ヤン・ルカンのリーダーシップスタイル：オープンサイエンス、逆説的な賭け

主要事実： ヤン・ルカン（1960年生、フランス、Soisy-sous-Montmorency）は2013年からMetaの最高AI科学者を務めており、FAIR（Facebook AI Research）を設立しました。彼はNYUのCourant Instituteのシルバープロフェッサーです。1980年代後半、彼は畳み込みニューラルネットワーク（CNN）を共同発明し、銀行チェック認識のためのLeNetを配置しました。彼は、Yoshua BengioおよびGeoffrey Hintonと2018年のTuring賞を共有し、PyTorchをTensorFlowより支持し、MetaのオープンソースLlamaリリースをサポートし、AIの終末主義と閉じ込め型モデルの安全性のナラティブの分野の最もうるさい批評家です。

オープンサイエンスAIの原則

オープンサイエンスAIの原則は、AIの進歩が、企業の壁の後ろに貯蔵されるのではなく、モデル、フレームワーク、研究がオープンにリリースされるとき、より速く、より安全に、より公平に進むという確信です。この原則の下では、オープンネスは競争戦略として扱われます。倫理的な譲歩ではなく。オープンツールの周りに構築されたエコシステムは独占的な溝よりも防御可能だからです。ルカンの対立逆説的なスタンスは、技術的なリーダーが、ナラティブが商業的に競合他社にとって快適であっても、証拠が彼らをサポートしていないときに、公開で合意を反対する必要があるということです。

ヤン・ルカンは1990年代の大部分を、フィールドが大部分放棄した技術で仕事をしました。畳み込みニューラルネットワークは計算上高価で、理論的に物議を醸し、資金を提供していません。彼のベルラボのチームはとにかく彼らを構築し、それらを訓練可能にするための逆伝播を精製し、LeNet（手書き認識システム）をデプロイしました。1998年までに、LeNetはアメリカ銀行支店で実行されていました。

これは、長い方法では言うことです。ルカンは不快な瞬間に難しいことについて正しいと前にいました。だから彼の現在の位置（大規模言語モデルは単独では人工一般インテリジェンスに達しないであろう、そしてその分野は世界モデルのようなもの、追求する必要があります）は、それがモデル構築の人々にとって不快であっても、真摯に使用するに値します。

彼は2018年のTuring AwardをYoshua BengioとGeoffrey Hintonと共有しており、現在、深い学習の父神と呼ばれている3人の研究者の中です。彼は11年間、Metaの最高AI科学者であり、FAIRを世界で最も生産的なオープン研究ラボの1つにしました。そして彼はTensorFlowのバックアップがGoogleの完全な重みを持つピークピークのピークアップでPyTorchとをサポートしました。長い賭けのトラックレコードは良いです。

リーダーシップスタイルの分析

比率はその影響と彼が生成する摩擦の両方を説明します。オープンネスなしの逆説的なパイオニアリングは、単に作業するのが難しいでしょう。人気がない位置を保持しながら開いた科学なしで安全でアノテーション最適化研究を生成します。一緒に、彼らはフィールドを移動する、また、橋を燃やすスタイルを作成します。

主要なリーダーシップ特性

ルカンを定義した3つの決定

1. 産業サポートなしにCNNとLeNetを発明（1989-1998）

ルカンがポスドクとしてベルラボに1988年に到着したとき、彼はすでに逆伝播を適用して手書き認識に畳み込みアーキテクチャを使用していました。考えは技術的に健全でしたが、実用的に困難でした。神経ネットワークは1980年代のハードウェアがほぼ支持しなかった計算を必要としました。フィールドは最初のAI冬の後、コネクショニズムで酸っぱくなりました。

ルカンはとにかく彼を構築しました。1989年までに、彼はCNNsに関する基盤論文を公開していました。1998年までに、LeNet-5アーキテクチャは、アメリカ全土の銀行で最も精製版および実行バージョンでした。

ここでのリーダーシップの決定は単一の選択ではありませんでした。それは明確な近期商業的な報酬がなく、AI社団の重要な部分が行き止まりと考えた研究プログラムへの持続的なコミットメントでした。ベルラボは彼にリソースと走行道を提供しました。彼は謝罪なしで両方を使用しました。

これが示すもの：最も重要な技術的な賭けはしばしば、それらが正しく見える前に何年もの間、間違って見えます。ルカンはLLeNet生産で結果を持ちました。CNNsが流行になる前に。これは結果がコンセンサスを構築するための別のモードです。あなたが技術的な組織をリードしている場合、あなたのチームに2年間間違ってみえる仕事をする許可を持つために質問。

2. Facebook AI Researchでの PyTorch文化を構築（FAIR）

ルカンが2013年にFacebookに参加してFAIRを構築するとき、彼は2つの義務がありました。世界的クラスのAI研究を生成し、Facebookを改善するためにAIをします。約定はMark Zuckerbergを説得することを要求していました。研究を公開する（競合他社が構築できた仕事を含む）は、それを貯蔵するよりも優れた長期戦略でした。ザッカーバーグは同意し、オープンソースAIに対するその賭けがMetaのフィールドでの位置を定義しました。彼は両方で実行されました。オープンに発行された研究組織を構築し、研究独立を望んだ学術人材を採用し、研究者の内側と外側のMetaが実際に使用したいフレームワークとしてのPyTorchの開発をサポートしました。

PyTorch決定は重大でした。TensorFlow、Googleのバックアップで、2015年にPyTorchを立ち上げたときは、支配的な研究フレームワークでした。TensorFlowはより多くのユーザー、より多くのチュートリアル、より大きな会社を持っていました。ルカンとFAIRチームはPyTorchをサポートしました。なぜなら、より良い動的計算グラフがあり、研究の実験をより急速に作りました。彼らは正しかった。

2022年までに、PyTorchはAI研究でおおらかなフレームワークになりました。NeurIPS、ICML、ICLRで発表された論文の大部分で使用されています。それはマーケティングではありませんでした。それは、最高の研究ツールが勝つという技術的かつ文化的な賭けで、開いたことがそれを加速させるという賭けでした。任意の閉じたプラットフォームより。

FAIRモデルはまた、出版の規範を放棄することなく、産業ラボへの厳格な学術研究者を引き付けることができることを証明しました。ほとんどの企業AI実験室は、考察と競争上の優位性を保護する間の張力を持つのに苦労しています。ルカンはその張力を競争上の利点にする開いた開いた方で解決しました。

3. 公開で閉じたモデルAI安全フレーミングに反対する

2023年と2024年に、OpenAIとAnthropicが、AI安全による閉じられた、慎重に制御されたモデルリリースを必要とするナラティブを構築するとき、ルカンは公開で一貫して押し戻しました。彼の議論には2つの部分がありました。第一に、LLMsは自動目標指向の動作のために必要な建築を持たないため、主張されている実存的リスクは送ります。第二に、安全性を閉じたモデルリリースの正当化として使用することは、倫理をドレスアップしたの競争戦略です。

彼はこれを直接かつ繰り返し言いました。X、インタビュー、学術的な講演で。彼は2023年のポストで「ばかげた恐怖」AIドゥーム物語を呼びました。彼はMetaがLlamaを公開にリリースするのは、閉じたモデルアプローチを持つOpenAIよりも安全だと主張しました。なぜなら、オープンモデルは独立した安全研究を可能にしています。閉じた数学は防ぐです。

この位置は本当に物議を醸しています。OpenAIとAnthropicの賢い人々は同意していません。しかし、ルカンの公開スタンスはAI安全議論を必要な方向に押しました。一般的な実存的なリスクへの訴えではなく、実績的な特異性に向かって。

リーダー向け：直接競合他社のマーケティング物語を矛盾する位置を名前を付ける喜びはまれで有用です。ルカンは彼の批判を軟化させて紛争を回避しません。彼は技術的な位置を述べ、別のサイドを具体的な請求に対して議論する。それは、一般的で調査可能な代替的な視点より、拆卸のはるかに難しいレトリカルな位置です。

あなたのロールでルカンが何をするか

CEOであれば、オープンソースプレイブックは非AI背景に直接翻訳可能です。ルカンの論文は、リリースプロセスが貯蔵より多くの信頼と容量を構築するということです。あなたのビジネスでは、方法論を公開し、内部ツールをオープンソースリリース、または競合他社が理論的に受益できたかもしれない研究を共有することを意味するかもしれません。ルカンのキャリアからの反直感的な見つけ：開放性は秘密より多くの耐久的な競争優位を作り出します。なぜなら、そのアプローチを複製するより難しい、エコシステムの建築です。

COOであれば、FAIRモデルは才能についての運営レッスンを持っています。彼は本物の研究独立を与えることで研究組織を構築しました。彼らが興味深いと見つけた仕事をする能力と発行します。あなたの運営チームはおそらく、あなたが彼らに与えた場合はより多くをすることができます。タイトなタスクは安定した環境で効率的です。それは急速な環境での才能保留問題です。

製品リーダーであれば、PyTorchストーリーは製品管理ケーススタディです。PyTorchはマーケティングまたは企業販売を通じて勝たれませんでした。実際にモデルを構築している人々のための日次の仕事を改善することによって。ルカンと彼のチームは、開発者の経験を持つ人々の優先順位を付けた。あなたの製品が初期採択者と幅広い展開の間で使用法間隙を持つ場合、問題は通常です。デモコールで印象的であるのではなく、毎日それを使用している人の本当にそれを改善します。

販売またはマーケティングにいる場合、ルカンの公開議論戦略は歯を持つ思考のリーダーシップに翻訳します。彼は慎重に巧みな、物議を醸さないコンテンツを書きません。彼は特定の技術的な立場を述べ、押し戻しを招待します。そのアプローチは、技術的に洗練された買い手との、より多くのエンゲージメントとより多くの信頼を、磨かれたコンテンツが何も物議を醸さないと言うより生成します。あなたの市場があなたが正しいと思う正統性を持つ場合、直接それを言うことは、違いの戦略です。

ReWorkがルカンのオペレーティングモデルをどのようにサポートするか

ルカンのオペレーティング論理は逆説的な技術的確信をオープンソースレバレッジと組み合わせます。不人気で正しい建築賭けを選び、それからエコシステムが複合するようにツール化を解放します。このプレイブックは、内部オペレーティング層がポイントと研究層と同じくらい急速に移動するなら、ほぼすべてのほぼすべてが停止します。Reworkは開発者最初、AI先読み書きチームでこのプレイブックをフォロー構築されています。そのCRM、Sales Ops（月額12ドル/ユーザー）とWork Ops（月額6ドル/ユーザー）スタックは、製品、研究、GTM機能が共有オペレーティングサーフェスを取得しており、閉じベンダーの取引をするのではなく、オープンフレームワークに対して船建てる。チームはオープンフレームワークに対して船です。Reworkで採用シグナルを追跡し、商業運動とは技術的な賭けを揃えます。長い水平線の呼び出しをするリーダー向けで、オペレーショナルな質問はそれが最もどのスイート機能を持つものです。ここで、それは、あなたのエンジニアの方法から出ていないことです。

注目すべき引用と教室外の教訓

「LLMsがAGIに導くと信じていません。彼らは推理し、常識を持つシステムに導くと思う、計画し、持続的なメモリまたは迅速に新しいタスクを学ぶことはできません。」Lex Fridman、2022年とのインタビューのヤン・ルカン。

これは、LLMsが実行する基礎を構築した3人の人の1つからの特定の偽りの請求です。彼は間違っているかもしれません。タイムラインは彼を驚かせるかもしれません。しかし、多くの安全文書が独立したアラームのリーダーが最も高い利害関係の技術的な質問についての特定の、偽りの予測を構成する喜びは反対です。

2024年X投稿では、AI災害の予測に応答して、ルカンは書きました。「システムが世界を引き継ぐ前に、それは確実に食料品店に移動することができることを示す必要があります。」その文はAI危険について考えるため最も冗長な安全文書よりもある有用なキャリブレーションが含まれています。彼は、抽象的なアラームを縮小する、具体的な異議を見つけるための才能を持ります。

このスタイルが壊れるところ

公開反論は高価です。ルカンは、AI安全研究者、LLM愛好家、競合実験室のチーフとの確執は、彼をいくつかの人々向けの本当に協働困難にしました。テクノロジー研究で連合を形成することは、ルカンが常に展開する外交的な抑制の程度を必要とします。彼のJEPA研究プログラムはフィールドがスキプティカルに見ているため、部分的にLLM国境より遅く移動されています。

オープンソース確信はまた本当の制限があります。MetaのLlamaリリースはグローバル機能研究を加速させました。Metaよりも少ない安全に焦点を当てた行為者を含む。ルカンのこれらの懸念の棄却は、証拠が支援するより多くの確実性として読みます。また、彼のAGI懐疑論は、経路が正しい場合、タイミングで間違っているかもしれません。組織がどのように計画するかについての重要な。最終的に正しいことは、あなたの前で決定と同じことではありません。Fei-Fei LiとDemis Hassabisは、両方がルカンの深い学習ルーツを共有しますが、安全とオープンネスについて異なる位置に上陸しています。対比セットとして読む価値があります。

---

関連読書：Andrew Ng Leadership Style、Sam Altman Leadership Style、Building AI-Ready Teams。