7位大牛获奖,ACM公布软件系统奖、卡内拉克斯理论与实践奖、艾伦·纽厄尔奖三项大奖

【导读】2020年5月20日,计算机协会(Association for Computing Machinery)宣布了三项著名技术奖的获得者。这些获奖者由同行选出,旨在表彰他们为计算机技术创新所做出的贡献。

ACM 软件系统奖

ACM 软件系统奖主要颁发给开发出具有长远影响力软件系统的机构或个人,这些影响体现在对概念的贡献,商业价值或两者兼有之。软件系统奖的奖金为 35,000 美元,由 IBM 公司提供资金支持。

开发域名系统(DNS)的 ThreatSTOP 首席科学家 Paul Mockapetris 获得了 ACM 软件系统奖。DNS 主要提供全球分布式目录服务,是全球互联网功能的重要组成部分。
Paul Mockapetris 获得 ACM 软件系统奖在上个世纪 80 年代初,互联网在线社区主要通过集中管理目录将计算机主机名与 IP 地址相匹配。随着互联网的高速发展,维护单个集中式主机目录变得缓慢而低效,因此需要新的可扩展架构。为满足这一需求,Paul Mockapetris 于 1983 年设计并构建域名系统(DNS),同时创建了相关查询协议,服务器实现和初始根服务器。

在 Paul Mockapetris 开发 DNS 之时,每天有数千个用于建立关联 IP 地址的名称查找。如今,DNS 仍然使用 37 年前构建的核心组件,但已管控 3.5 亿个单独管理的域,且每天响应数百亿次查询

DNS 已成为许多应用程序(包括电子邮件和网址)的基础。万维网的核心组件通用资源定位器(URL)和通用资源标识符(URI),也依赖 DNS 系统中引入的域名。虽然其他开发者已为 DNS 添加许多新功能,但 Paul Mockapetris 创建的原始架构可以合并这些新的功能,证明了其开发工作的价值。

卡内拉克斯理论与实践奖

卡内拉克斯理论与实践奖旨在表彰对计算实践产生重大影响的特定理论成就。该奖项的奖金为 10,000 美元,由卡内拉克斯家族提供,并由计算机协会的算法和计算理论特别兴趣小组(SIGACT)、设计自动化(SIGDA),数据管理(SIGMOD)、编程语言(SIGPLAN),ACM SIG 项目基金以及个人捐款提供额外资金支持。

来自普林斯顿大学和特拉维夫大学的 Noga Alon、卡内基梅隆大学的 Phillip Gibbons、谷歌和特拉维夫大学的 Yossi Matias、罗格斯大学的 Mario Szegedy 共同获得卡内拉克斯理论与实践奖。他们为流算法(streaming algorithms)及其大规模数据分析应用做出了开创性工作。
Noga Alon、Phillip Gibbons、Yossi Matias 和 Mario Szegedy 率先提出一种用于处理大规模海量数据集的算法框架。目前,他们的 Sketch 算法和流算法仍是流式传输大数据的核心方法,且构成算法领域中的整个子区域。此外,他们所引入的 sketch 和概要(synopses)概念如今已常用于数据库中的各种数据分析、网络监控、互联网产品使用情况分析,自然语言处理机器学习

在他们的开创性论文 "The Space Complexity of Approximating the Frequency Moments"中, Alon、Matias 和 Szegedy 为使用有限内存分析数据流奠定了基础。

后续论文,包括由 Alon、Gibbons、Matias 和 Szegedy 完成的 "Tracking Join and Self-join Sizes in Limited Storage",以及由 Gibbons、Matias 完成的"New Sampling-Based Summary Statistics for Improving Approximate Query Answers",扩展了数据概要的概念,并在流媒体和草图算法这一新兴领域的发展中发挥了重要作用。这项工作已经应用于数据库中的查询规划和处理,以及用于监控网络中生成的大量数据的小型概要的设计。

ACM – AAAI 艾伦·纽厄尔奖

ACM – AAAI 艾伦·纽厄尔奖颁发给那些在计算机科学领域或在计算机科学和其他学科之间起到桥梁作用的贡献者。艾伦·纽厄尔奖的 1 万美元奖金由 ACM 和美国人工智能促进会(AAAI)以及个人捐款提供。

莱斯大学的 Lydia E. Kavraki,斯坦福大学的 Daphne Koller,获得 ACM – AAAI 艾伦. 纽厄尔奖。
Lydia Kavraki 因其在机器人运动规划方面的开创性贡献而受到认可,包括随机运动规划算法和概率路线图的发明,以及在生物信息学和生物医学方面的应用。

Kavraki 在物理算法方面进行了基础性工作,并开发了高效的高维搜索框架,这些框架影响了机器人技术(运动规划、混合系统、机器人学形式化方法、装配规划以及微灵活操作),以及计算结构生物学、转化生物信息学和生物医学信息学。

Kavraki 已经撰写了超过 240 篇经过同行评审的出版物,也是广泛使用的机器人技术教科书《机器运动原理(Principles of Robot Motion)》的作者之一。她的开创性论文"Probabilistic Roadmaps for Path Planning in High Dimensional Configuration Spaces" ,是第一个建立用于开发高维空间路线图的概率方法的论文,这已成为复杂物理系统的运动规划的关键技术之一。

Kavraki 的贡献超越了机器人技术,还解决了蛋白质功能解读、代谢网络的理解以及分子构象和蛋白质灵活性研究背后的问题。她研究的问题包括生物分子的三维结构及其与其他生物分子相互作用的能力,主要用于药物设计,以及最近用于个性化癌症免疫治疗。

Daphne Koller 因其对机器学习和概率模型的开创性贡献、将这些技术应用于生物学和人类健康以及对民主化教育的贡献而被认可。

Koller 是图形模型开发和使用的领导者,包括学习模型结构及其参数,并率先统一了统计学习和关系建模语言。她还开发了在时间模型中进行推理和学习的基本方法。她的教科书(与 Nir Friedman 合著)《概率图模型(Probabilistic Graphical Models)》是这一领域的权威著作。

作为将机器学习方法引入生命科学的早期领导者,她开发了模块网络,她和她的同事利用基因调控程序中的模块性来建立一个有效的基因活动模型。她开发了机器学习在病理学上的突破性应用,这项工作不仅证明了机器学习的能力超过了人类病理学家,而且也是第一个强调间质组织在癌症预后中的重要性(现在已得到广泛认可)的工作之一。

Koller 也是 Coursera 的联合创始人和前联合首席执行官,Coursera 是一个向世界各地的人们提供顶尖大学免费教育的平台,创立八年来,已经触及了世界各国 5000 多万学习者的生活。Koller 目前是 Insitro 的创始人兼首席执行官,Insitro 是一家生物技术初创公司,致力于通过大规模整合机器学习和生物学来发现更好的药物。

关于 ACM

计算机科学协会(ACM)是世界上最大的教育和科学计算机学会,它将计算机教育工作者、研究人员和专业人士联合起来,以激发对话、共享资源并应对该领域的挑战。ACM 通过强大的领导力、最高标准的推广以及对技术卓越的认可,增强了计算机行业的集体声音。ACM 通过提供终身学习、职业发展和专业网络的机会来支持其成员的专业成长。

参考资料:
https://awards.acm.org/software-system
https://awards.acm.org/kanellakis
https://awards.acm.org/newell

AMiner学术头条
AMiner学术头条

AMiner平台由清华大学计算机系研发,拥有我国完全自主知识产权。系统2006年上线,吸引了全球220个国家/地区800多万独立IP访问,数据下载量230万次,年度访问量1000万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

https://www.aminer.cn/
专栏二维码
产业ACM
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

运动规划技术

运动规划(也被称为导航问题或钢琴搬运工的问题)是机器人的一个术语,用于将期望的运动任务分解成离散的运动,以满足运动的限制,并可能优化运动的某些方面。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

图形模型技术

【图形模型】比实际模型更加抽象地描述实物的一种模型。它可用各种图来表示系统的信息流程、物质流程、时间顺序、逻辑关系以及相互联系的结点和支路组成的网络图,如电路图、信息流程图、网络分析的网结图等。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

概率图模型技术

在概率论和统计学中,概率图模型(probabilistic graphical model,PGM) ,简称图模型(graphical model,GM),是指一种用图结构来描述多元随机 变量之间条件独立关系的概率模型

暂无评论
暂无评论~