El ganador del premio Turing Yann LeCun critica los LLM y propone el marco JEPA como camino hacia la AGI

Según Yann LeCun en una entrevista reciente, los grandes modelos de lenguaje no pueden conducir a una inteligencia general artificial a pesar de su valor, ya que carecen de la capacidad de predecir las consecuencias de las acciones y planificar en un espacio abstracto, habilidades esenciales para un razonamiento verdaderamente a nivel humano. LeCun recalcó que el éxito de los LLM se apoya en la naturaleza discreta del lenguaje, pero el mundo real es continuo y de alta dimensionalidad, lo que exige que los modelos comprendan la causalidad física en lugar de limitarse a predecir el siguiente token.

LeCun propone la Arquitectura de Predicción de Emparejamiento por Incrustaciones Conjuntas (JEPA) como alternativa, que predice estados futuros en el espacio de representación semántica en vez de reconstruir píxeles individuales. Un artículo de marzo de 2026 sobre LeWorldModel demostró el potencial de la JEPA: un modelo de 15 millones de parámetros logró una tasa de éxito del 96% en tareas de control y mejoró la velocidad de planificación hasta 50 veces, sin necesitar conjuntos de datos masivos de preentrenamiento.