因其在计算学习理论及广泛的计算机科学领域里作出的重大贡献,Leslie G. Valiant 获得 2010 年 ACM 图灵奖。Valiant 教授目前在哈佛大学工程与应用科学学院教授计算机科学和应用数学的课程。他在过去 30 年间的工作为诸如 IBM Watson 及其他各种有学习能力的计算机系统的建设打下了坚实的基础。
Valiant 的主要贡献之一是 PAC 模型(Probably Approximately Correct,概率近似正确),该模型可解决信息分类的问题,比如判断一封邮件是不是 SPAM。为解决信息分类问题,学习算法会根据过去的经验而设计一个概率假设,并将此假设作为判断依据。然而,这种根据过去经验的泛化可能并不适用于将来,比如过度泛化。PAC 模型可最大限度地降低泛化带来的错误,这就是为什么它被称为“概率近似正确”的原因。此学习模型对于机器学习、人工智能和其他计算领域(如自然语言处理、笔迹识别、机器视觉等)都产生了重要影响。
Valiant 的代数计算机论是计算复杂性理论的又一关键贡献。它建立了一个理解框架,可高效地完成代数公式的求值运算。
除计算机复杂性理论之外,Valiant 还为并行计算和分布式计算作出了重要的贡献。
在过去的几年内,Valiant 还致力于计算神经学的研究,他为大脑设计了一个数学模型,并将此它与复杂的认知功能建立了关联。此发现发表在《 Circuits of the Mind 》一书中。
委员会如此总结对 Valiant 评价:
很少有人能像 Valiant 一样同时在广度和深度上作出如此卓越的工作。他是理论计算机科学领域里真正的英雄;他在解决某些悬而未决的科学问题上的勇气和创造力是人们学习的楷模。
评论