Personnalités de l’IA
Les meilleurs podcasts, vidéos et entretiens avec Diogo Almeida
Diogo Almeida est cofondateur de TypeSafe AI, a travaillé chez OpenAI et a cosigné l’article InstructGPT. Dans ses conférences récentes, il demande pourquoi un modèle impressionnant peine encore à accomplir seul un travail de manière fiable. Un ancien entretien montre les problèmes techniques qui l’occupaient déjà.
Son poste actuel et ses travaux figurent sur la page équipe de TypeSafe et dans l’article InstructGPT.
Ses idées actuelles, puis leur histoire
Commencez par sa conférence sur la différence entre aider une personne et accomplir une tâche sans supervision. La suivante interroge l’objectif d’entraînement du RLHF. Le podcast de 2016 et la conférence GOTO de 2017 offrent deux regards sur ses travaux antérieurs. Tous ces contenus sont en anglais. Les transcriptions aident à retrouver ses propos sur le RLHF et l’automatisation, puis à en vérifier le contexte.
Pour des exemples d’intégration de l’API Jev et des échanges entre développeurs, consultez le guide indépendant Jev AI Dev.
Sélection par Readpodcast AI · Dernière mise à jour · Les noms d’émissions et titres d’épisodes restent dans leur langue d’origine.
Pour commencer
Deux conférences pour saisir sa thèse actuelle
La première pose le problème de l’automatisation ; la seconde revient sur l’entraînement par préférences humaines.
Parcours et idées
D’OpenAI à TypeSafe : la même question de fond ?
Son parcours, ses arguments et les promesses du produit méritent d’être examinés séparément.
- Qui est Diogo Almeida ?
- Il est cofondateur et PDG de TypeSafe AI. Il a auparavant travaillé chez OpenAI et Google Brain, et cosigné l’article InstructGPT.
- Sur quoi a-t-il travaillé chez OpenAI ?
- L’étude InstructGPT explore comment le retour humain améliore le suivi des instructions. Almeida pose aujourd’hui une autre question : une réponse appréciée par un évaluateur suffit-elle pour accomplir une tâche sans surveillance ?
- Que relie ses anciennes interventions aux conférences récentes ?
- En 2016, il évoque les contraintes pratiques des systèmes de deep learning ; en 2017, leurs réussites et leurs limites. Ses conférences récentes s’intéressent à l’écart entre un modèle convaincant et une automatisation fiable.
- Quel rapport avec Jev ?
- TypeSafe présente Jev comme un modèle qui fournit des décisions typées et des probabilités aux logiciels. Les conférences expliquent le choix de cette voie ; son intérêt réel doit être mesuré avec les données et les coûts d’erreur du cas d’usage.
Avec du recul
Un ancien entretien sur la pratique du deep learning
Comparez ses préoccupations d’alors à ses arguments actuels sur la fiabilité.
Conférence de 2017
Ce que le deep learning permettait en 2017
À GOTO, Almeida examine ce qui était possible à l’époque et ce qui restait difficile. La conférence précède Jev.
Le modèle
Voir Jev AI Model en action
Les démonstrations donnent des exemples concrets à comparer avec les arguments d’Almeida.
Recherche
Retrouver ses prochains entretiens
Cherchez des échanges qui mettent à l’épreuve ses arguments sur l’automatisation ou suivent TypeSafe.