OPEN CONFERENCE ON
ARTIFICIAL INTELLIGENCE

OpenTalks.AI /
6-7 March 2023
Yerevan, Armenia

Schedule
OpenTalks.AI 2023

v. 31.01.2023
Speakers will be added
18:00-20:00
Welcome drinks and networking
The evening before the conference is a great time to drink a glass of wine and meet familiar faces in an informal setting!) And of course, to meet new people!)

CV & RL

Monday, March 6
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 – 10.55
Computer vision - main in 2022
Alexey Dosovitskiy, Google Brain
10:55 – 11:15
Coffee break
11:15 – 12:15
Sessions
CV in medicine
Small hall 2
Small hall 1
Big Conference Hall
Moderator will be announced later
AI in legal practice
Data, data markup and testing
The ML model through the eyes of a lawyer: legal nature, protection of rights, responsibility
Elena Melnikova,
ITMO
Autonomous director and autonomous BoD systems based on AI and ML


Anna Romanova,
MIPT
AI-based claims analysis system
Ignat Postny,
LLC "TAG Consulting"
Session partner
Learning annotator's style in medical imaging
Evgeny Nikitin,
Celsus
Victoria Dochkina, Gazprombank
Testing machine learning systems
Moderator
Holger Zscheyge
Generating synthetic data and training models on them.
Fattakhova Yulduz,
Sberbank
Evgeny Sidorov,
Third Opinion AI
Multi-view pathology detection
Fedor Zhdanov,
Yandex Toloka
Moderator
12:15 – 12:30
Coffee break
12:30 – 13:30
Sessions
GANs in business
Small hall 2
Small hall 1
Big Conference Hall
Moderator will be announced later
Data Topology
Robots and drones
Andrey Kuznetsov,
Sber
Creative AI models design. New trends and applications.
Topology meets BERTology: Topological Data Analysis for the understanding of Transformers


Irina Piontkovskaya, Huawei Noah's Ark Lab
Topology strikes back: shape of your data really matters!


Evgeny Burnaev, Skoltech
Autonomous Truck Perception System for Closed Areas
Alexey Voropaev,
Evocargo
Andrey Kuzminykh,
DocetTI
Synthetic data: Learning self-driving cars in simulation


Moderator will be announced later
Computer vision for an agrobot-manipulator for picking apples
Nikita Andriyanov,
Financial Academy
Alexander Notchenko, Deepcake
Generative AI for Creative Industries


Moderator will be announced later
Development and practice of using tools based on generative neural networks in the work of a Digital agency
Vladimir Novoselov, Realweb
Подробнее
Разработка, производство и выпуск в обращение систем искусственного интеллекта, как медицинских изделий, должны в обязательном порядке законодательно и технически регулироваться, т.к. относятся к высокому классу риска. Клинические испытания, технические испытания и последующая экспертная проверка, при регистрации медицинских изделий являются частью оценки безопасности, эффективности и качества продуктов на основе технологий искусственного интеллекта. Методология проведения клинических испытаний, представленная в национальном российском стандарте по клинической медицине (сформирована окончательная редакция), включает клиническую связь и клиническую валидацию на наборах данных, стоит отметить, что за основу взят как национальный, так и международный опыт (рекомендации FDA и IMDRF). Методология также включает рекомендуемый перечень показателей эффективности и требования к наборам данных для тестирования систем искусственного интеллекта, а также требования к исследователям, проводящим испытания и системе менеджмента качества при организации испытаний. Апробация разработанной методологии клинических испытаний систем искусственного интеллекта проведена на базе Центра диагностики и телемедицинских технологий. Клинические испытания систем искусственного интеллекта процесс, который отличается от испытаний других медицинских изделий, в нем принимают участие врачи, ИТ-специалисты, аналитики и инженеры. Достоверное тестирование по разработанной методологии клинических испытаний систем искусственного интеллекта поможет сделать такие инновационные продукты более "прозрачными" и повысить к ним доверие как врачей (медицинского персонала), так и пациентов.
Клинические испытания медицинского ПО с искусственным интеллектом
Виктория Зинченко, ДЗМ
13:30 – 14:30
Lunch
14:30 – 16:00
Plenary 2 - reviews
Big Conference Hall
14:30 – 15:15
RL - main results in 2022
Alexander Panov, MIPT
The most interesting papers on reinforcement learning published in 2022 at top ML confs.
15:15 – 16:00
Generative Adversarial Networks —
main results in 2022
Andrey Voynov, Google
16:00 – 16:15
Coffee break
16:15 – 17:15
Sessions
RL in business
Small hall 2
Small hall 1
Big Conference Hall
Moderator will be announced later
ML- Scientific reports
CV - RnD
Oleg Svidchenko, Association "AI in Industry"
Reinforcement Learning in Real Life: applications, cases and challenges
Neural networks for the problem of finding anomalies in time series in industry
Yuri Katser,
Skoltech
Continuous Deep Q-Learning in Optimal Control Problems: Normalized Advantage Functions Analysis


Anton Plaksin,
IMM UB RAS
Case-driven CV in satellite image processing
Alexey Trekin,
Geoalert LLC
Mikhail Zotov,
MSU, Research Institute of Nuclear Physics
Hinting for ultraviolet transients with a neural network


Moderator will be announced later
Егор Захаров,
Samsung AI Center, Сколтех
Neural Rendering for Telepresence
Подробнее
Данный доклад фокусируется на автоматизированной платформе для оценки качества сервисов на основе алгоритмов компьютерного зрения в рентгенологической практике. Для оценки качества ИИ-сервисов был разработан инструмент ROC анализа, реализованный также в формате веб-сайта. Он позволяет рассчитать матрицу ошибок, основные метрики точности, а также построить ROC кривую с 95% доверительным интервалом. Инструмент позволяет визуализировать оптимальные пороговые значения по точкам с максимальным индексом Юдена или минимальным расстоянием до левого верхнего угла графика. Для того, чтобы автоматизировать процесс оценки сервисов на основе данного инструмента, была разработана платформа на основе метода обмена сообщениями и файлами между ИИ-сервисами и платформой. При этом, в дополнение к метрикам инструмента ROC анализа происходит автоматическая регистрация времени обработки исследования сервисом. Апробация платформы проводилась на основе семи тестирований шести ИИ-сервисов. Один из сервисов прошел два тестирования на платформе в связи с доработками алгоритма. При этом была полностью снята нагрузка с экспертов, а общее время подтверждения валидности сервиса сократилось с девяти рабочих дней до трех. Данная разработка будет полезна как разработчику, так и конечному пользователю. Оценка на эталонном наборе реальных данных конечному пользователю позволит выбрать оптимальное решение для медицинской организации, а также подтвердить валидность сервиса после доработки, а разработчику позволит найти пути модернизации алгоритма.
Как заставить искусственный интеллект работать в реальной медицинской практике?
Ксения Евтеева,
ДЗМ
Computer Vision and Artificial Intelligence In Advertising
Maxim Kuprashevich, SberDevices
Anton Kolonin,
NSU
Adaptive Multi-Agent Active Portfolio Management
Moderator will be announced later
Autonomous multi-agent system for detecting attacks on industrial networks: analysis of unknown protocols and search for anomalies
Denis Komarov, CyberLympha
Подробнее
Разработка, производство и выпуск в обращение систем искусственного интеллекта, как медицинских изделий, должны в обязательном порядке законодательно и технически регулироваться, т.к. относятся к высокому классу риска. Клинические испытания, технические испытания и последующая экспертная проверка, при регистрации медицинских изделий являются частью оценки безопасности, эффективности и качества продуктов на основе технологий искусственного интеллекта. Методология проведения клинических испытаний, представленная в национальном российском стандарте по клинической медицине (сформирована окончательная редакция), включает клиническую связь и клиническую валидацию на наборах данных, стоит отметить, что за основу взят как национальный, так и международный опыт (рекомендации FDA и IMDRF). Методология также включает рекомендуемый перечень показателей эффективности и требования к наборам данных для тестирования систем искусственного интеллекта, а также требования к исследователям, проводящим испытания и системе менеджмента качества при организации испытаний. Апробация разработанной методологии клинических испытаний систем искусственного интеллекта проведена на базе Центра диагностики и телемедицинских технологий. Клинические испытания систем искусственного интеллекта процесс, который отличается от испытаний других медицинских изделий, в нем принимают участие врачи, ИТ-специалисты, аналитики и инженеры. Достоверное тестирование по разработанной методологии клинических испытаний систем искусственного интеллекта поможет сделать такие инновационные продукты более "прозрачными" и повысить к ним доверие как врачей (медицинского персонала), так и пациентов.
Клинические испытания медицинского ПО с искусственным интеллектом
Виктория Зинченко, ДЗМ
17:15 – 17:30
Coffee break
17:30 – 18:30
Sessions
Dubai, Almaty, Yerevan, Tbilisi, London, Singapore - Russian experience.
Small hall 1
At the session, we will share our experience of moving to different countries - the cost of living in the country, working conditions, visas, the market, what kind of support you can get, etc. Real case studies first hand

Big Conference Hall
CV in business
Alexey Sidoryuk,
ANO "Digital Economy"
Kartashev Oleg, Severstal Digital
Metric Learning, Anomaly Detection and Synthetic Data for preventing chain conveyor outages
Dmitry Pshichenko,
HSE
Mining industry cases on the application of machine learning and computer vision: a business perspective
Konstantin Panfilov,
CG Samolet
Review of cases of application of machine learning models in development problems
Moderator
Roman Doronin, Dubai


Victor Lempitsky, Yerevan

Arkady Sandler, Spain, Israel

Alexey Dral, Kazakhstan

NLP & Hardware

Tuesday, March 7
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 2022
Mikhail Burtsev, DeepPavlov
Review of the main results in NLP in 2022 - achievements and trends.
10:50 – 11:25
AI Hardware - main events in 2022
Speaker will be announced later
Overview of the main directions of development of hardware accelerators for AI, what's new and forecast for the future.
11:25 – 11:45
Coffee break
11:45 – 12:45
Sessions
Computing resources for AI
Small hall 2
Small hall 1
Big Conference Hall
Moderator will be announced later
CV - Tutorial
NLP in business
El-Hajj Khalil,
JSC STC "Module"
Hardware for AI: domestic hardware platform NeuroMatrix.
Star-Shaped diffusion models


Dmitry Vetrov,
NRU HSE, AIRI
Session partner
Barista in a coffee machine: NLP technologies in vending

Sergey Ponomarenko, EORA
Daniel Korneev,
DeepPavlov
Re-designing DeepPavlov Dream around Large Language Models


Егор Захаров,
Samsung AI Center, Сколтех
Neural Rendering for Telepresence
Подробнее
Данный доклад фокусируется на автоматизированной платформе для оценки качества сервисов на основе алгоритмов компьютерного зрения в рентгенологической практике. Для оценки качества ИИ-сервисов был разработан инструмент ROC анализа, реализованный также в формате веб-сайта. Он позволяет рассчитать матрицу ошибок, основные метрики точности, а также построить ROC кривую с 95% доверительным интервалом. Инструмент позволяет визуализировать оптимальные пороговые значения по точкам с максимальным индексом Юдена или минимальным расстоянием до левого верхнего угла графика. Для того, чтобы автоматизировать процесс оценки сервисов на основе данного инструмента, была разработана платформа на основе метода обмена сообщениями и файлами между ИИ-сервисами и платформой. При этом, в дополнение к метрикам инструмента ROC анализа происходит автоматическая регистрация времени обработки исследования сервисом. Апробация платформы проводилась на основе семи тестирований шести ИИ-сервисов. Один из сервисов прошел два тестирования на платформе в связи с доработками алгоритма. При этом была полностью снята нагрузка с экспертов, а общее время подтверждения валидности сервиса сократилось с девяти рабочих дней до трех. Данная разработка будет полезна как разработчику, так и конечному пользователю. Оценка на эталонном наборе реальных данных конечному пользователю позволит выбрать оптимальное решение для медицинской организации, а также подтвердить валидность сервиса после доработки, а разработчику позволит найти пути модернизации алгоритма.
Как заставить искусственный интеллект работать в реальной медицинской практике?
Ксения Евтеева,
ДЗМ
Evolution of approaches to thematization in cases of speech analytics
Inna Lizunova,
Speech Technology Center
Ksenia Melnikova,
Scaletorch
Make your AI compute 10x-1000x faster
Moderator will be announced later
Taxonomy of Federated Learning methods, overview of existing platforms and major players, existing challenges and industry development trends


Denis Afanasiev,
SberDevices
Подробнее
Разработка, производство и выпуск в обращение систем искусственного интеллекта, как медицинских изделий, должны в обязательном порядке законодательно и технически регулироваться, т.к. относятся к высокому классу риска. Клинические испытания, технические испытания и последующая экспертная проверка, при регистрации медицинских изделий являются частью оценки безопасности, эффективности и качества продуктов на основе технологий искусственного интеллекта. Методология проведения клинических испытаний, представленная в национальном российском стандарте по клинической медицине (сформирована окончательная редакция), включает клиническую связь и клиническую валидацию на наборах данных, стоит отметить, что за основу взят как национальный, так и международный опыт (рекомендации FDA и IMDRF). Методология также включает рекомендуемый перечень показателей эффективности и требования к наборам данных для тестирования систем искусственного интеллекта, а также требования к исследователям, проводящим испытания и системе менеджмента качества при организации испытаний. Апробация разработанной методологии клинических испытаний систем искусственного интеллекта проведена на базе Центра диагностики и телемедицинских технологий. Клинические испытания систем искусственного интеллекта процесс, который отличается от испытаний других медицинских изделий, в нем принимают участие врачи, ИТ-специалисты, аналитики и инженеры. Достоверное тестирование по разработанной методологии клинических испытаний систем искусственного интеллекта поможет сделать такие инновационные продукты более "прозрачными" и повысить к ним доверие как врачей (медицинского персонала), так и пациентов.
Клинические испытания медицинского ПО с искусственным интеллектом
Виктория Зинченко, ДЗМ
12:45 – 13:00
Coffee break
13:00 – 14:00
Sessions
Neuromorphic Computing - Overview
Small hall 2
Small hall 1
Big Conference Hall
Moderator will be announced later
CV - Tutorial
NLP - RnD
Denis Larionov,
Cifrum, Rosatom
Overview of Neuromorphic AI Systems
Star-Shaped diffusion models
Dmitry Vetrov,
NRU HSE, AIRI
How Well do Pre-Trained Models Understand Language?
Elizaveta Goncharova,
AIRI, HSE
Vladimir Orshulevich,
Unum
Semantic Multimodal Multilingual retrieval systems


Kaspersky Neuromorphic Platform: Green AI for cyber-physical systems
Andrey Lavrentiev,
Oleg Vygolov,
Kaspersky Lab
The Future of Language Modeling: from modeling language to modeling everything else
Tatyana Shavrina,
AIRI
Mikhail Kiselev,
Kaspersky Lab
Mathematics of neuromorphic systems and impulse neural networks
Moderator will be announced later
Topic to be confirmed
Speaker on confirmation
14:00 – 15:00
Lunch
15:00 – 16:15
Sessions
NLP - RnD
Small hall 1
Big Conference Hall
Plenary 4 - reviews
Sergey Shumsky, MIPT
Alexey Shpilman, Gazprom Neft
AGI is coming - an overview of key works

Recently, many models have appeared that demonstrate unique abilities. With the advent of each of these models, it begins to seem to someone that this is finally a breakthrough and we have almost created AGI.
In the report, Alexey will analyze the main such models - Gato, Dreamer, ChatGPT and others - and show what they actually do and what they still don't do.
How did intelligence come about? Is it possible that this is a natural process of development and evolution of living organisms? Can this process be described mathematically? And what will this intelligence be like?
The report will present a consistent mathematical theory that derives the emergence of intelligence from the basic laws of physics.
Intelligence from general principles

Speakers will be announced later
16:15 – 16:30
Coffee break
16:30 – 19:00
10 years of AI, 10 major works, 10 speakers
Big Conference Hall
Alexander Krainov, Yandex
Moderator
Dmitry Vetrov, HSE, AIRI
Evgeny Burnaev, Skoltech
Victor Lempitsky, Samsung, Skoltech
Mikhail Burtsev, DeepPavlov
Tatyana Shavrina, AIRI
Irina Piontkovskaya, Huawei Noah's Ark Lab
Alexey Shpilman, Gazprom Neft
Other speakers will be announced later
19:00 – 22:00
Closing Party
You will have a wonderful opportunity to communicate informally with speakers and participants of the conference and to listen to the performances of musical groups of AI industry companies!
The day is dedicated to new experiences and communication! The program includes a sightseeing tour and tasting of the best Armenian cognacs)

Registration rules for this day will be announced later.
10:00 – 14:45
Sightseeing tour - Symphony of stones and mountain monasteries (by appointment)
14:00 – 15:00
Lunch
15:00 – 17:00
Excursions to Noy and Ararat cognac factories with cognac tasting (by appointment)
© 2017-2020. OpenTalks.AI. All rights reserved.