Leslie Valiant

 

 

 

Leslie Valiant a fait ses études au King’s College à Cambridge, à l’Imperial College à Londre et à l’University de  Warwick où il a passé sa thèse en informatique en 1974. Il occupe actuellement  la chaire   T. Jefferson Coolidge de professeur  d’Informatique et de mathématique appliquée  dans le département d’Ingénierie et sciences appliquées (School of Engineering and Applied Sciences) de l’University d’Harvard à Cambridge. Avant de rejoindre Harvard, il a été professeur à Carnegie Mellon University, Leeds University, et à l’Université d’Edinburgh.

Ses travaux couvrent plusieurs domaines théoriques de la science informatique. Il a notamment travaillé sur la théorie de la complexité, l’algorithmique parallèle et l’apprentissage. Il s’intéresse également aux neurosciences, à l’évolution et à l’intelligence artificielle.

Il a reçu le prix Nevanlinna  au congrès international des mathématiciens en 1986.  Le prix Nevanlinna est un prix récompensant une contribution majeure dans le domaine des mathématiques, dans son aspect informatique. Le prix a été mis en place en 1981 par l’Union mathématique internationale en l’honneur du mathématicien finlandais Rolf Nevanlinna.  Il a reçu en 1997 le prix Knuth.  Ce prix récompense les scientifiques ayant apporté une contribution exceptionnelle en informatique théorique. Il porte le nom de Donald E. Knuth, l’un des plus grands contributeurs à l’informatique théorique. Le prix Knuth est attribué tous les dix-huit mois, depuis 1996. Il a reçu le prix de l’Association européenne pour l’informatique théorique (European Association for Theoretical Computer Science EATCS Award) en 2008 et le prix Turing en 2010. Le prix Turing ou ACM Turing Award, en hommage à Alan Turing (1912 – 1954), est attribué tous les ans depuis 1966 à une personne sélectionnée pour sa contribution de nature scientifique faite à la communauté informatique. Les contributions doivent être d’une importance scientifique majeure et durable dans le domaine informatique. La récompense est décernée par l’Association for Computing Machinery (ACM).  Ce prix est considérée comme étant l’équivalent du prix Nobel de l’informatique.

Machine Learning and Beyond

Machine learning is a highly effective technology that has found broad applications in science and technology. Behind it is a mathematical science that first defines the goals that need to be achieved if learning is to be successful. It goes on to study the most effective ways of achieving these goals, and also to characterize cases where effective learning is impossible. However, central as this study may be for cognition, it does not account for all of cognition. The question we ask here is whether one can build on the success of machine learning to address the broader goals of artificial intelligence. We regard reasoning as the other main component, and suggest that the central challenge is to unify learning and reasoning into a single framework.

This entry was posted in Conférenciers invités. Bookmark the permalink.

Comments are closed.