c.curionode图灵奖档案

2010 · 图灵奖

莱斯利·瓦利安特

Leslie Valiant

PAC 学习为机器学习的泛化能力提供了精确语言。

出生地
1949, Budapest, Hungary
国家或地区
匈牙利
获奖时任职
哈佛大学
领域
理论与算法
阅读奖项故事 ↗
插画肖像:莱斯利·瓦利安特
Curionode 原创 AI 插画. Peter Badge / Heidelberg Laureate Forum Foundation · 肖像参考来源 ↗

01 · 计算人生

成果背后的人

莱斯利·瓦利安特建立数学模型,研究计算机能够高效学习和计算什么。他的“可能近似正确”学习框架,使从样本学习成为复杂性理论的精确研究对象。他也研究计数复杂性与并行计算。他在哈佛把算法、人工智能和大脑模型联系起来,探索在时间与信息有限时能够形成哪些能力。

理解这项贡献

莱斯利·瓦利安特提出了可能近似正确的学习模型,并在计数复杂性、代数计算与并行计算上作出重要贡献。PAC 学习问的是:在什么条件下,样本能让我们得到一个假设,并以较高概率在同一分布的新数据上只犯较小错误?

为什么重要

数学学习模型帮助区分关于数据、样本数量和计算效率的不同假设。

资料与延伸阅读

  1. Heidelberg Laureate Forum ↗www.heidelberg-laureate-forum.org
  2. ACM A.M. Turing Award — Leslie Valiant ↗amturing.acm.org
  3. Harvard — 2010 Turing Award announcement ↗news.harvard.edu
  4. ACM 官方档案 ↗amturing.acm.org