"No alcanzaremos la AGI con LLMs." Yann LeCun ha estado diciendo esto durante años. Ahora está dejando Meta para demostrarlo. LeCun inventó las redes neuronales convolucionales, la tecnología detrás de cada cámara de smartphone y coche autónomo hoy en día. Ganó el Premio Turing en 2018, el Nobel de la IA. A los 65 años, el líder del laboratorio de investigación FAIR de Meta se aleja de $600 mil millones en infraestructura de IA, apostando en contra de toda la industria: Meta, OpenAI, Anthropic, xAI, Google. ¿Quién es @ylecun? ¿Por qué se va y por qué importa su próximo movimiento? Aquí está la historia:

¿Quién es Yann LeCun? - Creó redes neuronales convolucionales (CNN) en los años 80, ahora fundamentales para la visión por computadora - Construyó LeNet en Bell Labs → primera aplicación a gran escala del aprendizaje profundo (lectura de cheques bancarios) - Ganó el Premio Turing (2018) junto a Hinton y Bengio - Se unió a Meta en 2013, fundó FAIR (Investigación Fundamental en IA) - Construyó una cultura de investigación abierta: publicando libremente, liberando modelos abiertos Es uno de los "padrinos del aprendizaje profundo."

La posición técnica central de LeCun LeCun ha sido consistente desde 2022: los modelos de lenguaje grandes tienen limitaciones fundamentales. Predicen patrones de texto pero carecen de: - Comprensión de la dinámica del mundo físico - Memoria persistente - Razonamiento causal - Planificación orientada a objetivos Su famosa analogía: "No podemos ni siquiera reproducir la inteligencia de un gato o de una rata, y mucho menos la inteligencia de un perro." Aboga por "modelos del mundo" — sistemas de IA que aprenden observando el mundo físico, no solo leyendo texto. Esto no representa un rechazo de los LLMs como inútiles, sino una creencia de que son insuficientes como camino hacia la inteligencia general.

La Tesis de Escalado: Por qué Meta No Está de Acuerdo Las enormes inversiones en computación de la industria se basan en una observación: los modelos más grandes consistentemente tienen un mejor rendimiento. GPT-3 a GPT-4 mostró capacidades que emergen a gran escala que los modelos más pequeños carecían por completo. La apuesta: si el escalado por sí solo puede alcanzar la AGI, quien construya la infraestructura más grande gana. La contra de LeCun: el escalado mejora la predicción de texto, no el razonamiento verdadero o la comprensión del mundo físico.

El cambio organizativo en Meta 2013–2024: FAIR operó con una autonomía significativa - Publicado abiertamente, recibió un gran poder de cómputo, mantuvo una cultura académica Abril de 2025: Llama 4 se lanza con críticas mixtas - Los benchmarks no coincidieron con GPT-4.5, Gemini 2, DeepSeek-R1 - Informes de presión interna para acelerar El liderazgo de Meta concluyó que necesitaban reestructurar los esfuerzos en IA.

Verano de 2025: Meta lanza una agresiva contratación de talento - El CEO Mark Zuckerberg se reúne personalmente con investigadores en sus casas en Palo Alto y Lake Tahoe - Se reportan bonos de firma de hasta $200M (Ruoming Pang de Apple) - Reclutados de OpenAI, DeepMind, Apple, Anthropic - Cambio de enfoque: De la investigación a largo plazo hacia un despliegue comercial más rápido

Junio de 2025: El movimiento de Alexandr Wang Meta invierte 14.3 mil millones de dólares por el 49% de Scale AI, una empresa de infraestructura de datos. Incorpora al fundador Alexandr Wang (28) como Director de IA, liderando los nuevos "Meta Superintelligence Labs." Contexto clave: - Wang construyó Scale AI desde una startup de anotación de datos hasta una valoración de 29 mil millones de dólares - Amplias relaciones con importantes laboratorios de IA (OpenAI, Google, DoD) - Conocido por su ejecución operativa, no por la investigación académica Esto cambió las estructuras de reporte en toda la organización de IA de Meta.

Reestructuración organizativa (junio-agosto de 2025) Meta crea "Meta Superintelligence Labs" (MSL) con cuatro divisiones: 1. Modelos de próxima generación (TBD Lab) 2. FAIR (investigación fundamental) 3. Productos e Investigación Aplicada 4. Infraestructura FAIR integrado en una estructura más amplia, perdiendo algo de autonomía previa. Algunos investigadores que valoraban la cultura académica de FAIR se marcharon: - Joelle Pineau → Cohere - ~600 puestos eliminados en octubre de 2025

Inversión en infraestructura a una escala sin precedentes Gastos de capital de 2025: $66–72B Proyectos principales: - Prometheus (Ohio): clúster de 1 gigavatio, 2026 - Hyperion (Luisiana): instalación de múltiples gigavatios A largo plazo: Meta proyecta $600B en infraestructura de IA hasta 2028. Esto representa la mayor apuesta de la industria por escalar las arquitecturas actuales — el enfoque que LeCun ha cuestionado públicamente.

Noviembre de 2025: Salida Planificada de LeCun Según fuentes: - Planes de irse en los próximos meses - Primeras discusiones de recaudación de fondos para una startup de modelos del mundo - Se anticipa un cronograma de investigación de 10 a 20 años - Enfoque en arquitecturas alternativas frente a la escalabilidad de las existentes Esto significaría renunciar al acceso a: - $600 mil millones en infraestructura planificada - Despliegue de 1.3 millones de GPU - Uno de los recursos de computación de IA más grandes del mundo

¿Qué sucede a continuación? En las décadas de 1980 y 1990, LeCun persistió con las redes neuronales cuando el campo las había abandonado. Su apuesta contraria se convirtió en la base de la revolución de la IA de hoy. Ahora está haciendo otra apuesta contraria: que la escalabilidad alcanza límites fundamentales, y que la verdadera inteligencia requiere entender el mundo físico, no solo predecir texto. Meta, OpenAI y Google están apostando más de 600 mil millones de dólares a que está equivocado: que las arquitecturas actuales pueden alcanzar la AGI solo a través de la escala. ¿Demostrará nuevamente el juicio técnico de LeCun ser premonitorio, o ganarán los que escalan? La respuesta definirá la próxima década de la IA.