Yann LeCun ระดมทุน 1 พันล้านดอลลาร์เพื่อสร้าง AI ที่เข้าใจโลกทางกายภาพ

 (wired.com)
5 คะแนน โดย GN⁺ 2026-03-11 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • สตาร์ตอัป Advanced Machine Intelligence(AMI) ที่ร่วมก่อตั้งโดย Yann LeCun อดีตหัวหน้านักวิทยาศาสตร์ AI ของ Meta ปิดดีล ระดมทุนได้มากกว่า 1 พันล้านดอลลาร์
  • AMI ตั้งเป้าพัฒนา world model เพื่อทำความเข้าใจโลกทางกายภาพ และสร้าง ระบบ AI รูปแบบใหม่ ที่มีความสามารถด้านการให้เหตุผล การวางแผน และความทรงจำ
  • LeCun วิจารณ์ว่า large language model (LLM) ไม่สามารถไปถึงระดับสติปัญญาเทียบมนุษย์ได้ และยืนยันว่า การเรียนรู้ที่อิงโลกทางกายภาพ คือแก่นของสติปัญญาที่แท้จริง
  • การลงทุนรอบนี้มีบุคคลสำคัญเข้าร่วม เช่น Bezos Expeditions, Eric Schmidt, Mark Cuban และ LeCun ยังกล่าวถึง ความเป็นไปได้ในการร่วมงานกับ Meta
  • AMI มุ่งพัฒนา เทคโนโลยีโอเพนซอร์ส และมีแผนสร้าง universal world model เพื่อนำไปใช้ครอบคลุมทั้งภาคอุตสาหกรรม

การก่อตั้ง AMI และการระดมทุน

  • Advanced Machine Intelligence(AMI) เป็นสตาร์ตอัปที่มีสำนักงานใหญ่ในปารีส ก่อตั้งร่วมโดย Yann LeCun หลังออกจาก Meta
    • LeCun เป็นผู้ที่เคยนำห้องปฏิบัติการ Fundamental AI Research(FAIR) ของ Meta และออกจาก Meta ในเดือนพฤศจิกายน 2025
  • ในรอบการลงทุนครั้งนี้ บริษัทระดมทุนได้ มากกว่า 1 พันล้านดอลลาร์ และถูกประเมินมูลค่าบริษัทไว้ที่ 3.5 พันล้านดอลลาร์
    • นักลงทุนหลัก ได้แก่ Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions เป็นต้น
    • รวมถึง Mark Cuban, Eric Schmidt, Xavier Niel ก็เข้าร่วมด้วย
  • นอกจากปารีสแล้ว AMI ยังมีแผนดำเนินงานแบบทั่วโลกด้วยสำนักงานใน มอนทรีออล สิงคโปร์ และนิวยอร์ก

ปรัชญา AI ของ LeCun และคำวิจารณ์ต่อ LLM

  • LeCun เน้นว่า การให้เหตุผลของมนุษย์ตั้งอยู่บน ประสบการณ์ในโลกทางกายภาพ มากกว่าภาษา
    • เขากล่าวว่า “ความคิดที่ว่าเราจะขยาย LLM แล้วไปถึงสติปัญญาระดับมนุษย์ได้นั้นเป็นภาพลวงตาโดยสิ้นเชิง”
  • เขายอมรับ ความสามารถในการสร้างโค้ดของ LLM แต่ชี้ว่านั่นไม่ได้หมายความว่าจะนำไปสู่สติปัญญาระดับมนุษย์
  • ก่อนหน้านี้ LeCun เคยทำวิจัยด้าน world model ภายใน Meta เช่น Joint-Embedding Predictive Architecture(JEPA) แต่
    เมื่่อ Meta เปลี่ยนไปใช้กลยุทธ์ที่เน้น LLM เป็นศูนย์กลาง เขาจึงตัดสินใจแยกตัวออกมา
    • เขาอธิบายว่า “จากภายนอก เราสามารถพัฒนาได้เร็วกว่า ถูกกว่า และมีประสิทธิภาพมากกว่า”

เป้าหมายทางเทคนิคของ AMI และการประยุกต์ใช้ในอุตสาหกรรม

  • AMI ตั้งเป้าพัฒนาระบบ AI ที่มี ความทรงจำต่อเนื่อง ความสามารถในการให้เหตุผล และการวางแผน
    • โดยมุ่งไปที่ “AI ที่ควบคุมได้และปลอดภัย”
  • มีการกล่าวถึง Toyota, Samsung ในฐานะบริษัทพันธมิตรเริ่มต้น
    • ตัวอย่างเช่น การสร้าง world model ของเครื่องยนต์อากาศยานเพื่อเพิ่มประสิทธิภาพและความน่าเชื่อถือ
  • ในระยะยาว บริษัทมีแผนพัฒนา universal world model เพื่อนำไปใช้ทั่วทั้งภาคอุตสาหกรรม

ทีมผู้ร่วมก่อตั้ง

  • นอกจาก LeCun แล้ว ผู้ร่วมก่อตั้งยังมีบุคคลจาก Meta เดิมอีกหลายคน
    • Michael Rabbat(อดีตผู้อำนวยการฝ่ายนักวิทยาศาสตร์วิจัย), Laurent Solly(อดีตรองประธานฝ่ายยุโรป), Pascale Fung(อดีตผู้อำนวยการฝ่ายวิจัย AI)
    • Alexandre LeBrun(อดีต CEO ของ Nabla) รับตำแหน่ง CEO ของ AMI และ Saining Xie(อดีตนักวิจัย Google DeepMind) รับตำแหน่งประธานเจ้าหน้าที่วิทยาศาสตร์ (CSO)

โอเพนซอร์สและประเด็นเรื่องการควบคุม AI

  • LeCun ย้ำว่า AI ไม่ควรถูกผูกขาดโดยบริษัทใดบริษัทหนึ่ง และเน้นนโยบาย การพัฒนาแบบโอเพนซอร์ส
    • เขาอ้างถึงกรณีที่กระทรวงกลาโหมสหรัฐฯ เพิ่ง ขึ้นบัญชีดำ Anthropic เพื่อชี้ให้เห็นข้อถกเถียงเรื่องอำนาจควบคุม AI
  • เขากล่าวว่า “การตัดสินว่า AI ดีหรือชั่ว ไม่ควรเป็นเรื่องของบุคคล แต่ควรถูกกำหนดโดย กระบวนการประชาธิปไตย”
    • พร้อมยกตัวอย่างว่า convolutional neural network (CNN) ที่เขาเคยมีส่วนพัฒนา ถูกนำไปใช้ในระบบเฝ้าระวังของบางประเทศ
  • เกี่ยวกับการใช้ AI ทางทหาร เขาอธิบายว่า แม้ในอดีตจะมี ขบวนการต่อต้านอาวุธอัตโนมัติ แต่ปัจจุบันเทคโนโลยีได้พัฒนาไปสู่การใช้งานเชิงป้องกัน เช่น โดรนอัตโนมัติของยูเครน

แผนในอนาคต

  • AMI มีแผน เปิดตัวโมเดล AI ตัวแรกโดยเร็ว แต่ในช่วงแรกไม่ได้คาดหวังความสนใจจากสาธารณะมากนัก
  • บริษัทจะขยายขอบเขตการประยุกต์ใช้เทคโนโลยีผ่านความร่วมมือกับพันธมิตรในอุตสาหกรรม และในระยะยาวตั้งเป้าพัฒนาไปสู่ ระบบปัญญาทั่วไป
  • LeCun ปิดท้ายด้วยรอยยิ้มพร้อมกล่าวว่า “เป็นแผนที่ทะเยอทะยานมาก”

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2026-03-11
ความเห็นจาก Hacker News

  • world model มี องศาอิสระ มากกว่ามาก
    โดยพื้นฐานแล้ว LLM เรียนรู้จากข้อความแบบคงที่ หรือก็คือข้อมูลภาษาที่มนุษย์ใช้อธิบายโลก จึงไม่ได้เรียนรู้จากโลกจริงโดยตรง
    เพราะงั้นมันจึงอาจนำไอเดียที่มีอยู่มาเรียบเรียงใหม่ได้ แต่แทบเป็นไปไม่ได้ที่จะเกิด การค้นพบเชิงสร้างสรรค์ หรือการประดิษฐ์อย่างแท้จริง
    หากมีสตาร์ตอัปที่เรียนรู้ความเข้าใจเชิงกาลอวกาศบนพื้นฐานของโลกกายภาพเกิดขึ้น นั่นก็น่าจะเป็นความพยายามแก้คอขวดที่แท้จริงบนเส้นทางสู่ AGI
    ต่อให้สำเร็จเพียงบางส่วน ก็น่าจะเปิดทางให้เกิดการทั่วไปเชิงนามธรรมและความคิดสร้างสรรค์ที่ LLM ปัจจุบันไปไม่ถึงด้วยข้อจำกัดเชิงโครงสร้าง

    • ผมไม่ค่อยเข้าใจมุมมองนี้
      ผมคิดว่าคอขวดของ AGI อยู่ที่ การเรียนรู้อย่างต่อเนื่อง และ backpropagation
      สมองมนุษย์ไม่ได้เรียนรู้แบบ backpropagation และ world model เองสุดท้ายก็ไม่ได้ต่างจากโครงสร้างดีปเลิร์นนิงที่เราคุ้นเคยมากนัก
      ถ้าคอขวดคือการ ‘เรียนรู้จากโลก’ ก็แค่เอา vision-action LLM ไปหมุนในลูป reinforcement learning กับหุ่นยนต์หรือสภาพแวดล้อมจำลองก็ได้
    • ผมคิดว่าความรู้สะสมของมนุษยชาติก็เพียงพอที่จะสร้าง ไอเดียที่เป็นนวัตกรรม ได้
      ไม่ใช่ทุกสาขาที่ต้องมีปฏิสัมพันธ์กับโลกกายภาพโดยตรง และต่อให้ใช้แค่ข้อมูลจากประวัติศาสตร์ที่ถูกบันทึกไว้ เราก็ยังสร้างการจำลองเสมือนที่มีกฎฟิสิกส์ 3 มิติได้
      สิ่งที่ LLM ขาดในตอนนี้คือ แรงขับภายใน — ความสามารถในการคิดเอง สะท้อนคิด และแก้ไขตัวเอง
      ตัวผมเองก็สร้างสรรค์ภายใต้ข้อจำกัดของความจำและความสนใจ แต่เมื่อคุยกับ AI ก็ได้ไอเดียใหม่ ๆ
      ท้ายที่สุด ความคิดของมนุษย์เองก็เป็นเพียงการผสมสิ่งที่เรียนรู้มา และ AI ก็อยู่บนเส้นต่อเนื่องเดียวกัน
    • LLM ทำงานอยู่ในโลกของภาษาและสัญลักษณ์ แต่มนุษย์เรียนรู้อะไรอีกมากจาก ประสบการณ์ตรง ที่ไม่ถูกทำให้เป็นภาษา
      จากที่ผมฟังในบรรยายของ Yann LeCun ทารกมนุษย์ในช่วงไม่กี่ปีแรกของชีวิตได้รับข้อมูลประสาทสัมผัสมากกว่าข้อมูลที่ LLM ใช้เรียนรู้เสียอีก
      ผมคิดว่านี่คือข้อจำกัดพื้นฐานของโมเดลที่อิงภาษา
    • ถ้ามองแบบประชดหน่อย เรื่องนี้ก็เหมือนแค่ปรากฏการณ์ เงินไล่ล่าเงิน
      LeCun เป็นเซลส์แมนที่เก่งมาก แต่ถึงจะล้มเหลว สังคมก็คงยังปกป้องเขาอยู่ดี
      เพราะงั้นพูดตรง ๆ ว่าผมไม่ได้รู้สึกนับถือเท่าไร
    • ตลอด 10 ปีที่ผ่านมา LeCun คอยล้อ Gary Marcus แล้วตอนนี้เหมือนกำลังกลับไปอยู่ฝั่งเดียวกับเขา
      จริง ๆ แล้ว Tenenbaum ศึกษา world model มานานมากแล้ว แต่คนในวัฒนธรรมสายเวนเจอร์กลับไม่ค่อยรู้แนวโน้มงานวิจัยพวกนี้
      เลยยิ่งถูกนำไปใช้เป็นเป้าหมายการลงทุนได้ง่าย

  • ตอนผมกินข้าวกลางวันกับ Yann เมื่อเดือนสิงหาคมปีที่แล้ว เขาบอกว่ากำลังคิดอยู่ว่าจะออกจาก Meta หรือไม่
    ผมแนะนำเขาว่าแทนที่จะช่วยทำความฝันของคนอื่น ก็ควรตั้งบริษัทของตัวเอง
    ผมเห็นด้วยกับมุมมองของเขาที่ว่า LLM จะไม่พาไปสู่ปัญญาระดับมนุษย์ แต่ก็ยังไม่มั่นใจว่า กลยุทธ์ world model คือคำตอบ

    • อยากฟังแบบเจาะจงว่าคุณคิดว่ากลยุทธ์ไหนเป็นเส้นทางที่ดีกว่า

  • สุดท้ายก็ออกมาในรูปแบบสตาร์ตอัปสินะ
    ส่วนตัวผมคิดว่า โมเดลสถาบันวิจัยแบบ Mila น่าจะเหมาะกว่า
    ถึงอย่างนั้น เส้นทางอาชีพของ LeCun และ คำตอบในทวีตของเขา ก็บอกอะไรได้ในตัวเอง
    ผมสงสัยว่าจะทำรายได้อย่างไร แต่ก็ขอให้ประสบความสำเร็จ
    ในเชิงประวัติศาสตร์ งานวิจัยที่มีความหมายล้วนมาจาก แล็บวิจัยของบริษัทยักษ์ใหญ่ที่มั่นคง — Bell Labs, IBM Research, Xerox PARC, MSR เป็นต้น

  • อิทธิพลของ Yann เป็นเรื่องที่ไม่ต้องสงสัย แต่แม้จะมีทรัพยากรมหาศาลที่ Meta ก็ยังไม่มีผลลัพธ์ที่เด่นชัด
    แนวทางการเข้าใจโลกผ่านวิดีโอนั้นโมเดลวิดีโออย่าง Seedance, Kling, Sora ก็ทำกันอยู่แล้ว
    เลยไม่ค่อยแน่ใจว่าความพยายามครั้งนี้ต่างออกไปแค่ไหน

    • การบอกว่า “Meta ไม่ได้มีอะไรออกมาเลย” เป็นการประเมินที่ไม่ยุติธรรม
      Meta เผยแพร่งานวิจัยระดับโลกออกมามาก และยังมีส่วนร่วมกับโอเพนซอร์สอย่างมากด้วย
      ตัวอย่างเช่นงาน Beyond Language Modeling: An Exploration of Multimodal Pretraining ก็มีอินไซต์จากการทดลองขนาดใหญ่จำนวนมาก
      ผมคิดว่า LeCun ทำหน้าที่ได้ยอดเยี่ยมในฐานะ ผู้นำงานวิจัย ไม่ใช่ผู้รับผิดชอบผลิตภัณฑ์
    • นักวิทยาศาสตร์ส่วนใหญ่ไม่ได้ทำงานวิจัยที่สั่นสะเทือนโลกกันทั้งนั้น ดังนั้นจะเมินความเห็นของเขาเพียงเพราะเหตุนี้ก็คงไม่ถูก
      วิทยาศาสตร์ไม่ใช่ตลาดแข่งขัน
      และคำว่า “เข้าใจ” ก็มีความหมายกว้างเกินไป — โมเดลยังคงทำข้อผิดพลาดเดิม ๆ ซ้ำอยู่
    • การมีทรัพยากรมากไม่ได้แปลว่าจะได้ผลลัพธ์ดีที่สุดเสมอไป
      บางครั้ง ความหลงใหลและอิสรภาพ ก็เป็นแรงขับที่สำคัญกว่า
    • หนึ่งในเหตุผลที่ LeCun ออกจาก Meta คือบริษัทเดินหน้าโดยมี LLM เป็นศูนย์กลางมากเกินไป
      เขาเชื่อว่า LLM ไม่ใช่เส้นทางสู่ AGI
    • หรือบางทีมันอาจเป็นแค่ ปัญหาที่ยากเกินไป ก็ได้

  • Yann LeCun ก่อตั้งสตาร์ตอัป world model ชื่อ AMI(Amilabs) และตั้งเป้ามูลค่าบริษัทเกิน 5 พันล้านดอลลาร์
    มีรายงานว่าได้ดึง LeBrun มาเป็น CEO, LeFunde เป็น CFO และ LeTune ดูแลงาน post-processing
    ดู บทความ TechCrunch ประกอบ

    • ให้ LeFunde ดูแลกองทุน LeTune ดูแล fine-tuning นี่ชื่อนี่ลงตัวเกินไป
    • น่าจะตั้งชื่อไปเลยว่า LeLabs
    • ตอนนี้โลกคงถูกปกครองโดยพวก nominative determinist แล้วล่ะ
    • นโยบายการจ้างงานดูสอดคล้องกันจนฟังเหมือนมุกตลก

  • เรื่องนี้ก็ถือว่ามาถูกจังหวะ
    โลกกำลังโฟกัสกับ LLM มากเกินไป จึงควรมีการวิจัยโมเดลรูปแบบอื่นต่อไป
    และหวังว่านี่จะเป็นจุดเริ่มต้นที่ทำให้ยุโรปมี สภาพแวดล้อมการวิจัย AI ที่น่าดึงดูด มากขึ้นด้วย

  • จะเห็นด้วยกับมุมมองของ LeCun หรือไม่ ผมก็คิดว่านี่เป็น เรื่องดีสำหรับยุโรป
    เราต้องการสถาบันวิจัยที่มีเงินทุนมากพอจะต่อกรกับระบบนิเวศ AI ที่สหรัฐฯ และจีนเป็นศูนย์กลาง
    Mistral หันไปเน้นด้าน integration และ consulting แล้ว ทำให้แนวหน้าของงานวิจัยว่างอยู่

    • แนวทางเทคนิคของ AMI น่าจะอยู่บนฐานของ JEPA
      ถ้าอ่านวิสัยทัศน์ของ LeCun ใน A Path Towards Autonomous Machine Intelligence ก็จะเห็นภาพแนวคิดของเขาชัดเจน
      JEPA เป็นโครงสร้างที่แม้แต่สตาร์ตอัปก็พอทดลองได้ และสตาร์ตอัป 3 คนของเราก็เคยฝึก JEPA กับข้อมูล time-series ทางการแพทย์มาแล้ว
      ยุโรปเองก็ต้องการ แนวทางวิจัยอิสระ แบบนี้
    • บางบทความระบุว่าสำนักงานใหญ่จะตั้งอยู่ที่ สิงคโปร์
      บทความ Straits Times
    • ส่วนตัวผมยังชอบ Mistral อยู่
      ประสิทธิภาพต่อราคา ดีมาก และสำหรับงานที่เกี่ยวกับการเรียนรู้ภาษา ถือว่าเยี่ยมที่สุด
    • ในฐานะนักลงทุน ผมลงเงินไปเล็กน้อย แต่คิดว่า LeCun มีแนวโน้มจะยึดมั่นในปรัชญาของตัวเอง
      ถ้ามุมมองของเขาถูกต้อง ก็จะเป็นประโยชน์อย่างมากต่อยุโรป แต่ถ้าผิดก็อาจเป็นแค่ การลงทุนแบบผลรวมเป็นศูนย์
      ถึงอย่างนั้นก็ยังคาดหวังผลลัพธ์ที่ดีได้ เพราะยังมีทรัพยากรที่แทบไม่ถูกแตะต้องอย่างข้อมูลวิดีโออีกมาก
    • การจะตัดสินว่านี่เป็นเรื่องดีต่อยุโรปหรือไม่ ก็ผูกตรงกับว่าคุณเชื่อว่า LeCun ถูกหรือเปล่า
      ถ้าคุณมองว่า LLM เพียงพออยู่แล้วและ RSI(Recursive Self-Improvement) ใกล้มาถึง เรื่องนี้อาจเป็นแค่ การเบี่ยงความสนใจ เท่านั้น

  • ลิงก์บทความ FT

    • ลิงก์ใช้งานไม่ได้ URL ต้นทางซ้ำกันจนเกิด redirect loop

  • พูดตรง ๆ ว่าผมยังไม่เข้าใจกระแส world model boom เท่าไร
    มันเป็นเพียงทฤษฎีมาหลายสิบปีแล้ว ขณะที่ LLM เปลี่ยนอุตสาหกรรมได้จริง
    แต่ถึงอย่างนั้นคนก็ยังพูดว่า “ไม่ใช่ LLM หรอก ของจริงคือ world model”

    • สุดท้ายแล้ว LLM กับ world model น่าจะ หลอมรวมกัน
      world model ใช้คาดการณ์อนาคต และ LLM ก็สามารถฝึกให้ทำนาย image token ได้เช่นกัน
      นี่อาจเป็น สัญญาณกำกับดูแล ที่ทรงพลังมาก
    • คำว่า “world model” ถูกใช้หลากหลายความหมายเกินไป
      ตัวแทนภายในที่ LLM สร้างขึ้นระหว่างการฝึกก็อาจถือเป็น world model แบบหนึ่งได้
      แต่ LLM ใกล้เคียงกับ เทคโนโลยีการลอกเลียนแบบ มากกว่า และยังขาดการเรียนรู้ที่แท้จริงหรือความคิดสร้างสรรค์
      ในทางกลับกัน แนวทางแบบสติปัญญาของสัตว์จะคาดการณ์การเปลี่ยนแปลงของโลกจริงและแก้ไขตัวเองผ่าน feedback
      กล่าวคือเป็น โครงสร้างการเรียนรู้ที่ยึดโยงกับโลกจริง ช่วยลด hallucination และสามารถวางแผนพฤติกรรมเพื่อให้บรรลุเป้าหมายได้
      ในความหมายนี้ “world model” จึงไม่ใช่แค่ตัวแทนภายในธรรมดา แต่เป็น โมเดลเชิงพฤติกรรม ที่เรียนรู้ผ่านการมีปฏิสัมพันธ์กับโลก

  • ท่ามกลางภูมิทัศน์การแข่งขัน AI ที่สหรัฐฯ เป็นศูนย์กลาง การท้าทายครั้งใหม่จากยุโรปแบบนี้ให้ความรู้สึกสดใหม่
    โมเดลที่มีอยู่เดิมต่างก็แข่งขันกันด้วยการลอกกันไปมา แต่ยังขาดนวัตกรรมที่แท้จริง