OpenTalks.AI /
6-7 Марта 2024,
Тбилиси


Открытая конференция по ии

Тест Программа
OpenTalks.AI 2024

версия от 19.01.2024
Время по Тбилиси, GMT+4
19:00-21:00
Welcome drinks and networking
Вечер накануне конференции - прекрасное время выпить бокальчик вина и встретить знакомые лица в неформальной обстановке!) И конечно познакомиться с новыми людьми!)

Welcome drinks будет в отеле IBIS Yerevan Central на 2 этаже с 19:00 до 21:00. Для входа Вам нужно будет получить бейдж и быть 18+ чтобы участвовать в нем, так что не забудьте паспорт, пожалуйста!)

Специально для этого вечера мы пригласили винодела Самвела Мачаняна из винодельни Alluria чтобы рассказать про свои вина и познакомиться с участниками. Именно вино с его винодельни было выбрано Игорем Пивоваровым и Еленой Чинариной как подарок спикерам конференции 2023 года! У нас будет несколько бутылочек этого вина для дегустации на этом вечере)

День LLM и GenAI

Среда, 6 Марта
08:30 – 10:00
Регистрация и приветственный кофе
09:00 – 09:45
Введение в ИИ для новичков
Игорь Пивоваров, OpenTalks.AI
Пока конференция не началась - для тех, кто только начинает свой путь в ИИ, краткое знакомство с основными технологиями ИИ. Простым языком про компьютерное зрение и большие языковые модели, что такое трансформеры и attention, обзор треков конференции и секций.
09:45 – 10:00
Перерыв
10:00 – 11:30
Пленарная сессия 1 - обзоры
Большой конференц-зал
10:00 – 10:10
Открытие конференции и первого дня
Игорь Пивоваров, OpenTalks.AI
Что будет на конференции, основные идеи, цифры, акценты.
10.10 – 10.50
NLP и LLM - главное в 2023 году
Михаил Бурцев
London Institute for Mathematical Sciences (UK)
Обзор основных работ в больших языковым моделях и обработке естественного языка в 2023 году. Обзор возможностей добавления памяти к LLM.
10.40 – 11.30
LLM - больше чем языковые модели
Александр Новиков
DeepMind (UK)
Обзор возможностей расширения функционала LLM. Метод FunSearch - улучшение математических способностей LLM за счет добавления эволюционных алгоритмов (Nature, 2023).
11:30 – 12:00
Перерыв, кофе
12:00 – 12:45
Параллельные сессии
Решения для бизнеса на базе LLM
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
ML для бизнеса
Зал 4
Секция будет объявлена позже
Как научить ChatGPT продавать ваш продукт за вас
Михаил Ларькин,
AICJM
Custom CUDA Kernels: Practical Approaches to Low-Level Optimizations

Part 1: How to fuse a QKV Attention Layer into a single CUDA kernel?
Григорий Алексеев, Perplexity
Александр Тужилин,
New York University
When Variety Seeking Meets Unexpectedness: Incorporating Variety-Seeking Behaviors into Design of Unexpected Recommender Systems
Будет объявлен позже
Модератор
Agenda:
1. How to fuse a QKV Attention Layer into a single CUDA kernel?
2. Step-by-step guide to writing efficient kernels using a basic algorithm

Quick Overview:
1. We will explore kernel-level operations to understand how LLM layers function, specifically focusing on the QKV attention layer from llama_7b. I will present my approach for implementing a fused CUDA kernel, including code snippets. This session will also cover benchmark analysis and potential optimization strategies.
2. This segment involves a deeper examination of CUDA kernels, focusing on optimization techniques and profiling. We'll research the process of enhancing a basic histogram kernel, analyzing its behavior from various aspects and comparing it to a third-party solution.
Подробнее
Будет объявлен позже
Модератор
Подробнее
Подробнее
Другие спикеры будут объявлены позже
Другие спикеры будут объявлены позже
Variety seekers are those customers who easily get bored with the products they purchased before and, therefore, prefer new and fresh content to expand their horizons. Despite its prevalence, variety-seeking behavior is hardly studied in recommendation applications because of various limitations in existing variety-seeking measures. To fill the research gap, we present a variety-seeking framework in this paper to measure the level of variety-seeking behavior of customers in recommendations based on their consumption records. We validate the effectiveness of our framework through user questionnaire studies conducted at Alibaba, where our variety-seeking measures match well with consumers' self-reported levels of their variety-seeking behaviors. Furthermore, we present a recommendation framework that combines the identified variety-seeking levels with unexpected recommender systems in the data mining literature to address consumers' heterogenous desire for product variety, in which we provide more unexpected product recommendations to variety-seeking consumers and vice versa. Through off-line experiments on three different recommendation scenarios and a large-scale online controlled experiment at a major video-streaming platform, we demonstrate that those models following our recommendation framework significantly increase various business performance metrics and generate tangible economic impact for the company. Our findings lead to important managerial implications to better understand consumers' variety-seeking behaviors and design recommender systems. As a result, the best-performing model in our proposed frameworks has been deployed by the company to serve all consumers on the video-streaming platform.
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
CUDA - Туториал
12:45 – 13:00
Перерыв
13:00 – 14:00
Параллельные сессии
ИИ в юридической практике
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
CUDA -
Туториал
Natural Language Processing - языковые модели
Зал 4
Секция будет объявлена позже
Спикеры будут объявлены позже
Павел Браславский,
Nazarbayev University
You Told Me That Joke Twice: A Systematic Investigation of Transferability and Robustness of Humor Detection Models
Хольгер Цшайге,
Infotropic Media
Модератор
Будет объявлен позже
Модератор
Automatic humor detection is a highly relevant task for conversational AI. To date, there are several English datasets for this task, but little research on how models trained on them generalize and behave in the wild. To fill this gap, we carefully analyze existing datasets, train RoBERTa-based and Naïve Bayes classifiers on each of them, and test on the rest. Training and testing on the same dataset yields good results, but the transferability of the models varies widely. Models trained on datasets with jokes from different sources show better transferability, while the amount of training data has a smaller impact. The behavior of the models on out-of-domain data is unstable, suggesting that some of the models overfit, while others learn non-specific humor characteristics. An adversarial attack shows that models trained on pun datasets are less robust. We also evaluate the sense of humor of the chatGPT and Flan-UL2 models in a zero-shot scenario. The LLMs demonstrate competitive results on humor datasets and a more stable behavior on out-of-domain data. We believe that the obtained results will facilitate the development of new datasets and evaluation methodologies in the field of computational humor. We've made all the data from the study and the trained models publicly available.
Подробнее
Другие спикеры будут объявлены позже
Custom CUDA Kernels: Practical Approaches to Low-Level Optimizations

Part 2: Step-by-step guide to writing efficient kernels using a basic algorithm.
Grigorii Alekseev, Perplexity
Agenda:
1. How to fuse a QKV Attention Layer into a single CUDA kernel?
2. Step-by-step guide to writing efficient kernels using a basic algorithm

Quick Overview:
1. We will explore kernel-level operations to understand how LLM layers function, specifically focusing on the QKV attention layer from llama_7b. I will present my approach for implementing a fused CUDA kernel, including code snippets. This session will also cover benchmark analysis and potential optimization strategies.
2. This segment involves a deeper examination of CUDA kernels, focusing on optimization techniques and profiling. We'll research the process of enhancing a basic histogram kernel, analyzing its behavior from various aspects and comparing it to a third-party solution.
Подробнее
14:00 – 15:00
Обед
15:00 – 16:30
Пленарная сессия 2 - обзоры
Большой конференц-зал
15:00 – 15:45
Главное в Генеративном ИИ в 2023
Спикер будет объявлен позже
15:45 – 16:30
ИИ в ритейле - обзор
Спикер будет объявлен позже
16:30 – 17:00
Перерыв
17:00 – 18:00
Параллельные сессии
Machine learning в бизнесе
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Computer Vision - разработка
Machine learning - Туториал
Зал 4
Секция будет объявлена позже
Тиндер в Прямых продажах
Елизавета Пушкарева,
Точка
Efficient Video Classification Algorithms and Facial Expression Recognition
Андрей Савченко,
Sber AI Lab
Будет объявлен позже
Модератор
In this talk, I will present the high computational complexity problem for the frame-wise video classifiers. I will overview known efficient algorithms, such as AdaFrame, LiteEval, FrameExit, OCSampler, etc. Moreover, I will present the novel approach presented at the ICML 2023 conference based on the ideas of sequential analysis and adaptive frame rate.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
Будет объявлен позже
Модератор
Дмитрий Ветров,
НИУ ВШЭ, AIRI
Тема уточняется
Подробнее
Startup success prediction and VC portfolio simulation
Кирилл Чумачков,
Aloniq
JPEG AI и артефакты — проблемы внедрения нейросетевых алгоритмов
Дмитрий Ватолин,
Институт ИИ МГУ
Подробнее
We explore predicting startup success using CrunchBase data and deep learning. Our model forecasts milestones like IPOs, unicorn status, and M&A for Series B and C startups. We achieved 14x capital growth (98th percentile of VC funds), identified high-potential startups, and stress the importance of diverse data for accuracy. This work shows deep learning's promise in startup success prediction.
Подробнее
Другие спикеры будут объявлены позже
End-to-end AI-based video codecs outperforms H.266
Денис Пархоменко,
ВШЭ
AI-based video compression is actively researching area. There are several AI-based architectures, that outperforms latest video compression standard (H.266) in some scenarios (usually video communication or streaming), but in random access scenario (most important to VoD services) H.266 is still better.Here we present new AI-based video codec, that outperforms H.266 in random access scenario. Which is first solution that reach such level of compression ability.
Подробнее
Другие спикеры будут объявлены позже
Марк Потанин,
Xihelm
Каждый день продавцы в Точке прозванивают 3000+ карточек, но что если мы можем влиять на этот процесс и подбирать карточки на прозвон для каждого продавца? Расскажу, как мы сделали машинку, которая ранжирует компании по вероятность конвертации в клиента, а потом переделали ее в своеобразный тиндер: карточки с контактами каждый день разделяются между продавцами на основе персональных скоров, предсказанной производительности и срочности прозвона. Затрону техническую сторону машинки для предсказания персональных скоров + стратегию бронирования карточек и как подобрать оптимальное временное окно бронирования. А ещё - покажу, сколько денег мы на этом заработали
В 2024 году выходит новый стандарт сжатия JPEG AI. Автор, один из немногих в России входит в комитет по стандартизации. О возможностях и проблемах нового стандарта и будет рассказано.
18:00 – 18:15
Перерыв
18:15 – 19:00
Параллельные сессии
Секция будет объявлена позже
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Секция будет объявлена позже
Machine learning - Туториал
Зал 4
Секция будет объявлена позже
Как научить ChatGPT продавать ваш продукт за вас
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Дмитрий Ветров,
НИУ ВШЭ, AIRI
Тема уточняется
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Как научить ChatGPT продавать ваш продукт за вас
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Как научить ChatGPT продавать ваш продукт за вас
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Как научить ChatGPT продавать ваш продукт за вас

День CV и Hardware

Четверг, 7 Марта
09:00 – 10:00
Регистрация
10:00 – 11:30
Пленарная сессия 3 - обзоры
Большой конференц-зал
10:00 – 10:10
Открытие дня.
Игорь Пивоваров, OpenTalks.AI
10:10 – 10:50
CV - главное в 2023 году
Спикер будет объявлен позже
10:50 – 11:30
Тема и спикер будут объявлены позже
11:30 – 12:00
Перерыв
12:00 – 13:00
Параллельные сессии
Секция будет объявлена позже
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Оптимизация вычислений
Generative AI
Зал 4
Секция будет объявлена позже
Large Language Model Fine-Tuning Acceleration with Data Reduction via Losses
Александр Демидовский,
Huawei Russian Research Institute
Евгений Бурнаев,
Skoltech, AIRI
От стохастических дифференц-иальных уравнений до задачи Монжа-Канторовича и обратно: путь к искусственному интеллекту?
As industry needs to process growing amounts of training data, reduce the cost of fine-tuning a single model, and minimize the environmental effects, the task of accelerating the fine-tuning of large language models (LLM) has become extremely demanding. DAREL is a novel training data reduction method that operates with training samples based on losses obtained from a currently trained model or a pre-trained one. The proposed method is devoted to Large Language Models fine-tuning and is designed primarily to be combined with Parameter-Efficient fine-tuning methods, such as LoRA. The results of computational experiments provide compelling evidence of the enhancement of the fine-tuning quality and time of Large Language Models. DAREL allows an average 1.26x fine-tuning acceleration for GPT2-S, GPT2-M and GPT2-L on a variety of datasets, including E2E-NLG, DART and WebNLG, with an average BLEU drop of 1.44 p.p.
Подробнее
Будет объявлен позже
Модератор
Будет объявлен позже
Модератор
Подробнее
Fast Implementation of the Node2Vec Algorithm
Полина Пластова,
YADRO
Другие спикеры будут объявлены позже
Node2Vec is a widely used algorithm for learning feature representations of the graph nodes. This algorithm is intensivelly used in multiple highload applications. Thus its performance is very important. There are two reference implementations of the Node2Vec in C++ and Python from Stanford Network Analysis Project (SNAP). However, their performance is not optimal. We introduce an optimized implementation of the Node2Vec algorithm, which performance is 2.5-5.1 times higher than the reference ones. We also prove that the accuracy of the optimized algorithm stays the same by solving a multi-label node classification problem on several datasets.
Подробнее
Другие спикеры будут объявлены позже
А.Н. Колмогоров - крупнейший математик XX века, основоположник современной теории вероятностей, также заложивший основы теории марковских случайных процессов с непрерывным временем. Эти результаты, оказавшие огромное влияние на развитие прикладных методов обработки сигналов, фильтрации, моделирования и обработки финансовых данных, в 21 веке снова оказались в центре внимания в связи с развитием искусственного интеллекта и его приложений. Действительно, для решения таких важных прикладных задач, как повышение разрешения изображений, синтезирование речи по тексту, генерация изображений на основе текстовых описаний, и др. требуются эффективные методы генеративного моделирования, которые способны порождать объекты из распределения, задаваемого выборкой примеров. Недавние достижения в области генеративного моделирования как раз и базируются на диффузионных моделях и используют математическую основу, заложенную еще в прошлом веке А.Н. Колмогоровым и его последователями. В докладе будет рассказано о современных подходах к генеративному моделированию на основе диффузионных процессов и на основе решения задачи Монжа-Канторовича. Будет показана связь решения энтропийно-регуляризованной задачи Монжа-Канторовича с задачей построения диффузионного процесса с определенными экстремальными свойствами. Работа соответствующих алгоритмов будем продемонстрирована на примере решения различных задач обработки изображений.
13:00 – 13:15
Перерыв
13:15 – 14:00
Параллельные сессии
Computer Vision в медицине
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Нейроморфные вычисления
Секция будет объявлена позже
Зал 4
Секция будет объявлена позже
AI decreases time and increases recall during routine CT examination
Анвар Курмуков,
AUMI.AI
Обзор направления нейроморфных систем ИИ
Денис Ларионов,
ЧУ "Цифрум"
Будет объявлен позже
Модератор
Подробнее
Будет объявлен позже
Модератор
Radiologists dedicate more than half of their diagnostic time to in- terpreting computed tomography (CT) scans, with chest and abdominal scans being particularly detailed and time-intensive due to the need to meticulously identify and describe a variety of diseases. Our cutting-edge product simultaneously analyzes 10 different diseases in these scans, in- cluding disorders affecting the lungs, heart, bones, and abdominal regions. In this study, we demonstrate how introducing an AI-assisted study pro- vides a substantial time-saving advantage and lessens the heavy workload currently borne by radiologists. Specifically, it saves up to 20% of the time spent on CT examinations (≈ 2.5 mins on average), and increases the average recall by over 29%, while preserving the same level of positive predictive value.
Подробнее
Другие спикеры будут объявлены позже
Другие спикеры будут объявлены позже
В докладе будет представлен обзор современных трендов в направлении нейроморфных систем искусственного интеллекта. В разрезе нейроморфных свойств (коннекционизм, параллелизм, асинхронность, импульсный характер передачи информации, обучение на устройстве, локальное обучение, разреженность, аналоговые вычисления и вычисления в памяти) будут рассмотрены наиболее яркие проекты в мире. Особенное внимание будет уделено новинкам последнего года - IBM NorthPole, второе поколение Akida, чипам на основе мемристивных вычислений.
14:00 – 15:00
Обед
15:00 – 15:45
Параллельные сессии
Секция будет объявлена позже
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Роботы и беспилотники
Секция будет объявлена позже
Зал 4
Machine learning - Научные доклады
От семантических к мульти-модальным картам в робототехнике (From semantic to multimodal maps in robotics)
Dmitry Yudin,
MIPT, AIRI
Подробнее
Спикеры и модератор будут объявлены позже
Будет объявлен позже
Модератор
Другие спикеры будут объявлены позже
В настоящее время в интеллектуальной робототехнике наблюдается переход от семантических карт к мультимодальным, которые могут содержать не только информацию о препятствиях и их типах, но и данные с текстовыми описаниями объектов или даже звуком, которые они издавали. В докладе будут рассмотрены современные нейросетевые методы, которые позволяют строить такие карты. Обсудим также оригинальные алгоритмы и примеры их использования на открытых датасетах, данных из фотореалистичного симулятора и реального мобильного робота. Отметим перспективы их применения для задач навигации и вызовы для запуска подобных подходов на встраиваемых устройствах.
15:45 – 16:00
Перерыв
16:00 – 18:45
Параллельные сессии
Секция будет объявлена позже
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Распределенные вычисления
Секция будет объявлена позже
Зал 4
Machine learning - Научные доклады
Overview of Federated Learning Methods
Денис Афанасьев,
CleverDATA
Спикеры и модератор будут объявлены позже
Будет объявлен позже
Модератор
Другие спикеры будут объявлены позже
Currently, in intelligent robotics there is a transition from semantic maps to multimodal ones, which can contain not only information about obstacles and their types, but also data with text descriptions of objects or even the sound they made. The report will discuss modern neural network methods that make it possible to construct such maps. We will also discuss original algorithms and examples of their use on open datasets, data from a photorealistic simulator and a real mobile robot. Let us note the prospects for their use for navigation problems and the challenges for running similar approaches on embedded devices.
Подробнее
16:45 – 17:15
Перерыв
Секция будет объявлена позже
Зал 3 - Академия
Зал 2 - Разработка
Зал 1 - Бизнесс
Секция будет объявлена позже
Секция будет объявлена позже
Зал 4
Секция будет объявлена позже
От семантических к мультимодальным картам в робототехнике (From semantic to multimodal maps in robotics)
Дмитрий Юдин,
AIRI
В настоящее время в интеллектуальной робототехнике наблюдается переход от семантических карт к мультимодальным, которые могут содержать не только информацию о препятствиях и их типах, но и данные с текстовыми описаниями объектов или даже звуком, которые они издавали. В докладе будут рассмотрены современные нейросетевые методы, которые позволяют строить такие карты. Обсудим также оригинальные алгоритмы и примеры их использования на открытых датасетах, данных из фотореалистичного симулятора и реального мобильного робота. Отметим перспективы их применения для задач навигации и вызовы для запуска подобных подходов на встраиваемых устройствах.
Подробнее
Другие спикеры будут объявлены позже
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
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
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
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Как научить ChatGPT продавать ваш продукт за вас
Михаил Ларькин,
AICJM
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
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
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Подробнее
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
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
Как научить ChatGPT продавать ваш продукт за вас
19:30 – 22:00
Вечеринка
У Вас будет замечательная возможность неформально пообщаться со спикерами и участниками конференции и послушать выступления музыкальных групп компаний ИИ индустрии!