OpenTalks.AI /

February 17-18
Moscow
open conference
on artificial intelligence
2022
"#rec344697842 .tn-elem[data-elem-id="1628604902967"] .tn-atom опентокс" "#rec344697842 .tn-elem[data-elem-id="1628604902986"] .tn-atom открытая конференция"

Schedule
OpenTalks.AI 2022

February 17
CV & RL
February 18
NLP & Hardware

CV & RL

Thursday, February 17
09:00 – 10:00
Registration
10:00 – 10:10
Conference opening
Igor Pivovarov, OpenTalks.AI
Conference spotlights, main ideas, figures
10:10 – 11:25
Plenary 1 - reviews
Big Conference Hall
10.10 – 10.50
Computer vision - main in 2021
Alexey Dosovitskiy, Incentive, ex-Google Brain
Vision in 2021: Transformers, Transfer, and Beyond
10.50 – 11.25
Neuromorpic AI Systems
Denis Larionov, Zifrum, Rosatom
The neuromorphic AI systems classification principle and an analytical review of the following neuromorphic projects: SpiNNaker, TrueNorth, Loihi, BrainScaleS, Tianjic, NeuronFlow, Akida, DYNAP, Altai.
11:25 – 11:45
Coffee break
11:45 – 12:45
Sessions
CV in medical diagnostics: Moscow experience
Moderator
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
Sergey Morozov,
NPKTs DIT DZM
ML - Scientific reports
CV - R&D
kirill Arzamasov, NPKTs DIT DZM
Can AI replace radiologist?
Bayesian RetinaNet for modeling homoscedastic aleatoric uncertainty in the task of objects detection
Natalia Hanzhina,
ITMO
Open benchmarks for anomaly detection in time series
Yury Katser,
Skoltech, Zyfrum
Machine learning in astrophysics: how to recover lost information about supernovae?
Artyom Prosvetov,
IKI RAS
Vyacheslav Kozitsyn,
Skoltech, Zyfrum
Vision Transformers - an overview of architectures, basic ideas and tricks
Ilya Kontaev,
xperience.ai
Andrey Fedulin,
Kronshtadt Technologies
Actual tasks and problems of introducing vision systems for UAVs of the MALE class
Moderator
Anderey Filchenkov, ITMO
Session partners
Session partner
Egor Zakharov,
Samsung AI Center, Skoltech
Neural Rendering for Telepresence
How to make artificial intelligence work in real medical practice?
Kseniya Evteeva,
NPKTs DIT DZM
Face Recognition: problems and challenges
Evgeniy Kononenko,
NtechLab
Mikhail Belyaev,
IRA Labs
Medical Computer Vision: Research and Products
Roman Doronin,
EORA.AI
Moderator
Reference datasets for the reliable implementation of artificial intelligence technologies in medical practice
Anna Andreychenko, NPKTs DIT DZM
Clinical trials of medical software with artificial intelligence
Viktoriya Zinchenko, NPKTs DIT DZM
12:45 – 13:00
Coffee break
13:00 – 14:00
Sessions
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
CV in medicine
Moderator
Anton Konuhin,
HSE, Samsung
Data scientist DNA. How is the "genetic code" of the profession of the future changing?
Denis Surzhko,
VTB
Session partner
ML - Scientific reports
Transformers in medical image recognition
Evgeny Sidorov,
Third Opinion
Moderator
Session partner
Andrey Demchinskiy, Sensor-tech
Neuroimplant for vision restoration
Mikhail Sintsov,
Motorika

Gurgen Sogoyan,
Skoltech
AI in human-machine
interfaces for prostheses
Alexander Popov, Sensor-tech
Anastasiya Georgievskaya,
Haut.AI
CV in beauty tech
Moderator
Сергей Шумский,
Российская Ассоциация Нейроинформатики
Konstantin Vorontsov,
MIPT
Александр Крайнов,
Группа компаний «Яндекс»
Алексей Натекин,
Open Data Science
Ирина Пионтковская, Huawei
Дмитрий Ветров,
НИУ ВШЭ, AIRI
Diffusion models with dynamically changing size
Евгений Бурнаев,
Сколтех, AIRI
Robustness of deep neural networks: a geometric approach
14:00 – 15:00
Lunch
15:00 – 16:15
Plenary 2 - reviews
Big Conference Hall
15:00 – 15:30
RL - main results in 2021
Valentin Malykh, Huawei
The most interesting papers on reinforcement learning published in 2021 at top ML confs.
15.30 – 16:15
Построение независимой экосистемы ИИ.
Chinese experience
Олег Сиротюк, Huawei
In 2020, China has become a leader in the race of countries in the field of AI. China accumulates huge amounts of information, Chinese scientists publish giant amount of scientific articles and patents in the field of AI, and every third server in the world that is used to solve AI problems is deployed in China. In addition, China has made significant progress in import substitution of software and hardware. The report will present China's main achievements in the field of AI, as well as the measures that the Chinese government is taking to support the development of AI in the country.
16:15 – 16:30
Coffee break
16:30 – 17:30
Sessions
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
Как обучать модели распознавания лиц на миллионах людей?
Евгений Смирнов,
группа компаний ЦРТ
Human and AGI motivation
CV - R&D
Как хакнуть метрику качества видео и куда катится мир
Дмитрий Ватолин,
МГУ
ИИ в медицине
открытый разговор
Session partner
Игорь Пудиков,
Врач-психиатр
Session partner
@AGIRussia
Что могут почерпнуть разработчики ИИ из психологии ЕИ. Мотивация
Session partner
Александр Гусев,
Webiomed.AI
Лоран Акопян,
iPavlov
Анастасия Анциферова, Научный сотрудник ВМК МГУ и ИСП РАН
Анна Мещерякова,
Третье мнение
Николай Ряшин, RegMT
Михаил Беляев, IRA Labs
Александр Панов,
МФТИ, AIRI
Петр Кудеров,
МФТИ, AIRI
Внутренняя и внешняя мотивация при моделировании поведения когнитивных агентов
Нейроморфные системы компьютерного зрения
Александр Теплюк,
ЧУ «Цифрум»
Семен Буденков,
IntelliVision
Системы контроля трафика: как сделать их интеллектуальными?
Moderator
Артур Газиев,
SberMed.AI
Konstantin Lakhman, Yandex
Moderator
Антон Колонин
Aigents, НГУ
Moderator
Александр Гришканич,
АО «Швабе» Госкорпорации «Ростех»
Алексей Рыбаков,
группа компаний ЦРТ
17:30 – 17:45
Coffee break
17:45 – 18:45
Sessions
CV - business
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
RL - what's new
Secure and Private Machine Learning
Александр Ганин,
Точка зрения
Система контроля качества труб на производстве
Evgeny Bagryantsev,
Assistagro
Использование технологии компьютерного зрения для идентификации сорняков сельскохозяйственных полей
Patrick Foley,
Intel
Using Federated Learning to improve astronaut health with the NASA Frontier Development Lab
CV in industry
Юрий Годына,
Facemetric
SEAL: Self-supervised Embodied Active Learning using Exploration and 3D Consistency
Ruslan Salakhutdinov,
Carnegie Mellon University
Sergey Alyamkin, Enot.ai
Moderator
Александр Жариков, VisionLabs
Biometry in acquiring
Petr Emelianov,
Bloomtech LLC
MRS- confidential ML
Dmitry Berestnev, VTB
Denis Afanasyev,
SberDevices
Moderator
Federated Learning: a distributed approach to machine learning on private data.
Olga Perepelkina,
Intel

NLP & Hardware

Friday, February 18
09:00 – 10:00
Registration
10:00 – 10:10
Day opening. AI in Russia - main trends
Igor Pivovarov, OpenTalks.AI
10:10 – 11:25
Plenary 3 - reviews
Big Conference Hall
10:10 – 10:50
NLP - main events in 2021
Grigory Sapunov, Intento
Обзор основных результатов в обработке естественного языка в 2021 году - достижения и тренды.
10:50 – 11:25
AI Hardware - main events in 2021
Dmitry Vatolin, MSU
Обзор основных направлений развития аппаратных ускорителей для ИИ, что нового и прогноз на будущее.
11:25 – 11:45
Coffee break
11:45 – 12:45
Sessions
Supercomputers of Yandex and Sber
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
Суперкомпьютеры для машинного обучения. Строить самим или купить готовое решение. Опыт Яндекс
Дмитрий Монахов,
Яндекс
NLP - R&D
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Мета-эмбеддинги в задаче пополнения таксономии
Михаил Тихомиров,
МГУ
Наталья Лукашевич,
МГУ
Training on weak/
noisy markup

Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Анастасия Мирошникова,
Цельс
Multiple instance learning: как обучать нейросети на медицинских данных без дополнительной разметки
Дмитрий Усталов,
Яндекс.Толока
Нетривиальная разметка в краудсорсинге и как с ней быть
Session partner
Андрей Петров,
SberCloud
Алексей Климов,
SberCloud
Татьяна Шаврина,
SberDevices, AIRI
Суперкомпьютеры Christofari в публичной платформе ML Space. Опыт SberCloud.
В секции будут питчи стартапов, вышедшие в финал акселерационной программы Tech Explorer Skolkovo
Moderator
Павел Кривозубов,
ИТ-Кластер Фонда «Сколково»
Session partner
Demo Day of Skolkovo Accelerator
Vecherniy Cosmos Hall
Жюри
Денис Свичкарь,
ПАО «Сбербанк»
Бхаскар Багчи, Angelsdeck
Максим Яцкевич, Road.Travel
Максим Саенко,
МТС
Антон Колонин,
Aigents
Интерпретируемая обработка текстов на естественном языке
Давид Дале,
Сколтех
RuBERT-tiny: компактные предобученные модели для понимания русского языка
Подробнее
Графы знаний и онтологии, всегда содержат таксономическую основу, которая позволяет упорядочивать и структурировать различные концепты в соответствии с класс-подкласс (или гипероним-гипоним) отношениями. С быстрым ростом лексических ресурсов проблема автоматического расширения существующих таксономий новыми словами становится все более и более распространенной. В данной работе рассматривается проблема пополнения существующей таксономии новой терминологией. В работе был предложен новый метод, который основывается на векторных представлениях слов и достигает SoTA результатов на рассматриваемых наборах данных. Метод состоит из двух основых частей: формирование мета-векторных представлений слов на основе существующих векторных моделей, и алгоритма, который формирует и ранжирует список концептов-кандидатов для новых слов, решая таким образом поставленную задачу. В работе были исследованы различные комбинации векторных моделей, как класических, таких как word2vec и fasttext, так и графовых, таких как node2vec.
Обзор разработок и state-of-the-art приложений и алгоритмов интерпретируемой обработки текстов на естественном языке в проектах Новосибирского Государственного Университета, Link Grammar, OpenCog, SingularityNET, SingularityDAO, Autonio Foundation и Aigents®
Подробнее
Текст или голосовое сообщение оценивается по количеству переданной информации. Однако живому читателю или слушателю понятно, что эти сообщения несут определенный смысл. Смысл – это нечетко определенное понятие с неясным масштабом. Минимальным же сообщением передающим смысл принято считать слово. Слова могут быть близкими и далекими по смыслу, причем одно слово может иметь разные смыслы. Мы использовали близость слов по смыслу в качестве меры для построения вмещающего пространства для всех глаголов и прилагательных русского языка. В результате оказалось, что тезаурусы глаголов и прилагательных могут быть отображены на компактные круглые области, расположенные на двумерной поверхности. Каждая из этих областей делится на три примерно равных сектора, вмещающих слова с положительным, нейтральным и отрицательным эмоциональным содержанием. Внутри этих секторов размещаются группы слов, выстроенных в упорядоченные списки, относящиеся к определенной семантической категории. Размеры списков плавно меняются от десятков слов до нескольких слов в группе. Мы полагаем, что этот результат отражение того, как устроена словарная память в коре мозга человека.
Подробнее
Different types of annotations can be obtained in a process of labeling images. The most thorough, strong and time-consuming type of labels is multiclass segmentation masks, the least and weakest - binary and multiclass labels per instance. One more level of labels into the weak side is binary or multiclass labels per a whole bag of instances. The examples of such annotations are one label per video (bag of frames), one label per 3D computed tomography or magnetic resonance tomography image (bag of 2D slices), or one label per whole-slide image with dimensions over 16000 * 16000 pixels (bag of 2D tiles). Multiple Instance Learning is one of the approaches which allows data scientists to work with such labels. The main MIL pipeline in Deep Learning is Extract features of instances in a bag Apply aggregation technique Get final prediction for aggregated vector Get loss for that prediction Back-propagate through aggregation layer This pipeline allows to train networks end-to-end. The nature of the connection between instances in a bag - independent, 1d-connected, 2d-connected - allows to apply different aggregation techniques. This report is dedicated to the application of MIL approach to the field with a great amount of weakly labeled data - medical imaging.
Подробнее
Предобученные языковые модели, такие, как BERT, изменили облик NLP за последние несколько лет, но стандартные версии таких моделей, SOTA по качеству, часто плохо пригодны для прикладного применения из-за большого размера и медленной скорости инференса. Дистилляция больших предобученных траснформеров в маленькие может сделать их доступными для более массового применения и даже повысить их качество работы на некоторых задачах. Мы обучили и публикуем несколько подобных маленьких моделей, подготовленных для разных задач понимания русского языка.
Подробнее
Moderator
Владимир Валентинович Воеводин,
МГУ
Игнат Постный,
Tag Consulting
Moderator
Артем Артемов,
НИЦ СТРАТКОМ
Moderator
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Подробнее
В докладе мы обсудим, как краудсорсинг позволяет собирать разметку для нетривиальных задач на примере оценки качества поиска и обновления информации об организациях. Мы покажем, что сложность выполнения подобных заданий можно снизить благодаря специальным методам агрегации для текстовых, графических и субъективных данных. Затем мы представим открытую библиотеку Crowd-Kit, которая реализует популярные методы контроля качества в краудсорсинге и позволяет делать это легко и удобно.
Подробнее
Евгений Романов,
Фонд «Сколково»
Галина Добрякова,
ООО «Платформа Технологий»
Алексей Петровичев, ООО «Нейросканер»
Кирилл Партала,
BID Technologies
Тимофей Окроев,
Турфон
Дмитрий Степанов,
ООО «Системы компьютерного зрения»
Алексей Калиниченко, ФСИТИ
11:45 – 12:45
Sessions
Moderator
Павел Кривозубов,
ИТ-Кластер Фонда «Сколково»
Demo Day of Skolkovo Accelerator
Vecherniy Cosmos Hall
В секции будут питчи стартапов, вышедшие в финал акселерационной программы Tech Explorer Skolkovo
Жюри
Максим Саенко,
МТС
Максим Яцкевич, Road.Travel
Бхаскар Багчи, Angelsdeck
Денис Свичкарь,
ПАО Сбербанк»
Евгений Романов,
Фонд «Сколково»
Галина Добрякова,
ООО «Платформа Технологий»
Алексей Петровичев,
ООО «Нейросканер»
Кирилл Партала,
BID Technologies
Тимофей Окроев,
Турфон
Дмитрий Степанов,
ООО «Системы компьютерного зрения»
Алексей Калиниченко, ФСИТИ
Session partner
12:45 – 13:00
Coffee break
13:00 – 14:00
Sessions
Supercomputers for ML/DL
Galaktiki 1-3 Hall
Saturn Hall
Big Conference Hall
NLP - R&D
Viktor Nosko,
Avatar Machine
Control of the generation of Transformer neural networks: personality transfer with fast experts tuning technology, logic control and conditional generation
Inna Lizunova,
Speech Technology Center

Transformer as an editor: improving the readability of recognized speech
Fundamental scientific problems of NLP and what we do with them at AIRI. Trends in 2021-2022: multilingualism, transfer of skills and knowledge
Tatiana Shavrina,
AIRI, Sber devices
Cloud platforms for ML R&D
SberCloud ML Space platform for distributed learning: functional and infrastructure features
Vera Shibaeva,
SberCloud
Vladimir Novozhenov, SberCloud
Moderator
Nayalia Podsosonnaya, Skoltech
Vecherniy Cosmos Hall
Startup Pitching Session
Session partner
10 startup pitch decks, selected by the OpenTalks.AI investment jury
DD-IDDE: God Mode for Designing Scenario-Driven Skills for Chatbots & AI Assistants
Daniel Kornev,
DeepPavlov.ai
Dmitriy Sivkov,
Intel
ML clusters on Intel platforms
Moderator
Sergey Lukashkin,
VTB
Lev Schur,
ITP RAS, HSE
Moderator
Sergey Vinogradov
Moderator
Dmitriy Soshnikov,
Microsoft
How machine learning and AI can support the fight against COVID-19
Session partner
Sergey Vasilyev, venture patner Yellow Rockets
Denis Efremov, principal Fort Ross Ventures
Kirill Tishin,
senior investment director Kama Flow
Islam Midov,
Head of MTS Corporate Venture Fund
Alexander Zemlyak,
Leta Capital
Arkady Sandler,
DOCET TI