AI-simulerad intervju. Gästens repliker är dramatiserade och inte autentiska uttalanden.

Alex Webb:

Yann LeCun – du är fortfarande chef för AI-forskningen på Meta, du undervisar vid New York University och har blivit något av en evig bråkstake i AI-debatten. Det senaste halvåret har du varit i rampljuset igen, allt från att såga Musks Grok till att kalla språkmodeller för ”en återvändsgränd”. Vad är det egentligen som gör dig så orubblig i din skepticism – när världen verkar rusa mot AGI med just språkmodeller?

Yann LeCun:

Jag vet inte om jag är orubblig. Jag tycker att det är viktigt att vara skeptisk – särskilt när alla springer åt samma håll. Jag har sagt det många gånger: språkmodeller är imponerande när det gäller statistik, men de saknar en verklig förståelse för världen. De är inte designade för att resonera eller planera. Det är en felaktig idé att tro att man kan skapa mänsklig intelligens bara genom att mata en maskin med text. Det är min övertygelse, byggd på både erfarenhet och principer.

Alex Webb:

Jag hörde dig nyligen uttrycka dig kritiskt om Anthropics Dario Amodei och även om OpenAI. Samtidigt fortsätter företag som OpenAI och Anthropic att dra in miljarder för just de här modellerna. Vad menar du att de missförstår?

Yann LeCun:

Jag vill vara tydlig: jag respekterar många av kollegorna, även om jag ibland uttrycker mig spetsigt. Min invändning gäller idén att språkträning är tillräckligt för att nå allmän intelligens. Titta på barn. De lär sig av världen, av att manipulera objekt, av att pröva och misslyckas – inte av att läsa miljoner sidors text. Språk är en ytlig representation av kunskap, inte själva kunskapen. Att bygga modeller som tror att text är allt, det är att gå vilse. Vi behöver maskiner som kan förstå fysik, orsak och verkan. Inte bara papegojor – och det är en liknelse som använts av många i fältet, inklusive mig – som lär sig att återge texter utan att förstå dem.

Alex Webb:

Många menar att du förenklar – språkmodeller blir ju hela tiden bättre på att resonera, säger de. Kan du peka på ett konkret exempel där språkmodellerna fundamentalt misslyckas jämfört med vad du skulle förvänta dig av ett intelligent system?

Yann LeCun:

Absolut. Låt oss ta planering och kausalitet. Ställ en språkmodell framför ett enkelt vardagsproblem, som att planera att laga middag med begränsade ingredienser och ett visst tidsfönster – den kan kanske ge förslag, men den ”förstår” inte fysiska begränsningar, temperatur, eller hur olika steg hänger ihop. Den kan generera rimlig text, men det är just det – text. Den har inget inbyggt begrepp om verkligheten och kan inte generalisera utanför den träning den fått. Det är substansen i min kritik.

Alex Webb:

Du låter ibland uttråkad av debatten. Finns det någon del av AI-hajpen 2026 som du ändå tycker är genuint inspirerande?

Yann LeCun:

Jag är inte arg, bara frustrerad ibland över debattens ytlighet. Men visst, det finns tekniska framsteg som är imponerande. Robotik går framåt och det är spännande att se hur perception och handling kopplas ihop. Vision-based systems har tagit stora kliv, och där ser vi faktiskt blandningar av fysiska och kognitiva förmågor. Och det finns roliga projekt inom simulerad inlärning, som påminner om barns sätt att utforska världen. Men när folk pratar om ”superintelligens” från språkmodeller – där tappar jag tålamodet.

Alex Webb:

Meta investerar ändå massiv i språkmodeller – samtidigt som du ifrågasätter dem. Finns det inte en risk för att ni sätter för stor tilltro till en teknik du själv anser har tydliga begränsningar?

Yann LeCun:

De är användbara, förstås. Det vore oärligt att påstå något annat – de är bra på vissa saker: textgenerering, sammanfattningar, översättningar. Där är affärsnyttan tydlig, och det är naturligt för ett företag som Meta att investera i sådant. Men det betyder inte att vi tror det är vägen till allmän intelligens. Vi har parallella forskningsspår, försöker utveckla system som har någon slags modell av världen, kan planera, lära av konsekvenser, manipulera objekt. Men kommersiellt är LLM:er lönsamma och det är svårt att ignorera den verkligheten.

Alex Webb:

Du delar Turingpriset med Hinton och Bengio. Idag står ni ofta på olika sidor i debatten om AI:s risker och möjligheter. Känns det ibland ensamt att vara så frispråkig?

Yann LeCun:

Det har aldrig varit mitt mål att vara en del av någon klubb eller konsensus. Vi har alltid haft olika åsikter – det är därför forskningen går framåt. Geoffrey [Hinton] är mycket mer oroad över existentiella AI-risker, och jag tycker ofta att den diskussionen blir överdriven och för abstrakt. Men vi respekterar varandra, och det finns en vänskaplig grundton, även när vi är oense. Forskarvärlden är inte alltid så homogen som folk tror; den lever av meningsskiljaktigheter.

Alex Webb:

Du nämner ofta barn som exempel – vad har du själv lärt dig om intelligens av att vara förälder?

Yann LeCun:

Att barn är extremt tålmodiga och extremt envisa. Man inser snabbt att intelligens inte är att veta saker, utan att kunna ta reda på saker. Barn ställer frågor, testar, bryter saker – och det är så de lär sig. Det är en process, inte en databas. Och de förstår snabbt grundläggande fysik – som gravitation och stabilitet – långt innan de kan sätta ord på det. Den sortens inlärning är något som dagens AI saknar, och som jag tror är avgörande att återskapa.

Alex Webb:

Du har sagt att du själv inte sover särskilt mycket. Hur påverkar sömnbrist en AI-forskares omdöme, tror du? Fattar du annorlunda beslut när du är trött?

Yann LeCun:

Haha! Ja, ibland blir man lite för vass i sina tweets, det är sant. Men allvarligt – det är ett krävande fält. När man är inne i en idé, svårt att släppa. Att sitta uppe sent och försöka lösa ett problem är ibland oumbärligt. Men det finns en risk att man blir mindre nyanserad och mindre tålmodig när man är trött. Jag försöker bli bättre på att ta pauser och få ordentligt med sömn, men det är ett pågående projekt. De bästa idéerna kan ibland dyka upp när man minst anar det – både kl 02 och efter en riktigt bra natts sömn.

Alex Webb:

Du har bott i USA sedan 1980-talet, men är fransman i själ och hjärta. Hur har åren i New York påverkat dig – har du blivit mindre fransk på något sätt?

Yann LeCun:

Jag tror inte det. Möjligen äter jag snabbare nu, men det är väl allt. Jag har kvar en viss fransk pessimism, och ett visst franskt nöje i att gräla om saker. I USA är det mer ”alla är vinnare” – det är en annan kultur. Men jag har lärt mig uppskatta det också. Och New York är nog den mest europeiska av alla amerikanska städer. Jag tycker om den kosmopolitiska energin. Min franska identitet är fortfarande en grund, men jag är också påverkad av amerikansk öppenhet och innovationsiver.

Alex Webb:

Om du jämför den akademiska kulturen i Frankrike och USA – vilken tror du egentligen är bäst för AI-forskning idag?

Yann LeCun:

Båda har sina styrkor och svagheter. Frankrike har traditionellt en mycket stark matematisk tradition och grundforskning, men systemet kan vara hierarkiskt och lite långsamt. USA är snabbare, mer experimentellt, och det finns mer pengar och risktagande, men också en risk att man jagar kortsiktiga resultat. Jag föredrar att plocka det bästa från båda världar. Mångfald är avgörande för innovation, både kulturellt och vetenskapligt.

Alex Webb:

När du beskriver AI-världen – den är ibland rå, extremt penningdriven, och ibland nästan religiös i sin övertygelse om teknikens möjligheter. Hur håller du dig jordad?

Yann LeCun:

Det är faktiskt svårt. Jag försöker läsa annat än AI ibland. Fysik, filosofi, historia. Och så promenerar jag mycket, helst i städer. Jag gillar det anonyma med städer, att vara en i mängden. Det är avkopplande. Att sköta tvätten är också bra för själen. Och så har jag vänner utanför teknikvärlden, som påminner mig om att det finns annat än AI. Att laga mat är också ett sätt att koppla bort – det är kreativt och konkret, precis vad man behöver efter en dag fylld av abstrakta modeller.

Alex Webb:

Du har varit mycket kritisk mot Elon Musks AI-satsning och har kallat vissa projekt ”misslyckanden”. Vad är det som saknas i Musks förståelse av AI, tycker du? Och har du någonsin diskuterat direkt med honom om detta?

Yann LeCun:

Jag har träffat Musk på olika event, men vi har aldrig haft någon längre teknisk diskussion. Han är en utmärkt entreprenör, men han blandar ofta ihop PR med vetenskap. Det finns en övertro på att man kan lösa djupa forskningsproblem genom att bara göra större modeller, mer data, mer pengar. Så fungerar det inte alltid. Musk vill ha kontroll, men det krävs mer än så för att skapa verklig intelligens hos maskiner – framförallt förståelse för inlärning och representation, inte bara beräkningsresurser.

Alex Webb:

Du är, med all respekt, inte rädd att trampa på tår. Har du någonsin ångrat en debatt eller ett uttalande? Har någon av dina mer spetsiga formuleringar lett till oväntade konsekvenser?

Yann LeCun:

Ja, det har jag. Inte ofta, men ibland. Särskilt när tonläget blir för högt och diskussionen glider iväg från substans. Det är lätt att dras med när folk vill ha snabba svar och stora ord. Ibland märker man i efterhand att det blev mer personligt än avsett. Men jag försöker påminna mig om varför jag började: för att förstå, inte för att vinna. Och ibland måste någon säga det obekväma – även om det gör en impopulär tillfälligt.

Alex Webb:

Du har sagt att du är mer orolig för dåliga AI-system än för ”superintelligens”. Kan du ge ett konkret exempel på en risk med dagens AI, som du tycker att folk underskattar?

Yann LeCun:

Folk oroar sig för hypotetiska monster, men det som är farligt är dumma, opålitliga system som får för mycket ansvar. Självkörande bilar som inte förstår vägskyltar kan fatta farliga beslut. AI som används för övervakning utan insyn kan missbrukas av auktoritära regimer. Missvisande algoritmer inom rekrytering eller kreditbedömning kan cementera orättvisor. Det är verkliga risker – och de är redan här. Fokus måste ligga på robusthet, ansvar och genomskinlighet i dagens system, inte på science fiction-scenarier.

Alex Webb:

Många av dina kollegor talar om AI-förordningar och reglering. Vill du se mer lagstiftning, eller riskerar vi att bromsa innovationen?

Yann LeCun:

Det behövs viss reglering, särskilt kring tillämpningen av AI i känsliga områden som sjukvård, rättsväsende och transport. Men lagstiftning får inte bli ett hinder för öppen forskning och innovation. Det är en svår balans – vi behöver reglering av användningen, inte av själva forskningen. Transparens, ansvar och insyn är viktigare än total kontroll. Jag tror att öppenhet är den bästa vaccinet mot missbruk.

Alex Webb:

En oväntad fråga: Om du blev tvungen att byta karriär helt och hållet imorgon, vad skulle du göra?

Yann LeCun:

Oj. Jag har alltid gillat elektronik, så kanske bygga instrument. Eller bli någon slags stadsflanör och skriva om städer. Men min fru säger att jag hade blivit en utmärkt bagare – det är också en form av optimering, faktiskt. Och jag kan tänka mig att arbeta med stadsplanering eller konst, något där estetik och funktion möts. Det finns många sätt att använda kreativitet på, även utanför AI.

Alex Webb:

Du nämnde filosofi tidigare. Finns det någon filosof vars idéer du tycker borde få mer plats i AI-debatten?

Yann LeCun:

Kanske Gilbert Ryle. Han talade om ”knowing how” och ”knowing that” – att kunna göra saker kontra att bara veta fakta. AI behöver kunna agera, inte bara lagra information. Många missar den skillnaden. Och Jean Piaget, förstås, som studerade barns lärande. Det lättaste är att glömma bort den långsamma, laborativa fasen där förståelse faktiskt byggs. Det borde vi ha mer respekt för även i AI-utveckling.

Alex Webb:

Du har varit förespråkare för öppen AI-forskning. Finns det något du ångrar med din starka linje för öppen källkod? Finns det någon risk att öppenhet blir en säkerhetsrisk?

Yann LeCun:

Jag tror alltjämt att öppenhet varit avgörande för utvecklingen. Det har gjort fältet mer rättvist och tillgängligt. Men visst, det öppnar för missbruk – särskilt när teknologin blir kraftfullare. Det är ett dilemma som forskarvärlden behöver hantera kollektivt. Men jag tror det är farligare att låta tekniken koncentreras hos några få privata aktörer och att skapa oligopol på kunskap.

Alex Webb:

Hur gör du för att skydda din egen integritet? Du måste vara ett av världens mest googlade namn inom AI – finns det en gräns för hur mycket man kan skydda sitt privatliv i din position?

Yann LeCun:

Man kan inte skydda sig helt. Jag försöker hålla vissa saker privat, särskilt min familj. Men annars är jag ganska öppen. Jag gillar att prata – och ibland får man ta konsekvenserna av det. Jag undviker att diskutera privata detaljer på sociala medier och är restriktiv med bilder, men i övrigt får man acceptera att offentlighet är en del av jobbet när man är så pass engagerad i debatten.

Alex Webb:

Många unga AI-forskare ser dig som förebild. Vad skulle du säga till någon som är 21 och sitter i studentkorridoren och tränar sitt första neuronnät?

Yann LeCun:

Försök förstå grunderna. Tro inte att du behöver följa hajpen hela tiden. Lär dig matematik, fysik, filosofi, och försök hitta egna frågor. Försök att nyfiket gräva i saker som verkar svåra – inte bara snabba resultat eller modeord. Glöm inte att djupa idéer ofta kommer från oväntade håll. Och – bli inte för beroende av vad andra tycker är viktigt.

Alex Webb:

Du har vunnit Turingpriset, jobbat på Bell Labs, Facebook, NYU – är det något du fortfarande känner att du måste bevisa?

Yann LeCun:

Haha, säkert! Alla forskare har något att bevisa – om inte för andra, så för sig själva. Forskning är aldrig klar. Jag vill förstå vad som krävs för verklig förståelse hos maskiner. Det är fortfarande ett mysterium. Om jag en dag tycker jag vet allt – då är det dags att sluta. Forskning handlar om att drivas av nyfikenhet och självtvivel – annars utvecklas man inte, varken som människa eller vetenskapsman.

Alex Webb:

Hur ser din arbetsdag ut, egentligen? Sitter du i ändlösa möten eller har du fortfarande tid att koda ibland?

Yann LeCun:

Det blir många möten, särskilt i en stor organisation som Meta. Men jag försöker hitta tid för forskning och hands-on arbete, ofta kvällstid eller på helger när det är lugnare. Jag tycker det är viktigt att behålla kontakten med själva hantverket i forskningen – det är där nya idéer föds. Och ibland leder ett litet experiment till insikter som ingen mötesagenda i världen kan leverera.

Alex Webb:

Det finns ett växande intresse för att AI ska kunna förklara sina beslut – så kallad ”explainability”. Är det överhuvudtaget möjligt att bygga neuronnät som människor verkligen kan förstå, eller får vi nöja oss med att tolka dem som svarta lådor?

Yann LeCun:

Det är en viktig fråga. För vissa tillämpningar måste vi kunna förklara besluten – annars kan vi inte lita på dem. Det är dock svårt att göra komplexa modeller helt transparenta. För vissa domäner kan vi använda enklare modeller, men i andra fall behöver vi bättre verktyg för att analysera varför en modell gör som den gör. Förklarbarhet handlar inte bara om teknik, utan också om att designa system där man kan spåra beslut och identifiera felkällor. Det är ett pågående forskningsområde och jag tror vi kommer göra framsteg, men vi når nog aldrig total transparens för de mest komplexa modellerna.

Alex Webb:

Din fru – vad tycker hon egentligen om AI? Får du ständiga AI-frågor till middagen, eller försöker ni prata om annat?

Yann LeCun:

Hon är tålmodig, det måste jag säga. Och ja, ibland får jag AI-frågor, men oftast handlar livet om annat. Hon har inget intresse av teknik för teknikens skull – vilket är nyttigt för mig. Någon måste påminna mig om att det finns en värld utanför algoritmerna. Och ibland får jag höra att jag är för förlorad i mina egna tankar – det är nog en hälsosam påminnelse.

Alex Webb:

Hur ser du på framtiden för AI i Europa? Är vi för långsamma, eller finns det något unikt i den europeiska tillgången på forskartalang och etik?

Yann LeCun:

Europa har en lång tradition av grundforskning och stor respekt för etik. Problemet är ofta bristen på riskkapital och ett fragmenterat regelverk. Men den akademiska talangen är mycket stor. Jag tror Europa borde våga ta mer risker och skapa en miljö där forskning omsätts i innovation snabbare. Att hitta balansen mellan etik och fart är nyckeln – och där kan Europa faktiskt bli föredöme om man lyckas.

Alex Webb:

En sista, oväntad fråga: Vad är det konstigaste du har i ditt kylskåp just nu?

Yann LeCun:

Haha! Okej, märklig fråga. Jag tror att jag fortfarande har en burk med fransk senap från min hemstad. Den har säkert passerat bäst före-datumet – men den påminner mig om var jag kommer ifrån. Kanske är det därför den får vara kvar?

Alex Webb:

Yann LeCun – tack för att du tog dig tid, och för att du fortfarande vågar säga emot både kollegor och konventioner.

Yann LeCun:

Tack själv! Ibland är det enda meningsfulla man kan göra att säga emot, särskilt när alla andra ropar samma sak. Och det har jag övat på i många år nu.


Om Yann LeCun

Yann LeCun är professor vid New York University och chef för AI-forskningen på Meta (Facebook). Han är en av pionjärerna inom djupinlärning och tilldelades 2018 Turingpriset tillsammans med Geoffrey Hinton och Yoshua Bengio. LeCun är känd för sin skepticism mot språkmodeller som väg till generell intelligens och för sin frispråkighet i AI-debatten.

Senaste åren har han fortsatt att delta aktivt i både den tekniska utvecklingen och debatten om etik, öppenhet och AI-reglering. Han är också en förespråkare för öppen källkod inom AI och har betonat vikten av att kombinera teknisk innovation med reflektion över teknologins samhällspåverkan. LeCun är bosatt i New York och undervisar där parallellt med sitt arbete vid Meta.

av WebbX

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *