KI-Persönlichkeiten
Die besten Podcasts, Videos und Interviews mit Diogo Almeida
Diogo Almeida ist Mitgründer von TypeSafe AI, war bei OpenAI tätig und hat die InstructGPT-Studie mitverfasst. In neueren Vorträgen fragt er, warum beeindruckende Modellantworten noch keine verlässliche Automatisierung ergeben. Ein älteres Interview macht deutlich, welche technischen Schwierigkeiten ihn schon zuvor beschäftigten.
Seine aktuelle Funktion und seine Forschung belegen die Teamseite von TypeSafe und die InstructGPT-Studie.
Seine heutige Position – und ihre Vorgeschichte
Beginnen Sie mit dem Vortrag über den Unterschied zwischen Unterstützung und selbstständiger Erledigung. Danach folgt seine Kritik am RLHF-Trainingsziel. Der Podcast von 2016 und der GOTO-Vortrag von 2017 zeigen zwei frühere Perspektiven auf Deep Learning. Alle Beiträge sind auf Englisch. Anhand der Transkripte lassen sich seine Aussagen zu RLHF und Automatisierung über die Jahre hinweg vergleichen.
API-Beispiele für Jev und Austausch mit Entwicklern finden Sie im unabhängigen Leitfaden Jev AI Dev.
Kuratiert von Readpodcast AI · Zuletzt aktualisiert · Sendungs- und Episodentitel bleiben in ihrer Originalsprache.
Zuerst ansehen
Zwei Vorträge zu seiner heutigen Position
Der erste erklärt das Grundproblem, der zweite hinterfragt das Training nach menschlichen Präferenzen.
Person und Positionen
Von OpenAI zu TypeSafe: Almeidas Leitfrage
Forschung, heutige Argumente und Produktversprechen lassen sich besser beurteilen, wenn man sie auseinanderhält.
- Wer ist Diogo Almeida?
- Er ist Mitgründer und CEO von TypeSafe AI. Zuvor arbeitete er bei OpenAI und Google Brain; außerdem ist er Mitautor der InstructGPT-Studie.
- Woran arbeitete er bei OpenAI?
- Die InstructGPT-Arbeit untersuchte, wie menschliches Feedback das Befolgen von Anweisungen verbessert. Heute fragt Almeida, ob ein für Menschen überzeugendes Ergebnis auch für eine unbeaufsichtigte Aufgabe genügt.
- Was verbindet frühe und neuere Auftritte?
- Im Podcast von 2016 spricht er über starre Deep-Learning-Systeme; 2017 über Aufgaben, die sie bewältigten oder noch nicht. Heute rückt die Lücke zwischen beeindruckenden Modellen und verlässlicher Automatisierung in den Mittelpunkt.
- Welche Rolle spielt Jev?
- TypeSafe beschreibt Jev als Modell für typisierte Entscheidungen mit Wahrscheinlichkeiten. Almeidas Vorträge erklären den Ansatz. Ob er in einer konkreten Anwendung hilft, hängt von Tests mit deren Daten und Fehlerkosten ab.
Im Gespräch 2016
Die praktischen Hürden beim Deep Learning
Hören Sie, welche technischen Probleme ihn schon vor TypeSafe beschäftigten.
Archivvortrag
Deep Learning aus der Sicht von 2017
Im GOTO-Vortrag prüft Almeida damalige Möglichkeiten und Grenzen. Er liefert historischen Kontext, keine Analyse von Jev.
Das Modell
Jev AI Model in der Praxis sehen
Die Demos zeigen, wie das Modell entscheidet. So können Sie Almeidas Argumente mit konkreten Beispielen abgleichen.
Suche
Weitere Gespräche mit Almeida
Finden Sie neue Interviews über verlässliche Automatisierung und die Entwicklung von TypeSafe.