Den artificiella intelligensen har nu förbrukat all världens skriftliga kunskap. Så hur blir ChatGPT och Claude smartare? Mänskliga experter skapar nya träningsdata från grunden. → doktor i biologi hittar var ChatGPT bryter mot proteinveckning och skriver sedan den korrekta steg-för-steg-lösningen som inte finns någonstans på nätet → doktorsexamen i fysik upptäcker att ChatGPT misslyckas med kvantfältsberäkningar och ger sedan det fullständiga matematiska beviset med rätt metodik → Varje expert får betalt $150-200/timme för detta arbete Från mitt samtal med @GarrettLord: AI-labb har skiftat från "pre-training" (befintliga data) till "post-training" (människor som fyller i kunskapsluckor). Detta kräver hundratusentals experter inom alla områden. @JoinHandshake insåg att deras egenutvecklade 20 miljoner studentnätverk (500K+ doktorander, 3M:s masterstudenter) var precis vad Frontier Labs behövde, och på mindre än ett år byggde de upp en verksamhet på 100 miljoner dollar som kopplade dessa experter till alla större AI-labb. Detta är nu ett av de snabbast växande företagen i Silicon Valleys historia – och det accelererar. Ett av mina mest upplysande samtal i år:
Lenny Rachitsky
Lenny Rachitsky24 aug. 23:30
Noll till 50 miljoner dollar på 4 månader. $100 miljoner+ på 12 månader. Det är historien om hur @JoinHandshake upptäckte att de satt på AI:s mest värdefulla resurs: 20 miljoner studenter och experter. Under ett decennium byggde @GarrettLord upp ett karriärnätverk för studenter och doktorander. En fantastisk verksamhet som växer bra. Sedan kom AI. Förra julen insåg Garrett att hans nätverk av 500 000 doktorer och 3 miljoner masterstudenter är precis vad AI-laboratorier desperat behöver för att träna sina modeller. Han flög runt i landet under semestern, pratade med labbledare och startade ett nytt företag i sitt befintliga företag. Åtta månader in arbetar de nu med alla 7 stora AI-labb och har blivit ett av de snabbast växande företagen i Silicon Valleys historia. I vårt samtal delar Garrett: 🔸 Hur Handshake hittade den här möjligheten 🔸 Varför AI-modeller behöver mänskliga experter (t.ex. fysikdoktorer) för att förbättras 🔸 Vad denna "datamärkning" faktiskt innebär 🔸 Inuti det faktiska arbetet: vad en biologidoktor gör i 8 timmar som gör GPT-5 smartare 🔸 Spelboken för att bygga en startup inuti en startup: separata team, separata kontor, separat allt 🔸 Varför skiftet från "generalist" till "expert" datamärkning skapade en affärsmöjlighet som man bara får en gång i livet 🔸 Varför AI inte kommer att eliminera instegsjobb – det skapar "Iron Man-dräkter" som gör juniora anställda 10 gånger mer produktiva Lyssna nu 👇 • YouTube: • Spotify: •Äpple: Tack till våra underbara sponsorer för att ni stöttar podden: 🏆 @coderabbitai – Halvera tiden för kodgranskning och buggar. Ögonblickligen: 🏆 @orkesio – Företagsplattformen för tillförlitliga applikationer och agentiska arbetsflöden: 🏆 @AnthropicAI – AI för problemlösare och företag:
42,08K