——は、構造的にLeNetの子孫です。彼はこの分野に貢献しただけでなく、その基盤となるアーキテクチャを供給したのです。

自己教師ありへの転換。 ラベルのないデータから学ぶことへの業界全体の転回——マスク付き事前学習、対照学習、結合埋め込み目的関数——は、LeCunの「ケーキ」の枠組みと、知能の大部分はここに宿るのだと主張し続けた彼の10年を、まっすぐに貫いて走っています。

一世代のFAIR研究者たち。 最大級のオープン産業研究所の一つを運営することで、LeCunは一世代がいかに仕事を公開し共有するかを形づくり、最も秘密主義的な最前線の研究所の外にいま存在するオープンモデルのエコシステムの多くを種まきしました。

貫く筋

LeCunは、このシリーズの深層学習の枝におけるコンピュータービジョンの根であり、最もすっきりした線はAndrej Karpathyへと前方に走っています。彼の仕事は、畳み込みが切り拓いた学習されたビジョンの分野のど真ん中にあり、その「Software 2.0」という捉え直し（ネットワークをデータからコンパイルされたプログラムとみなす）は、手作業の小切手読み取り機から学習されたものへというLeCunの一手の自然な一般化です。最も鋭い対比は、チューリング賞の共同受賞者であるGeoffrey Hintonとのものです。二人の「ゴッドファーザー」は、賞と、孤独な数十年と、脳に似た学習への賭けを分かち合いますが、現在という瞬間については袂を分かちます。心配性のHintonは、それがあまりに強力すぎるかもしれないと警告するために2023年にGoogleを去りました。楽観主義者のLeCunは、支配的なアーキテクチャは十分には強力でないと論じ、別のものを築くために2025年にMetaを去りました。Hintonが結果を恐れるところで、LeCunは経路に異を唱えます。二つの経路、一つの山。Hintonは危険が本物だと信じ、LeCunは開かれた形で学ばれた世界こそが道だと信じるのです。（シリーズの橋渡し）

私がここから受け取るもの

LeCunから私が手元に残し続けている教訓は、アーキテクチャは、あなたが実際に理解している部分を担うべきだ、ということです。畳み込みが機能するのは、10億の事例が並進不変性を教えてくれることを期待する代わりに、それをネットワークに組み込むからです——そしてそれは、私がシステムを設計するときにまさに手を伸ばす一手です。あるドメインについて何かが真だと知っているなら、私はそれを運任せにするのではなく、構造の中に符号化します。これは、美意識を技術的なシステムとして扱うのと同じ本能です。出力がうまく振る舞ってくれるという祈りの中にではなく、検証できる設計の中に既知の制約を置く——美意識を、現れることを願う雰囲気ではなく、擁護できるものとして扱うのです。

より難しい教訓は、LLMへの懐疑です。LeCunは誇大宣伝のサイクルの絶対的な頂点に立っています——業界全体、資本、注目のすべてが言語モデルのスケールに向けられているなかで——そして、記録に残る形で、それは降り口だと言っているのです。彼は間違っているかもしれません。重要なのは、異議を唱えることに高い代償が伴うときに、彼が反対の声であろうとしている点であり、それが逆張りの本能にではなく、表現空間での予測についての具体的な技術的論拠に根を下ろしている点です。それは証拠の関門を、コンセンサスそのものに向けたものです。「みんなが興奮しているのだから、それが道に違いない」ではなく、「このアーキテクチャは実際に何を学んでいるのか、そしてそれは私たちが望むものなのか」と問うのです。そして開かれていることは、私が最も直接に受け取る部分です——誰が正しいのかは、仕事を公開してそれを検証させることで突き止めるのだ、という信念です。だからこそ私は品質こそが唯一の変数だと扱い、その仕事が存在に値するかというSteveテストを、主張するものではなく精査に委ねるものとして扱うのです。LeCunは、ラベルを暗記するのではなく世界を学ぶことに、そしてそれを誰もが見える場所で行うことに、自らのキャリア全体を二度賭けたのです。

FAQ

Yann LeCunのエンジニアリング哲学とは何ですか？

世界を、開かれた形で学ぶこと、です。LeCunは、知能はほぼ自己教師ありだと主張します——機械が観察したものを予測することで世界の構造を学び、人間によるラベルや報酬信号はその上に乗る薄い層にすぎない、と。これは彼の「ケーキ」のたとえに表れており、そこでは自己教師あり学習が大部分、教師あり学習が糖衣、強化学習がさくらんぼです⁵。彼はこれを、オープンな研究へのコミットメントと組み合わせます。論文、コード、モデルを公開し、科学が再現され検証されるようにするのです¹⁸。彼のエンジニアリングの特徴は、既知の構造をアーキテクチャに直接符号化することにあります——畳み込みが並進不変性をビジョンネットワークに焼き込むように²³。

Yann LeCunは何を発明し、それは商用でどう使われましたか？

彼は現代の畳み込みニューラルネットワークの主たる発明者です。1989年、Bell Labsで彼は誤差逆伝播を実用的な課題——手書きの郵便番号の認識——に適用した最初の人々の一人となり、LeNetのプロトタイプを生み出しました。そして1998年の論文「Gradient-Based Learning Applied to Document Recognition」（Bottou、Bengio、Haffnerとの共著）がLeNet-5を記述しました²³。商用では、NCRが1996年からLeNetベースの小切手読み取り機を展開し、2001年までにそのシステムは1日に約2000万枚の小切手——米国のすべての小切手のおよそ10%——を読み取っていると見積もられていました²。

なぜYann LeCunは大規模言語モデルに懐疑的なのですか？

なぜなら、彼の見方では、自己回帰型のLLMは世界のモデルではなくテキストのモデルを学んでおり、それゆえスケールさせるだけでは人間レベルの知能には到達できないからです——彼はそれらを人間レベルAIへの道における「降り口」と呼びます⁹¹⁰。彼が提案する代替案は、2022年の論文「A Path Towards Autonomous Machine Intelligence」によるJoint Embedding Predictive Architecture（JEPA）であり、これはあらゆるピクセルやトークンを生成するのではなく、抽象的な表現空間で予測を行い、予測できないディテールを無視します⁶⁸。2025年11月、彼は世界モデルを直接追求するために、Metaを去ってパリにAMI Labsを創設しました¹⁰。

Yann LeCunはチューリング賞を受賞しましたか？

はい。彼はGeoffrey Hinton、Yoshua Bengioとともに2018年のACM A.M.チューリング賞を共同受賞しました——「深層ニューラルネットワークをコンピューティングの重要な構成要素にした概念的およびエンジニアリング上のブレークスルーに対して」、三人の「深層学習のゴッドファーザー」として⁴。LeCunの認められた貢献は、畳み込みネットワークと、深層学習を実用的なものにした彼のより広い仕事を中心としています。彼は現在について、Hintonとは公に意見を異にします。Hinton（2023年にGoogleを去りました）がAIの危険性を警告するのに対し、LeCunは、今日の支配的なLLMアーキテクチャは人間レベルの知能への道ではないと論じる楽観主義者です¹⁰。

出典