حصل الباحثون من جامعة تل أبيب على الجائزة لوضعهم أسس خوارزميات البث في التسعينيات * يحدد الإطار النظري الذي اقترحه الباحثون من جامعة تل أبيب ما يمكن وما لا يمكن حسابه بالبيانات الضخمة
ستمنح جمعية آلات الحوسبة (ACM) جائزة باريس كانيلكيس الدولية لعام 2019 للبروفيسور نوجا ألون من جامعة تل أبيب وجامعة برينستون والبروفيسور يوسي ماتياس من جامعة تل أبيب وجوجل.
تُمنح جائزة Kanalkis ACM المرموقة للإنجازات النظرية التي أدت إلى ظهور تطبيقات مهمة ومثبتة في مجال الحوسبة. فاز البروفيسور ألون والبروفيسور ماتياس بالجائزة مع شركائهما البروفيسور فيليب جيبونز من جامعة كارنيجي ميلون والبروفيسور ماريو سيجادي من جامعة روتجرز، لعملهم الرائد في وضع أسس خوارزميات التدفق (تدفق المعلومات) وتطوير التطبيقات لتحليل البيانات الضخمة (البيانات الضخمة).
فاز الباحثون من جامعة تل أبيب بجائزة ACM Kanalakis، إلى جانب جيبونز وسيجادي، عن سلسلة من الدراسات، بما في ذلك مقالة مؤثرة نشروها عام 1996 في مجلة JCSS، بعنوان "التعقيد الفضائي لتقريب لحظات التردد" - في حيث اقترحوا طريقة للتعامل مع كميات كبيرة من تدفقات المعلومات. لهذا المقال حصلوا أيضًا على جائزة Gadel المرموقة في عام 2005.
أوضحت لجنة الجائزة في أسبابها: "لقد كانوا [ألون وجيبونز وماتياس وسيغادي] رواد إطار التعامل الخوارزمي مع التدفق الضخم للبيانات الضخمة، واليوم لا تزال أساليب الرسم والخوارزميات الخاصة بهم تشكل النهج الرئيسي في التدفق الخوارزميات وأساس حقل فرعي كامل في المجال الخوارزمي... بالإضافة إلى ذلك، يتم استخدام مفاهيم الرسومات وملخصات المعلومات التي اقترحوها بشكل روتيني في مهام تحليل المعلومات المختلفة في مجالات مختلفة مثل قواعد البيانات ومراقبة الشبكات وتحليل استخدام الإنترنت المنتجات ومعالجة اللغة الطبيعية والتعلم الآلي."
يشرح البروفيسور ألون: "اليوم، في عصر البيانات الضخمة، لدينا كميات هائلة من المعلومات في العديد من المجالات - من التعلم الحسابي، من خلال تحليل الكلام، إلى الاتصالات الشبكية. يمكننا قراءة البيانات فور وصولها، لكن ليس لدينا خيار الاحتفاظ بكل شيء في الذاكرة. والسؤال المطروح الآن هو ما هي الخوارزميات التي يمكن برمجتها لإجراء العمليات الحسابية على المدخلات حتى بدون حفظها - باستخدام ملخص البيانات، أو ملخصات المعلومات".
ويضيف البروفيسور ماتياس: "قد يبدو التحدي المتمثل في إجراء العمليات الحسابية على البيانات الضخمة واضحًا اليوم، ولكن في التسعينيات كان علينا أن نشرح ماهية المشكلة. بعد كل شيء، يمكن أن يكون حساب الوظائف الإحصائية تمرينًا في دورة البرمجة، ولا تنشأ المشكلة الحسابية المهمة إلا عندما تكون هناك فجوة بين كمية المعلومات والذاكرة التي يمكن حسابها فيها. ولتحقيق هذه الغاية، اقترحنا نموذجًا حسابيًا يستخدم ملخصات المعلومات، أو "الرسومات"، وقمنا بتطوير خوارزميات نظرية وعملية، تم تنفيذ بعضها بالفعل في أحد أكبر أنظمة ذكاء الأعمال في العالم. وبعد سنوات قليلة من نشر المقال، بدأت شبكة الإنترنت تنفجر بالمعلومات - ونشأت فجوة متزايدة بين كمية المعلومات وما يمكن تخزينه في الذاكرة. ومن هذه الفجوة نشأ مجال جديد من الخوارزميات لتدفق المعلومات، مع الاستخدام الذكي لملخصات المعلومات.
في المقالة التأسيسية، وفي العديد من دراسات المتابعة التي نشروها على مر السنين، أوضح البروفيسور ألون والبروفيسور ماتياس كيف يمكن استخدام بعض الميزات الإحصائية للمعلومات لإجراء العمليات الحسابية على البيانات الضخمة دون حفظ البيانات في النظام .
البروفيسور ألون: "لنفترض أن المعلومات التي تتدفق إلينا هي مجموعة من الأرقام وأريد التحقق مما إذا كان هناك رقم وصل مرتين. يجب أن تأخذ الخوارزمية العادية كل رقم جديد يصل وتقارنه بأي رقم جاء من قبل. ولكن لهذا عليك حفظ جميع الأرقام التي وصلت، وهي مهمة مستحيلة ضمن حدود الذاكرة. من ناحية أخرى، من الممكن إنشاء إحصائيات فعالة، والتي تتطلب القليل من الذاكرة، والتي ستقدر تقريبًا عدد الأرقام المختلفة التي وصلت في الإدخال أو عدد أزواج الأرقام التي وصلت متساوية مع بعضها البعض. وفي الوقت نفسه، أظهرنا أيضًا خصائص إحصائية للبيانات الضخمة التي لا يمكن تحديدها بذاكرة محدودة."
البروفيسور ماتياس: "يكمن التحدي في حفظ ملخصات البيانات حتى نتمكن من إجراء الحسابات لمختلف المسائل وإثبات صحة الحسابات. لقد اقترحنا الإطار النظري الرياضي للتلخيص الذكي للمعلومات، وبينا ما يمكن حسابه وما لا يمكن حسابه بهذه الطريقة. ونشأ مجال غني جدًا، قام في إطاره العديد من الباحثين بأعمال جميلة ومهمة، سواء من الناحية النظرية أو العملية. يستخدم المهندسون إطار عملنا لبرمجة الخوارزميات لتدفق المعلومات."
رئيس جامعة تل أبيب البروفيسور آرييل بورات: "أهنئ البروفيسور ألون والبروفيسور ماتياس لفوزهما بالجائزة المرموقة. أصبح التعامل مع البيانات الضخمة في مجالات مختلفة ومتنوعة أكثر شيوعًا اليوم من أي وقت مضى، وله أهمية نظرية وعملية. نحن فخورون بمساهمة البروفيسور ألون والبروفيسور ماتياس في تطوير الخوارزميات لتحليل تحليل البيانات الضخمة، وتعد جائزة ACM أفضل تقدير لإنجازاتهم الرائدة.
