Джуда Перл (англ. Judea Pearl, ивр. , род. 1936) — американский и израильский учёный, автор математического аппарата байесовских сетей, создатель математической и алгоритмической базы вероятностного вывода, автор алгоритма распространения доверия для графических вероятностных моделей, do-исчисления и исчисления противофактических условных (англ. counterfactual conditional).
В 2011 году Перл стал лауреатом Премии Тьюринга за «фундаментальный вклад в искусственный интеллект посредством разработки исчисления для проведения вероятностных и причинно-следственных рассуждений».
Книга Перла «Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference» (1988) занимает 7-е место в базе CiteSeerX по количеству цитирований (5222 фактов по состоянию на май 2012 года).
Отец убитого в Пакистане в 2002 году американского журналиста Дэниела Перла.
Биография
Родился 4 сентября 1936 года в Тель-Авиве в подмандатной Палестине. Детство прошло в Бней-Браке, одним из основателей которого был его дед — Хаим Перл. В 1956 году после службы в израильской армии и присоединения к коммуне киббуцев, Перл принял решение изучать инженерное дело и поступил в Технион (Хайфа, Израиль), где познакомился со своей будущей женой Рут. В 1960 получил степень бакалавра электротехники.
После окончания института отправился на дальнейшее обучение в США, а в 1961 году получил степень магистра (англ. Master of Science) электроники в Нью-Аркском инженерном колледже (современный Институт технологии в Нью-Джерси), в 1965 году — степень магистра физики в Ратгертском университете. В этом же году в Бруклинском политехническом институте (современный Нью-Йоркский университет) получил степень доктора философии по электротехнике. В диссертации Перла на тему «Вихревая теория сверхпроводниковых запоминающих устройств» (англ. Vortex Theory of Superconductive Memories) был открыт пирловский вихрь (англ. Pearl vortex)) — новый тип сверхпроводящего тока в тонких плёнках, подобный вихрю Абрикосова. Перл работал в исследовательской лаборатории компании RCA и в компании Electronic Memories, где занимался разработкой сверхпроводниковых запоминающих устройств и современных систем памяти.
Давний интерес к логике и методам проведения рассуждений побудил Перла перейти в 1969 году в Калифорнийский университет в Лос-Анджелесе, а в 1970 году он получил место на только что созданном факультете информатики. В 1976 году был назначен на должность профессора, а в 1978 году им была основана лаборатория когнитивных систем. Эта лаборатория стала постоянным рабочим местом учёного, в котором проводились исследования в области искусственного интеллекта: эвристического поиска, вероятностных рассуждений и впоследствии — причинно-следственных рассуждений. В 1984 году публикует книгу «Эвристики: интеллектуальные поисковые стратегии для автоматизированного решения проблем» (англ. Heuristics: Intelligent Search Strategies for Computer Problem Solving), в которой были представлены новые результаты в области традиционных алгоритмов поиска, таких, как А* и игровых алгоритмов, поднявшие исследования в этом направлении на новый уровень.
В 1988 году публикует фундаментальный труд «Вероятностные рассуждения в интеллектуальных системах» (англ. Probabilistic Reasoning in Intelligent Systems), ставший революционным для искусственного интеллекта. Через несколько лет ведущие исследователи в области логики и нейронных сетей приняли вероятностный подход, кратко называемый теперь современным подходом в искусственном интеллекте. В этой книге, представляющей собой итог многолетних исследований и более чем 50 публикаций, Перл предлагает новый подход к построению вероятностных моделей с использованием ориентированных графов без циклов — вероятностные графические модели: Байесовские сети и Марковские сети. Перлом был разработан новый алгоритм вычисления апостериорных вероятностей в сложных вероятностных моделях (алгоритм belief propagation («распространения доверия»), ставший основой турбо-кодов), а также алгоритмы приближенного вывода с использованием метода Монте-Карло в марковских цепях (англ. MCMC), свойства условной независимости, алгоритмы обучения. После публикации книги, Байесовские сети стали важной частью исследований в области машинного обучения, статистики, распознавания естественного языка, вычислительной биологии, машинного зрения, робототехники и когнитивных наук.
