AI heeft nu alle geschreven kennis van de wereld geconsumeerd. Hoe blijven ChatGPT en Claude dan slimmer worden? Menselijke experts creëren nieuwe trainingsdata vanaf nul. → Biologie PhD ontdekt waar ChatGPT faalt bij eiwitvouwing, en schrijft vervolgens de juiste stap-voor-stap oplossing die nergens online bestaat. → Natuurkunde PhD ontdekt dat ChatGPT faalt bij berekeningen in de kwantumveldentheorie, en levert vervolgens het volledige wiskundige bewijs met de juiste methodologie. → Elke expert wordt betaald $150-200/uur voor dit werk. Uit mijn gesprek met @GarrettLord: AI-laboratoria zijn overgestapt van "pre-training" (bestaande data) naar "post-training" (mensen vullen kennisgaten in). Dit vereist honderden duizenden experts in elk vakgebied. @JoinHandshake realiseerde zich dat hun eigen 20M studenten netwerk (500K+ PhD's, 3M masterstudenten) precies was wat grensverleggende laboratoria nodig hadden, en bouwde in minder dan een jaar een bedrijf van $100M dat deze experts verbond met elk groot AI-laboratorium. Dit is nu een van de snelstgroeiende bedrijven in de geschiedenis van Silicon Valley—en het groeit nog steeds. Een van mijn meest verhelderende gesprekken dit jaar:
Lenny Rachitsky
Lenny Rachitsky24 aug, 23:30
Van nul naar $50M in 4 maanden. $100M+ in 12 maanden. Dat is het verhaal van hoe @JoinHandshake ontdekte dat ze zaten op de meest waardevolle hulpbron van AI: 20 miljoen studenten en experts. Gedurende een decennium heeft @GarrettLord een carrièrenetwerk opgebouwd voor studenten en PhD's. Een geweldig bedrijf, dat goed groeit. Toen gebeurde AI. Vorig kerst realiseerde Garrett zich dat zijn netwerk van 500.000 PhD's en 3 miljoen master's precies is wat grensverleggende AI-laboratoria wanhopig nodig hadden om hun modellen te trainen. Hij vloog tijdens de feestdagen door het land, sprak met lableiders en lanceerde een nieuw bedrijf binnen zijn bestaande onderneming. Acht maanden later werken ze nu samen met alle 7 grote grensverleggende AI-laboratoria en zijn ze een van de snelstgroeiende bedrijven in de geschiedenis van Silicon Valley geworden. In ons gesprek deelt Garrett: 🔸 Hoe Handshake deze kans vond 🔸 Waarom AI-modellen menselijke experts (bijv. natuurkunde PhD's) nodig hebben om te verbeteren 🔸 Wat deze "data labeling" eigenlijk inhoudt 🔸 Binnen het daadwerkelijke werk: wat een biologie PhD 8 uur doet dat GPT-5 slimmer maakt 🔸 Het playbook voor het opbouwen van een startup binnen een startup: aparte teams, aparte kantoren, alles apart 🔸 Waarom de verschuiving van "generalist" naar "expert" data labeling een unieke zakelijke kans creëerde 🔸 Waarom AI geen instapbanen zal elimineren - het creëert "Iron Man-pakken" die junior medewerkers 10x productiever maken Luister nu 👇 • YouTube: • Spotify: • Apple: Bedankt aan onze geweldige sponsors voor het ondersteunen van de podcast: 🏆 @coderabbitai — Verklein de tijd voor codebeoordeling en bugs met de helft. Direct: 🏆 @orkesio — Het enterprise platform voor betrouwbare applicaties en agentische workflows: 🏆 @AnthropicAI — De AI voor probleemoplossers en ondernemingen:
42,07K