Mensen in AI

De beste podcasts, video's en interviews met Diogo Almeida

Diogo Almeida is medeoprichter van TypeSafe AI, werkte bij OpenAI en schreef mee aan het InstructGPT-artikel. In recente lezingen vraagt hij waarom indrukwekkende modellen nog geen werk betrouwbaar zelfstandig kunnen afronden. Een ouder interview laat zien welke technische problemen hem eerder bezighielden.

Zijn huidige functie en onderzoeksverleden staan op de teampagina van TypeSafe en in het InstructGPT-artikel.

Begin bij zijn huidige visie en kijk dan terug

De eerste lezing maakt onderscheid tussen iemand helpen en een taak zelfstandig voltooien. De tweede gaat over het trainingsdoel van RLHF. De podcast uit 2016 en de GOTO-lezing uit 2017 geven twee eerdere invalshoeken. Alle opnames zijn Engelstalig. In de transcripties vind je zijn uitspraken over RLHF en automatisering terug, met de context van elk gesprek.

Voor voorbeelden van de Jev-API en gesprekken met andere ontwikkelaars kun je terecht bij de onafhankelijke gids Jev AI Dev.

Samengesteld door Readpodcast AI · Laatst bijgewerkt 18 september 2026 · Titels blijven in hun oorspronkelijke taal staan.

Begin hiermee

Twee lezingen over zijn huidige standpunt

De eerste schetst het grote probleem; de tweede onderzoekt training op menselijke voorkeur.

Loopbaan en ideeën

Van OpenAI naar TypeSafe: de rode draad

Houd zijn onderzoek, huidige argumenten en de claims over het product uit elkaar om de opnames goed te plaatsen.

Wie is Diogo Almeida?: Hij is medeoprichter en CEO van TypeSafe AI. Daarvoor werkte hij bij OpenAI en Google Brain en schreef hij mee aan het InstructGPT-artikel.
Wat deed hij bij OpenAI?: Hij werkte mee aan InstructGPT, over hoe menselijke feedback modellen beter instructies laat volgen. Nu vraagt hij of een antwoord dat beoordelaars aanspreekt ook genoeg is om zonder toezicht een taak af te ronden.
Wat verbindt zijn vroegere en recente optredens?: In 2016 sprak hij over de praktische stroefheid van deep-learning-systemen; in 2017 over wat ze al konden en wat nog niet. Nu staat het verschil tussen indrukwekkende modelprestaties en betrouwbare automatisering centraal.
Waar past Jev hierin?: TypeSafe beschrijft Jev als een model dat getypeerde keuzes en kansen aan software teruggeeft. De lezingen verklaren die keuze; het nut in een concreet proces vraagt tests met eigen data en foutkosten.

Eerder perspectief