Figure dell’IA
I migliori podcast, video e interviste con Diogo Almeida
Diogo Almeida è cofondatore di TypeSafe AI, ha lavorato in OpenAI ed è tra gli autori dello studio InstructGPT. Nei suoi interventi recenti si chiede perché un modello capace di impressionare una persona fatichi ancora a portare a termine un lavoro da solo e in modo affidabile. Una vecchia intervista mostra quali problemi tecnici lo interessavano già allora.
Per verificare il suo ruolo attuale e il percorso di ricerca, consulta la pagina del team TypeSafe e lo studio InstructGPT.
Parti dalla sua tesi attuale, poi torna indietro
Il primo intervento distingue tra aiutare una persona e completare un compito senza supervisione; il secondo discute l’obiettivo di addestramento dell’RLHF. Il podcast del 2016 e la conferenza GOTO del 2017 mostrano due prospettive precedenti. Tutti i contenuti sono in inglese. Le trascrizioni aiutano a ritrovare i passaggi su RLHF e automazione e a confrontarli nel loro contesto.
Per esempi di integrazione con l’API Jev e discussioni tra sviluppatori, consulta la guida indipendente Jev AI Dev.
Selezione a cura di Readpodcast AI · Ultimo aggiornamento · I titoli dei podcast e degli episodi sono mostrati nella lingua originale.
Per cominciare
Due interventi per capire la sua tesi
Il primo presenta il problema generale, il secondo esamina l’addestramento basato sulle preferenze umane.
Percorso e idee
Da OpenAI a TypeSafe: il filo del suo lavoro
È utile separare la ricerca passata, la tesi di oggi e le affermazioni sul prodotto.
- Chi è Diogo Almeida?
- È cofondatore e CEO di TypeSafe AI. In precedenza ha lavorato in OpenAI e Google Brain ed è coautore dello studio InstructGPT.
- Di cosa si è occupato in OpenAI?
- Ha partecipato a InstructGPT, che studia l’uso del feedback umano per migliorare la capacità di seguire istruzioni. Oggi chiede se una risposta gradita a un valutatore basti per completare un compito senza controllo umano.
- Cosa lega gli interventi più vecchi a quelli recenti?
- Nel 2016 parlava degli ostacoli pratici dei sistemi di deep learning; nel 2017 di ciò che riuscivano e non riuscivano a fare. Oggi mette al centro lo scarto tra risultati impressionanti e automazione affidabile.
- Che c’entra Jev?
- TypeSafe presenta Jev come un modello che restituisce decisioni tipizzate e probabilità a un software. Gli interventi spiegano la scelta dell’azienda; il beneficio concreto va misurato sui dati e sui costi degli errori del proprio caso.
Uno sguardo indietro
Un’intervista sui problemi di ingegneria
Metti le sue preoccupazioni di allora a confronto con il tema odierno dell’affidabilità.
Dall’archivio
Il deep learning visto nel 2017
A GOTO, Almeida valuta ciò che all’epoca funzionava e ciò che restava difficile. È un contesto storico, non una conferenza su Jev.
Il modello
Guarda le risposte di Jev AI Model
Dopo le idee di Almeida, le dimostrazioni mostrano quali decisioni restituisce davvero il modello TypeSafe.
Cerca
Trova altre conversazioni con Almeida
Cerca interviste che mettano alla prova le sue idee sull’automazione o seguano TypeSafe.