Quem é Yann LeCun: O Inventor das CNNs, a Saída da Meta e a AMI Labs

Quem é Yann LeCun

Yann LeCun é um cientista da computação franco-americano, nascido em 8 de julho de 1960 em Soisy-sous-Montmorency, uma pequena cidade nos subúrbios de Paris, na França. Ele é amplamente reconhecido como o inventor das Redes Neurais Convolucionais (CNNs), uma das arquiteturas de inteligência artificial mais importantes da história, e um dos três "Padrinhos da IA" que receberam o Prêmio Turing em 2018 ao lado de Geoffrey Hinton e Yoshua Bengio.

Durante mais de três décadas, LeCun ajudou a transformar o campo do aprendizado profundo (deep learning) de uma linha de pesquisa marginal e frequentemente ridicularizada em uma tecnologia que movimenta trilhões de dólares e está presente em praticamente todos os dispositivos digitais do planeta. Seus trabalhos fundamentais tornaram possível o reconhecimento de imagens, a tradução automática, os carros autônomos e os assistentes de inteligência artificial que usamos diariamente.

Em novembro de 2025, LeCun deixou a Meta após 12 anos como Chief AI Scientist, em meio a uma saída explosiva envolvendo o escândalo do Llama 4 e divergências profundas com Mark Zuckerberg. Em janeiro de 2026, ele fundou a AMI Labs em Paris, com uma avaliação pré-lançamento de US$ 3,5 bilhões — uma das maiores da história para uma startup de IA.

Infância e Educação na França

Yann LeCun cresceu em Soisy-sous-Montmorency, uma comuna residencial ao norte de Paris. Desde jovem, ele demonstrou uma curiosidade intensa por tecnologia e ciência. Em entrevistas, LeCun descreve como foi atraído pela eletrônica e pela programação ainda adolescente, numa época em que computadores pessoais eram raríssimos na França.

Ele estudou engenharia na ESIEE Paris (École Supérieure d'Ingénieurs en Électronique et Électrotechnique), onde teve seus primeiros contatos formais com ciência da computação. Foi durante esse período que LeCun começou a se interessar por redes neurais artificiais, um campo que, na década de 1980, era considerado quase uma pseudociência por grande parte da comunidade acadêmica.

Em 1987, Yann completou seu doutorado (PhD) na Universidade Pierre e Marie Curie (atual Sorbonne Université), em Paris. Sua tese tratou de modelos de aprendizado para redes neurais, um trabalho pioneiro que lançou as bases para toda a sua carreira posterior. Logo após o doutorado, ele cruzou o Atlântico para fazer pós-doutorado com Geoffrey Hinton na Universidade de Toronto, no Canadá — uma parceria que se tornaria uma das mais importantes da história da IA.

Foi no laboratório de Hinton que LeCun refinou suas ideias sobre backpropagation e começou a trabalhar nos conceitos que levariam à criação das redes convolucionais. A experiência em Toronto foi transformadora: ele saiu com uma visão clara de que as redes neurais tinham potencial imenso, mesmo quando a maioria dos pesquisadores as considerava um beco sem saída.

As Redes Neurais Convolucionais e a LeNet

A maior contribuição técnica de Yann LeCun para a ciência da computação é, sem dúvida, a invenção das Redes Neurais Convolucionais (Convolutional Neural Networks, ou CNNs). Desenvolvidas no final dos anos 1980 e refinadas ao longo dos anos 1990, as CNNs revolucionaram a maneira como computadores processam e interpretam imagens.

A ideia central é brilhante na sua simplicidade: em vez de tentar processar uma imagem inteira de uma vez (o que exigiria uma quantidade absurda de parâmetros), as CNNs usam filtros pequenos que deslizam pela imagem, detectando padrões locais como bordas, texturas e formas. Camada após camada, esses padrões simples se combinam para formar representações cada vez mais complexas — de bordas a olhos, de olhos a rostos.

O sistema mais famoso de LeCun foi a LeNet-5, desenvolvida entre 1989 e 1998. A LeNet foi projetada para reconhecer dígitos manuscritos — especificamente, os números escritos à mão em cheques bancários. E não era um projeto acadêmico abstrato: a LeNet foi implantada comercialmente pelo Bell Labs da AT&T e, no auge de seu uso, processava mais de 20 milhões de cheques por dia nos Estados Unidos.

Segundo dados da ACM, entre 1998 e 2001, o sistema de LeCun era responsável por ler entre 10% e 20% de todos os cheques processados nos EUA. Cada vez que alguém depositava um cheque num caixa eletrônico e o banco identificava automaticamente o valor escrito à mão, havia uma chance significativa de que a tecnologia de Yann LeCun estivesse por trás daquele reconhecimento.

Esse feito é particularmente notável porque aconteceu numa era em que a maioria dos pesquisadores de IA tinha abandonado redes neurais em favor de métodos estatísticos como SVMs (Support Vector Machines). LeCun continuou apostando em redes neurais quando quase todos os seus colegas as descartavam como uma abordagem inferior.

Os Anos no Bell Labs da AT&T

Em 1988, logo após seu pós-doutorado com Hinton, Yann LeCun foi contratado pelo lendário Bell Labs da AT&T em Holmdel, New Jersey. O Bell Labs era, naquele momento, talvez o maior centro de pesquisa aplicada do mundo — o lugar onde foram inventados o transistor, o laser, o sistema operacional Unix e a linguagem C, entre muitas outras inovações que definiram o século XX.

Foi no Bell Labs que LeCun teve a liberdade e os recursos para transformar suas ideias sobre redes convolucionais em sistemas reais e funcionais. Ele liderou o grupo de pesquisa em reconhecimento de imagens e desenvolveu a LeNet para uso comercial no sistema de leitura automática de cheques bancários dos EUA.

Os anos no Bell Labs (1988-2003) foram extremamente produtivos. Além da LeNet, LeCun trabalhou em compressão de imagens e vídeos usando redes neurais, um tema que, décadas depois, seria retomado com sucesso por empresas como Netflix e Google. Ele também desenvolveu técnicas de treinamento mais eficientes para redes profundas e contribuiu para os fundamentos teóricos do aprendizado de máquina moderno.

No entanto, o período no Bell Labs também foi marcado por frustrações. O chamado "inverno da IA" dos anos 1990 e 2000 fez com que o financiamento para pesquisa em redes neurais secasse quase completamente. A comunidade acadêmica e a indústria favoreciam métodos como SVMs e Random Forests. LeCun, junto com Hinton e Bengio, era um dos poucos pesquisadores que insistiam que o deep learning era o caminho certo — e por isso foram frequentemente ignorados ou criticados.

NYU: Professor e Center for Data Science

Em 2003, LeCun deixou o Bell Labs e assumiu uma posição como Silver Professor no Courant Institute of Mathematical Sciences da Universidade de Nova York (NYU). O título de Silver Professor é uma das mais altas honras acadêmicas concedidas pela NYU, reservado a pesquisadores de impacto excepcional.

Na NYU, LeCun continuou suas pesquisas em aprendizado profundo e reconhecimento de padrões, formando uma nova geração de pesquisadores que mais tarde ocupariam posições de destaque na indústria de IA. Muitos de seus alunos de doutorado e pós-doutorado foram trabalhar no Google Brain, Facebook AI Research, DeepMind e outras organizações que lideraram a revolução do deep learning.

Em 2012, LeCun fundou o Center for Data Science da NYU, um dos primeiros centros acadêmicos dedicados à ciência de dados como disciplina integrada. A criação do centro refletia a visão de LeCun de que dados, computação e aprendizado de máquina estavam convergindo para transformar não apenas a ciência da computação, mas praticamente todas as áreas do conhecimento humano.

O ano de 2012 também foi decisivo por outro motivo: foi quando Alex Krizhevsky, um aluno de Geoffrey Hinton, usou uma rede convolucional profunda (AlexNet) para vencer a competição ImageNet com uma margem avassaladora. Aquela vitória provou para o mundo que LeCun, Hinton e Bengio estavam certos o tempo todo. O deep learning deixou de ser marginal e se tornou a corrente dominante da IA, praticamente da noite para o dia.

12 Anos na Meta e o FAIR

Em dezembro de 2013, Mark Zuckerberg convidou Yann LeCun para fundar e dirigir o Facebook AI Research (FAIR), o laboratório de pesquisa em inteligência artificial da empresa que mais tarde se tornaria Meta. LeCun aceitou a posição de diretor do FAIR enquanto mantinha sua cátedra na NYU — uma combinação que lhe permitia operar simultaneamente nos mundos acadêmico e corporativo.

Sob a liderança de LeCun, o FAIR se tornou rapidamente um dos centros de pesquisa em IA mais respeitados do mundo, rivalizando com o Google DeepMind e o Anthropic. O laboratório publicou centenas de artigos influentes, desenvolveu ferramentas fundamentais para a comunidade de IA e atraiu alguns dos melhores pesquisadores do mundo.

Uma decisão crucial de LeCun no FAIR foi a aposta em pesquisa aberta. Diferentemente da OpenAI de Sam Altman, que progressivamente se fechou, LeCun insistiu que o FAIR publicasse seus resultados e compartilhasse código abertamente. Essa filosofia culminou em duas das maiores contribuições da Meta para o ecossistema de IA: o PyTorch e o Llama.

Em 2018, LeCun foi promovido a Chief AI Scientist da Meta, uma posição que lhe dava influência sobre toda a estratégia de IA da empresa. Durante seus 12 anos na companhia, ele supervisionou a expansão do FAIR para escritórios em Paris, Londres, Montreal e Tel Aviv, transformando-o numa operação verdadeiramente global com mais de 500 pesquisadores.

PyTorch, Llama e a Revolução Open Source

Duas das maiores conquistas do período de LeCun na Meta foram o lançamento do PyTorch em 2017 e da família de modelos Llama a partir de 2023. Ambos exemplificam a filosofia de pesquisa aberta que LeCun defendeu durante toda a sua carreira.

O PyTorch se tornou o framework de aprendizado de máquina dominante no mundo. Usado por pesquisadores acadêmicos, startups e grandes empresas, o PyTorch superou o TensorFlow do Google e se estabeleceu como a ferramenta padrão para desenvolver e treinar modelos de IA. Em 2026, a grande maioria dos papers de IA publicados nas principais conferências usa PyTorch como framework principal.

Já a família Llama (Large Language Model Meta AI) representou a aposta da Meta em democratizar o acesso a grandes modelos de linguagem. O Llama 1 foi lançado em fevereiro de 2023, seguido pelo Llama 2 (julho de 2023) e Llama 3 (abril de 2024). Todos foram disponibilizados como modelos de pesos abertos, permitindo que qualquer pessoa os baixasse, modificasse e usasse — uma abordagem radicalmente diferente da de empresas como OpenAI e Anthropic, que mantêm seus modelos fechados.

Ironicamente, seria justamente o Llama 4 — o sucessor dessa linha — que precipitaria a saída turbulenta de LeCun da Meta, como veremos nas próximas seções.

Prêmio Turing 2018 — Os Padrinhos da IA

Em março de 2019, a Association for Computing Machinery (ACM) anunciou que o Prêmio Turing de 2018 — frequentemente chamado de "Nobel da Computação" — seria concedido a três pesquisadores: Yann LeCun, Geoffrey Hinton e Yoshua Bengio. O trio foi reconhecido por "avanços conceituais e de engenharia que tornaram as redes neurais profundas um componente crítico da computação".

A premiação foi um momento de validação extraordinária. Por décadas, LeCun, Hinton e Bengio haviam sido ridicularizados por insistir em redes neurais quando a comunidade de IA as tinha abandonado. Foram chamados de idealistas, teimosos e fora da realidade. O Prêmio Turing finalmente reconheceu que eles estavam certos — e que sua persistência havia criado a tecnologia mais transformadora do século XXI.

Os três se tornaram conhecidos como os "Godfathers of AI" (Padrinhos da Inteligência Artificial), um apelido que reflete tanto a importância de suas contribuições quanto o fato de terem trabalhado juntos e se apoiado mutuamente durante os longos anos em que a pesquisa em deep learning era considerada irrelevante.

Curiosamente, os três seguiram caminhos muito diferentes após a premiação. Hinton se juntou ao Google e depois saiu para alertar sobre os riscos existenciais da IA. Bengio permaneceu na academia e se tornou um dos maiores defensores da regulamentação de IA. E LeCun seguiu um caminho contrário a ambos: ele insistiu que os riscos da IA são exagerados e que os modelos de linguagem atuais não estão nem perto de uma inteligência artificial geral.

A Saída Explosiva da Meta

Em 18 de novembro de 2025, Yann LeCun anunciou sua saída da Meta após 12 anos como Chief AI Scientist. Mas essa não foi uma transição tranquila — foi uma das saídas mais ruidosas e controversas da história recente do Vale do Silício, envolvendo acusações de resultados fraudulentos, divergências filosóficas profundas e conflitos pessoais com a liderança da empresa.

O estopim foi o escândalo do Llama 4. Segundo reportagens da Fortune e do MIT Technology Review, LeCun acusou a equipe de GenAI da Meta de ter "inflado resultados" ("results were fudged") nos benchmarks do Llama 4, alegando que os números de performance publicados não refletiam a realidade dos testes internos.

A situação se agravou quando Zuckerberg, sob pressão da comunidade técnica e de investidores, decidiu reestruturar toda a divisão de IA generativa da Meta. LeCun descreveu a mudança como Zuckerberg tendo "perdido a confiança" ("lost confidence") na abordagem que o próprio LeCun defendia — que LLMs eram ferramentas úteis mas não o caminho para a superinteligência.

Um dos episódios mais comentados envolveu Alexandr Wang, CEO da Scale AI e conselheiro informal de Zuckerberg para assuntos de IA. LeCun chamou Wang de "inexperiente" e declarou publicamente: "You don't tell a researcher like me what to do" ("Você não diz a um pesquisador como eu o que fazer"). A frase viralizou nas redes sociais e se tornou símbolo do conflito entre pesquisadores acadêmicos de IA e a nova geração de empreendedores de tecnologia.

Além do conflito sobre resultados, a saída de LeCun refletiu uma divergência filosófica fundamental. Ele acredita que LLMs (Large Language Models) são um "beco sem saída para a superinteligência" ("dead end for superintelligence"), enquanto a Meta — assim como OpenAI, Google e Anthropic — continuava a investir bilhões de dólares em modelos de linguagem cada vez maiores. Para LeCun, a inteligência real requer compreensão do mundo físico, não apenas previsão de palavras.

AMI Labs: A Nova Aposta de US$ 3,5 Bilhões

Menos de dois meses após deixar a Meta, Yann LeCun anunciou em janeiro de 2026 a fundação da AMI Labs (Advanced Machine Intelligence Labs), uma nova empresa de pesquisa e desenvolvimento em inteligência artificial sediada em Paris. A startup já nasceu com uma avaliação pré-lançamento estimada em US$ 3,5 bilhões, tornando-a uma das empresas mais valiosas da história antes mesmo de apresentar um produto.

O CEO da AMI Labs é Alexandre LeBrun, um empreendedor francês com longa experiência na interseção de IA e negócios. LeBrun co-fundou a Wit.ai (adquirida pelo Facebook em 2015) e a Nabla, uma startup de IA para saúde. A escolha de LeBrun como CEO permite que LeCun se concentre integralmente na pesquisa e na direção científica da empresa, sem as distrações da gestão corporativa.

A AMI Labs busca levantar uma rodada inicial de €500 milhões em financiamento, com investidores europeus e americanos competindo por alocação. O projeto conta com o endosso pessoal do presidente francês Emmanuel Macron, que vê a AMI Labs como uma peça central na estratégia de soberania digital da Europa e da França.

Em uma entrevista após o anúncio, LeCun declarou que "o Vale do Silício está hipnotizado pelos modelos atuais" ("Silicon Valley is hypnotized by current models"). Para ele, a corrida entre OpenAI, Google, Anthropic e Meta para construir LLMs cada vez maiores é fundamentalmente equivocada, porque esses modelos não possuem compreensão real do mundo — apenas manipulam padrões estatísticos de texto.

A escolha de Paris como sede não é acidental. Além de ser a cidade natal de LeCun, a França se tornou um polo de IA de destaque mundial, com empresas como Mistral AI, Hugging Face e agora AMI Labs. O ecossistema parisiense oferece acesso a talentos formados nas grandes écoles francesas, um custo operacional menor que o do Vale do Silício e apoio governamental significativo para pesquisa em IA.

V-JEPA e World Models: A Aposta Contra os LLMs

A filosofia que guia a AMI Labs — e que sempre diferenciou LeCun dos demais líderes de IA — é a crença de que o caminho para a inteligência artificial avançada não passa por modelos de linguagem, mas por World Models (modelos de mundo) que compreendem a realidade física.

No coração dessa visão está o V-JEPA (Video Joint Embedding Predictive Architecture), uma arquitetura que LeCun desenvolveu no FAIR e que ele levou consigo para a AMI Labs. O V-JEPA não prevê a próxima palavra de uma sequência (como fazem ChatGPT, Claude e Gemini) — ele prevê estados futuros do mundo físico a partir de observações visuais.

A ideia é inspirada na maneira como bebês e animais aprendem. Um gato de três meses já entende que objetos não desaparecem quando saem do campo de visão, que objetos pesados caem e que um copo derrubado vai se quebrar. Esse entendimento intuitivo da física não pode ser aprendido lendo textos — ele requer experiência visual e sensorial do mundo real.

LeCun argumenta que o problema mais difícil da IA não é criar um chatbot que passe na prova da OAB ou que escreva código — é criar uma IA com "inteligência de nível canino" ("dog-level intelligence"). Um cachorro entende física intuitiva, navega ambientes complexos, lê emoções humanas e se adapta a situações novas. Nenhum LLM atual consegue fazer isso, não importa quantos trilhões de tokens tenha processado.

A abordagem de World Models é radicalmente diferente dos LLMs em aspectos fundamentais. Enquanto um modelo como o ChatGPT ou o Claude aprende a partir de texto (um sinal de entrada extremamente comprimido e abstrato), os World Models aprendem a partir de vídeo, imagens e dados sensoriais — sinais muito mais ricos e de maior largura de banda.

A aposta de LeCun é que, no longo prazo, os World Models serão a base para IAs que realmente entendem e interagem com o mundo — desde robôs autônomos até assistentes pessoais que compreendem contexto físico. E ele acredita que a AMI Labs está 5 a 10 anos à frente da concorrência nesse paradigma.

Visão para o Futuro da IA

Yann LeCun tem visões fortes e frequentemente controversas sobre o futuro da inteligência artificial. Ao contrário de pesquisadores como Dario Amodei (CEO da Anthropic) e Geoffrey Hinton, que alertam sobre riscos existenciais da IA, LeCun é enfaticamente otimista.

Ele declarou repetidamente que "LLMs são um beco sem saída para a superinteligência" ("LLMs are a dead end for superintelligence"). Para LeCun, por mais impressionantes que sejam o GPT-4, Claude ou Gemini, esses modelos não possuem compreensão genuína. Eles manipulam padrões estatísticos de texto com sofisticação extraordinária, mas não entendem o que estão dizendo — e, portanto, nunca alcançarão inteligência de nível humano sem uma mudança fundamental de paradigma.

Sua visão para o futuro inclui IAs que funcionam como "staff" pessoal: "AI is going to be our staff", ele disse em uma palestra em 2024. Não substitutos para humanos, mas assistentes inteligentes que compreendem o mundo, executam tarefas complexas e se adaptam ao contexto. Ele vê um futuro onde cada pessoa terá acesso a uma equipe de IAs especializadas, democratizando capacidades que hoje são privilégio de poucos.

LeCun também é um crítico vocal do movimento de "AI Safety" na sua forma atual. Ele argumenta que as preocupações com superinteligência descontrolada são prematuras e especulativas, e que regulamentar IA com base em cenários apocalípticos seria como regular aviação em 1900 com base no medo de que aviões bombardeassem cidades. Para ele, o foco deveria ser em resolver problemas reais e imediatos — como viés algorítmico e desinformação — não em ameaças hipotéticas de um futuro distante.

Essa posição o coloca em conflito direto com Hinton (seu colega de Prêmio Turing), com Amodei (que fundou a Anthropic justamente para construir IA de forma segura) e com grande parte da comunidade de pesquisa em IA. Mas LeCun nunca se intimidou com opiniões contrárias — afinal, passou décadas defendendo redes neurais quando todos diziam que ele estava errado.

Prêmios e Honras

Ao longo de sua carreira, Yann LeCun acumulou uma lista impressionante de premiações e reconhecimentos que refletem seu impacto duradouro no campo da inteligência artificial e da ciência da computação:

• Prêmio Turing 2018 — ACM (Association for Computing Machinery), junto com Geoffrey Hinton e Yoshua Bengio. Considerado o "Nobel da Computação".
• Legião de Honra 2023 — Condecoração oficial do governo francês, na ordem de Chevalier, por contribuições excepcionais à ciência e tecnologia da França.
• Prêmio Princesa de Astúrias 2022 — Concedido pela Fundação Princesa de Astúrias da Espanha na categoria Pesquisa Científica e Técnica, junto com Geoffrey Hinton e Yoshua Bengio.
• Silver Professor — NYU — Uma das mais altas distinções acadêmicas da Universidade de Nova York, reconhecendo pesquisadores de excepcional impacto.
• Membro da National Academy of Engineering — Eleito membro da academia americana de engenharia.
• Membro da National Academy of Sciences — Eleito para a academia de ciências dos EUA.
• IEEE Neural Network Pioneer Award — Pelo desenvolvimento das redes neurais convolucionais.
• AAAI Fellow — Fellow da Association for the Advancement of Artificial Intelligence.

Esses prêmios representam reconhecimento tanto da comunidade técnica quanto dos governos de múltiplos países, algo raro para um pesquisador de ciência da computação. Eles também refletem o fato de que as contribuições de LeCun transcendem a academia: suas invenções são usadas diariamente por bilhões de pessoas em todo o mundo, mesmo que a maioria não saiba disso.

Perguntas Frequentes

Quem é Yann LeCun e por que ele é importante para a IA?+

Yann LeCun é um cientista da computação franco-americano, inventor das Redes Neurais Convolucionais (CNNs) e ganhador do Prêmio Turing 2018 — o "Nobel da Computação". Suas CNNs são a base de praticamente toda tecnologia de reconhecimento de imagens, desde filtros do Instagram até diagnósticos médicos por IA. Ele liderou a pesquisa de IA da Meta por 12 anos e em 2026 fundou a AMI Labs em Paris.

Por que Yann LeCun saiu da Meta?+

LeCun saiu da Meta em novembro de 2025 após divergências profundas. Ele acusou a equipe de GenAI de inflar resultados do Llama 4 ("results were fudged"), entrou em conflito com o conselheiro Alexandr Wang (chamando-o de "inexperiente") e discordou fundamentalmente da aposta da Meta em LLMs como caminho para a superinteligência. Zuckerberg reestruturou a divisão de IA, o que LeCun interpretou como perda de confiança em sua visão.

O que é a AMI Labs?+

A AMI Labs (Advanced Machine Intelligence Labs) é a nova empresa de Yann LeCun, fundada em janeiro de 2026 em Paris. Com uma avaliação pré-lançamento de US$ 3,5 bilhões e objetivo de levantar €500 milhões, a AMI Labs foca em World Models e V-JEPA — uma abordagem radicalmente diferente dos LLMs. O CEO é Alexandre LeBrun e a empresa tem o endosso do presidente Macron.

O que são World Models e V-JEPA?+

World Models são sistemas de IA que compreendem o mundo físico — não apenas texto. O V-JEPA (Video Joint Embedding Predictive Architecture) prevê estados futuros do mundo a partir de observações visuais, similar a como bebês e animais aprendem sobre física intuitiva. LeCun acredita que essa abordagem, e não LLMs como ChatGPT, é o verdadeiro caminho para IA avançada.

LeCun realmente acredita que LLMs são um beco sem saída?+

Sim. LeCun declarou repetidamente que "LLMs are a dead end for superintelligence". Ele argumenta que modelos como ChatGPT, Claude e Gemini manipulam padrões estatísticos com sofisticação, mas não possuem compreensão real do mundo. Para ele, o problema mais difícil da IA não é passar em provas ou escrever código — é alcançar "inteligência de nível canino", algo que nenhum LLM consegue.

Qual a relação entre Yann LeCun, Geoffrey Hinton e Yoshua Bengio?+

Os três são conhecidos como os "Godfathers of AI" (Padrinhos da IA) e dividiram o Prêmio Turing 2018. LeCun fez pós-doutorado com Hinton em Toronto nos anos 1980. Juntos, eles mantiveram viva a pesquisa em redes neurais durante décadas de descrença. Após a premiação, seguiram caminhos distintos: Hinton alerta sobre riscos existenciais da IA, Bengio defende regulamentação, e LeCun é otimista e critica o alarmismo.

Artigos Relacionados

Inteligência Artificial

Quem é Sam Altman: a história do CEO da OpenAI

Inteligência Artificial

Quem é Dario Amodei: CEO da Anthropic e criador do Claude

Inteligência Artificial

Quem é Demis Hassabis: Google DeepMind e o Nobel de IA