首位图灵奖&阿贝尔奖双料获奖者:Avi Wigderson
2023 年 ACM AM 图灵奖获得者揭晓,为普林斯顿高等研究院数学学院的 Herbert H. Maass 教授 Avi Wigderson。“以表彰他对计算理论的奠基性贡献,包括重塑了我们对随机性在计算中的作用的理解,以及他数十年来在理论计算机科学领域的智力领导地位。”
Wigderson 是 ACM 院士、美国国家科学院和美国艺术与科学院院士;曾获得过的荣誉还包括:阿贝尔奖、IMU 算盘奖(以前称为 Nevanlinna 奖)、Donald E. Knuth 奖、Edsger W. Dijkstra 分布式计算奖和哥德尔奖 (Gödel Prize)。
这次获奖也使得 Wigderson 成为了历史上第一位同时获得图灵奖和阿贝尔奖的人。ACM AM 图灵奖通常被称为“计算机领域的诺贝尔奖”,奖金为 100 万美元,由谷歌提供资金支持。阿贝尔奖则被视为数学领域的最高荣誉,奖金为 80 万美元。
ACM 主席 Yannis Ioannidis 解释称:
“必须指出的是,Avi Wigderson 也曾获得阿贝尔奖,该奖被认为是数学领域终身成就最重要的荣誉。入选 ACM A.M. 图灵奖是一个合适的后续,因为数学是计算机科学的基础,而 Wigderson 的工作将广泛的数学子领域与理论计算机科学联系在一起。Wigderson 是理论计算机科学领域的一股强大的智力力量,这门令人兴奋的学科吸引了一些最有前途的年轻研究人员来攻克最艰巨的挑战。今年的图灵奖肯定了 Wigderson 在随机性方面的具体工作,以及他对整个理论计算机科学领域产生的间接但实质性的影响。”
Wigderson 在计算复杂性理论、算法与优化、随机性与密码学、并行与分布式计算、组合学和图论等领域均有突出贡献,并且在理论计算机科学与数学及科学的交叉领域中,也具有重要影响。
公告称,过去四十年间,Wigderson 一直是理论计算机科学研究的领导者,为理解随机性和伪随机性在计算中的作用做出了开创性贡献。Wigderson 与同事合作撰写了一系列通过增加计算难度来减少算法中随机性需求的著作。
他们成功地证明了,在一些广泛认可的计算假设下,每个概率多项式时间算法都可以有效地去随机化(即完全确定性)。换句话说,随机性对于高效计算来说并不是必需的。这一系列作品彻底改变了大众对随机性在计算中的作用的理解,以及思考随机性的方式。
该系列有影响力的论文包括以下三篇:《Hardness vs. Randomness》、《BPP Has Subexponential Time Simulations Unless EXPTIME has Publishable Proo》以及《P = BPP if E Requires Exponential Circuits: Derandomizing the XOR Lemma》。
重要的是,Wigderson 这三篇论文随后被应用于理论计算机科学的许多领域,并导致该领域的几位领军人物发表了有影响力的论文。除了随机性研究,Wigderson 还在多证明者交互式证明、密码学和电路复杂度等多个理论计算机科学领域充当知识领袖。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Canonical 与高通合作开发定制版 Ubuntu
Canonical 宣布与高通公司开展合作,将 Ubuntu 和 Ubuntu Core 引入采用高通处理器的设备。高通公司将成为 Canonical 芯片合作伙伴计划的一部分,从而为其平台量身定制优化的 Ubuntu 版本。 高通公司称这一战略合作将加快产品上市时间、以安全为先等。由于 Ubuntu Core 主要面向高通公司的嵌入式设备,因此我们有望看到 Ubuntu Linux 对高通笔记本电脑的改进。 尤其是即将推出的骁龙 X Elite 笔记本电脑处理器,希望我们能在这些新的 ARM 笔记本电脑上尽快看到对 Ubuntu Linux 的支持。 骁龙 X ELite 配备 12 个 Oryon 内核,主频达 3.8GHz(4.3GHz),拥有 Adreno 图形处理器、Hegagon NPU 和其他更新,是今年值得期待的一款 ARM 笔记本电脑处理器。高通公司已经在一些骁龙 X Elite 硬件上展示了(Debian)Linux,高通和 Canonical 之间的合作有望为这些即将上市的笔记本电脑带来良好的 Ubuntu 支持。
- 下一篇
一文讲透 RAG 背后的技术
在之前的文章中《RAG 修炼手册|RAG敲响丧钟?大模型长上下文是否意味着向量检索不再重要》,我们已经介绍过 RAG 对于解决大模型幻觉问题的不可或缺性,也回顾了如何借助向量数据库提升 RAG 实战效果。 今天我们继续剖析 RAG,将为大家大家详细介绍 RAG 背后的例如 Embedding、Transformer、BERT、LLM 等技术的发展历程和基本原理,以及它们是如何应用的。 01.什么是 Embedding? Embedding 是将离散的非结构化数据转换为连续的向量表示的技术。 在自然语言处理中,Embedding 常常用于将文本数据中的单词、句子或文档映射为固定长度的实数向量,使得文本数据能够在计算机中被更好地处理和理解。通过 Embedding,每个单词或句子都可以用一个实数向量来表示,这个向量中包含了该单词或句子的语义信息。这样,相似的单词或句子就会在嵌入空间中被映射为相近的向量,具有相似语义的词语或句子在向量空间上的距离也会较近。这使得在进行自然语言处理任务时,可以通过计算向量之间的距离或相似度来进行词语或句子的匹配、分类、聚类等操作。 Word2Vec Word2...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- CentOS7,8上快速安装Gitea,搭建Git服务器
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS8编译安装MySQL8.0.19
- CentOS7,CentOS8安装Elasticsearch6.8.6
- Hadoop3单机部署,实现最简伪集群