2020年5月20日，计算机协会（Association for Computing Machinery）宣布了三项著名技术奖的获得者。这些获奖者由同行选出，旨在表彰他们为计算机技术创新所做出的贡献。
ACM软件系统奖主要颁发给开发出具有长远影响力软件系统的机构或个人，这些影响体现在对概念的贡献，商业价值或两者兼有之。软件系统奖的奖金为35,000美元，由IBM公司提供资金支持。
开发域名系统（DNS）的ThreatSTOP首席科学家Paul Mockapetris获得了ACM软件系统奖。DNS主要提供全球分布式目录服务，是全球互联网功能的重要组成部分。在上个世纪80年代初，互联网在线社区主要通过集中管理目录将计算机主机名与IP地址相匹配。随着互联网的高速发展，维护单个集中式主机目录变得缓慢而低效，因此需要新的可扩展架构。
为满足这一需求，Paul Mockapetris于1983年设计并构建域名系统（DNS），同时创建了相关查询协议，服务器实现和初始根服务器。在Paul Mockapetris开发DNS之时，每天有数千个用于建立关联IP地址的名称查找。如今，DNS仍然使用37年前构建的核心组件，但已管控3.5亿个单独管理的域，且每天响应数百亿次查询。DNS已成为许多应用程序（包括电子邮件和网址）的基础。
万维网的核心组件通用资源定位器（URL）和通用资源标识符（URI），也依赖DNS系统中引入的域名。虽然其他开发者已为DNS添加许多新功能，但Paul Mockapetris创建的原始架构可以合并这些新的功能，证明了其开发工作的价值。
卡内拉克斯理论与实践奖旨在表彰对计算实践产生重大影响的特定理论成就。
该奖项的奖金为10,000美元，由卡内拉克斯家族提供，并由计算机协会的算法和计算理论特别兴趣小组（SIGACT）、设计自动化（SIGDA），数据管理（SIGMOD）、编程语言（SIGPLAN），ACM SIG项目基金以及个人捐款提供额外资金支持。
来自普林斯顿大学和特拉维夫大学的Noga Alon、卡内基梅隆大学的Phillip Gibbons、谷歌和特拉维夫大学的Yossi Matias、罗格斯大学的Mario Szegedy共同获得卡内拉克斯理论与实践奖。他们为流算法（streaming algorithms）及其大规模数据分析应用做出了开创性工作。
Noga Alon、Phillip Gibbons、Yossi Matias和Mario Szegedy率先提出一种用于处理大规模海量数据集的算法框架。目前，他们的Sketch算法和流算法仍是流式传输大数据的核心方法，且构成算法领域中的整个子区域。
此外，他们所引入的sketch和概要（synopses）概念如今已常用于数据库中的各种数据分析、网络监控、互联网产品使用情况分析，自然语言处理和机器学习。在他们的开创性论文"The Space Complexity of Approximating the Frequency Moments"中，Alon、Matias和Szegedy为使用有限内存分析数据流奠定了基础。
后续论文，包括由Alon、Gibbons、Matias和Szegedy完成的"Tracking Join and Self-join Sizes in Limited Storage"，以及由Gibbons、Matias完成的"New Sampling-Based Summary Statistics for Improving Approximate Query Answers"，扩展了数据概要的概念，并在流媒体和草图算法这一新兴领域的发展中发挥了重要作用。
这项工作已经应用于数据库中的查询规划和处理，以及用于监控网络中生成的大量数据的小型概要的设计。
ACM – AAAI艾伦·纽厄尔奖颁发给那些在计算机科学领域或在计算机科学和其他学科之间起到桥梁作用的贡献者。艾伦·纽厄尔奖的1万美元奖金由ACM和美国人工智能促进会(AAAI)以及个人捐款提供。
莱斯大学的Lydia E. Kavraki，斯坦福大学的Daphne Koller，获得ACM – AAAI艾伦·纽厄尔奖。Lydia Kavraki因其在机器人运动规划方面的开创性贡献而受到认可，包括随机运动规划算法和概率路线图的发明，以及在生物信息学和生物医学方面的应用。
Kavraki在物理算法方面进行了基础性工作，并开发了高效的高维搜索框架，这些框架影响了机器人技术(运动规划、混合系统、机器人学形式化方法、装配规划以及微灵活操作)，以及计算结构生物学、转化生物信息学和生物医学信息学。Kavraki已经撰写了超过240篇经过同行评审的出版物，也是广泛使用的机器人技术教科书《机器运动原理（Principles of Robot Motion）》的作者之一。
她的开创性论文"Probabilistic Roadmaps for Path Planning in High Dimensional Configuration Spaces"，是第一个建立用于开发高维空间路线图的概率方法的论文，这已成为复杂物理系统的运动规划的关键技术之一。Kavraki的贡献超越了机器人技术，还解决了蛋白质功能解读、代谢网络的理解以及分子构象和蛋白质灵活性研究背后的问题。
她研究的问题包括生物分子的三维结构及其与其他生物分子相互作用的能力，主要用于药物设计，以及最近用于个性化癌症免疫治疗。Daphne Koller因其对机器学习和概率模型的开创性贡献、将这些技术应用于生物学和人类健康以及对民主化教育的贡献而被认可。Koller是图形模型开发和使用的领导者，包括学习模型结构及其参数，并率先统一了统计学习和关系建模语言。她还开发了在时间模型中进行推理和学习的基本方法。
她的教科书(与Nir Friedman合著)《概率图模型（Probabilistic Graphical Models）》是这一领域的权威著作。作为将机器学习方法引入生命科学的早期领导者，她开发了模块网络，她和她的同事利用基因调控程序中的模块性来建立一个有效的基因活动模型。
她开发了机器学习在病理学上的突破性应用，这项工作不仅证明了机器学习的能力超过了人类病理学家，而且也是第一个强调间质组织在癌症预后中的重要性(现在已得到广泛认可)的工作之一。Koller也是Coursera的联合创始人和前联合首席执行官，Coursera是一个向世界各地的人们提供顶尖大学免费教育的平台，创立八年来，已经触及了世界各国5000多万学习者的生活。
Koller目前是Insitro的创始人兼首席执行官，Insitro是一家生物技术初创公司，致力于通过大规模整合机器学习和生物学来发现更好的药物。