Tokoh AI

Podcast, video, dan wawancara pilihan bersama Diogo Almeida

Diogo Almeida adalah salah satu pendiri TypeSafe AI, pernah bekerja di OpenAI, dan turut menulis makalah InstructGPT. Dalam presentasi terbarunya, ia mempertanyakan mengapa model yang tampak mengesankan masih sulit menyelesaikan pekerjaan secara mandiri dan andal. Wawancara lama menunjukkan persoalan rekayasa yang sudah ia pikirkan sejak dulu.

Peran dan rekam jejak risetnya dapat diperiksa di halaman tim TypeSafe dan makalah InstructGPT.

Mulai dari pandangannya sekarang, lalu lihat ke belakang

Presentasi pertama membedakan AI yang membantu orang dengan AI yang menuntaskan tugas tanpa diawasi. Presentasi kedua membahas tujuan pelatihan RLHF. Setelah itu, podcast 2016 dan presentasi GOTO 2017 memberi dua sudut pandang dari masa sebelumnya. Semuanya berbahasa Inggris. Transkrip memudahkan Anda menemukan bagian tentang RLHF dan otomasi, lalu memeriksa konteks pembicaraannya.

Untuk contoh integrasi API Jev dan diskusi antarpengembang, lihat panduan independen Jev AI Dev.

Dikurasi oleh Readpodcast AI · Terakhir diperbarui 18 September 2026 · Nama acara dan judul episode dipertahankan dalam bahasa aslinya.

Mulai di sini

Dua presentasi untuk memahami pandangannya

Yang pertama memaparkan masalah besarnya; yang kedua menelaah pelatihan berbasis preferensi manusia.

Perjalanan dan gagasan

Dari OpenAI ke TypeSafe: benang merahnya

Pisahkan riwayat riset, argumen terkini, dan klaim produk agar setiap rekaman punya konteks yang jelas.

Siapa Diogo Almeida?: Ia adalah salah satu pendiri sekaligus CEO TypeSafe AI. Sebelumnya ia bekerja di OpenAI dan Google Brain serta ikut menulis makalah InstructGPT.
Apa pekerjaannya di OpenAI?: Ia terlibat dalam InstructGPT, riset tentang penggunaan umpan balik manusia untuk memperbaiki kemampuan mengikuti instruksi. Kini ia bertanya apakah jawaban yang disukai penilai cukup untuk menyelesaikan tugas tanpa pengawasan.
Apa hubungan karya awal dengan presentasi terbarunya?: Pada 2016 ia membahas kesulitan menerapkan sistem deep learning; pada 2017 ia mengulas tugas yang sudah dan belum bisa dikerjakan. Sekarang fokusnya bergeser ke jarak antara hasil model yang mengesankan dan otomasi yang andal.
Di mana posisi Jev?: TypeSafe menggambarkan Jev sebagai model yang memberikan keputusan bertipe dan probabilitas untuk aplikasi. Presentasinya menjelaskan alasan pendekatan itu; manfaat nyata harus diuji dengan data dan biaya kesalahan pada tiap pekerjaan.

Sudut pandang awal