Словарь ИИ
Кто такой Ян Лекун
Коротко
Ян Лекун это исследователь ИИ, создатель сверточных нейросетей и лауреат премии Тьюринга за глубокое обучение.
Люди · Yann LeCun
Михаил МозгПроверено: 1 минута чтения
Ребенку
Как ты узнаешь кошку на картинке? Сначала замечаешь мелочи: ушки, усы, хвост. Потом складываешь их вместе и понимаешь, кто это. Лекун научил компьютер смотреть так же. Его программа разглядывает маленькие кусочки картинки, находит в них черточки и уголки, а потом собирает из них целые буквы и цифры. Так компьютер научился читать цифры, написанные от руки.
Простыми словами
Лекун придумал, как научить компьютер видеть. Обычная нейросеть смотрит на картинку как на длинный список точек и легко путается, если цифра чуть сдвинута. Сверточная сеть Лекуна проходит по изображению маленьким окошком и ищет одни и те же узоры в каждом месте: линии, дуги, углы. Следующие слои собирают из них части, а затем целые символы. Такая сеть узнает цифру, даже если ее написали криво или с наклоном. Его система LeNet-5 читала рукописные и печатные символы, а похожие сети потом стали основой компьютерного зрения.
Для бизнеса
Сверточные сети работают везде, где компании нужно разбирать изображения. Склад сканирует накладные, банк проверяет документы клиентов, завод ищет брак на снимках с конвейера, магазин считает товар на полках по фото. Группа Лекуна еще в 1997 году описала чтение чеков такой сетью, и распознавание документов до сих пор одна из частых задач. Цена проекта зависит от качества снимков, числа видов документов и того, сколько примеров придется разметить для дообучения. Главный риск: модель, обученная на чистых сканах, хуже справляется с мятыми фото с телефона. Поэтому до запуска собирают реальные образцы и считают долю ошибок. С каких данных начать, описано на странице о данных для ИИ.
Для специалиста
Сверточная нейросеть (convolutional neural network, CNN) применяет к изображению общий набор обучаемых фильтров, поэтому один и тот же признак распознается в любом месте кадра, а параметров нужно меньше, чем полносвязной сети. Слои подвыборки (pooling) уменьшают карту признаков и дают устойчивость к сдвигам и искажениям, обучение идет обратным распространением ошибки. Архитектура LeNet-5 из статьи LeCun, Bottou, Bengio, Haffner «Gradient-based learning applied to document recognition» (Proceedings of the IEEE, ноябрь 1998 года) распознавала рукописные и печатные символы. В 1997 году та же группа описала чтение чеков графовыми трансформирующими сетями (graph transformer networks). Премию Тьюринга 2018 года, объявленную 27 марта 2019 года, Лекун разделил с Джеффри Хинтоном и Йошуа Бенджио за прорывы в глубоком обучении и сверточных сетях. На момент награды он был профессором Нью-Йоркского университета, а также вице-президентом и главным научным сотрудником по ИИ в Facebook (деятельность Meta Platforms Inc. признана экстремистской и запрещена в России).
Пример
Бухгалтерия получает сотни сканов счетов в неделю. Сверточная сеть находит на скане поля с суммой, датой и ИНН, а бухгалтер проверяет только документы, в которых модель не уверена.
Хронология
- 2018: Премия Тьюринга 2018 года вместе с Хинтоном и Бенджио за глубокое обучение.
- 2019: Премия Тьюринга 2018 года объявлена 27 марта 2019 года за прорывы в глубоком обучении и сверточных нейросетях; на тот момент профессор Нью-Йоркского университета и вице-президент, главный научный сотрудник по ИИ в Facebook (деятельность Meta Platforms Inc. признана экстремистской и запрещена в России).
- 1998: Сверточная сеть LeNet-5 распознает рукописные и печатные символы; статья LeCun, Bottou, Bengio, Haffner «Gradient-based learning applied to document recognition» вышла в Proceedings of the IEEE в ноябре 1998 года, работа о чтении чеков в 1997 году.
Факты проверены: 2026-10-16
Связанные термины
Вопросы и ответы
Что придумал Ян Лекун?
За что Лекун получил премию Тьюринга?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений