ウラジミール・ヴァプニクは、ソビエト連邦出身の数学者・計算機科学者であり、統計的学習理論の共同創設者として、また2012年以降の深層学習の再興以前に機械学習で最も広く使われたアルゴリズムの一つであるサポートベクターマシン（SVM）の共同発明者として最もよく知られている。
統計的学習理論
1936年にソビエト連邦で生まれたヴァプニクは、モスクワの制御科学研究所で働き、1960年代以降、アレクセイ・チェルボネンキスとともに、彼らのイニシャルにちなんでVC理論として知られるものを開発した。VC理論は、有限のデータで訓練された学習アルゴリズムが、新しい未見の例に対してうまく汎化するかどうかを理解するための数学的枠組みを提供し、関数クラスの複雑さを測るVC次元の概念を通じて形式化される。この研究は、教師あり学習の分野に、訓練データに密に適合させることと過学習を避けることの間のトレードオフを推論するための原理的な理論的基盤を与えた。この問題は、後にニューラルネットワークにおいて正則化やドロップアウトなどの手法で対処された。
サポートベクターマシン
1990年にアメリカ合衆国へ移り、AT&Tベル研究所に入所した後、ヴァプニクはコリンナ・コルテスらとともに、1990年代初頭に現代のサポートベクターマシンを開発し、初期の線形分類器の考え方を「カーネルトリック」で拡張した。このトリックにより、SVMはデータを暗黙的に高次元空間へ写像することで非線形の決定境界を見つけることができる。VC理論の汎化保証に支えられ、SVMは1990年代から2000年代にかけて、ニューラルネットワークに代わる支配的で数学的に十分理解された代替手法となり、第二次AI冬による資金削減でニューラルネットワーク研究が時代遅れと見なされていた時期に、テキスト分類、バイオインフォマティクス、コンピュータビジョンで広く使用された。
後期の経歴
ヴァプニクはその後、NEC研究所、Facebook AIリサーチ（Meta AIの一部）で働き、コロンビア大学とロンドン大学の教授も務めた。彼の1995年の著書『統計的学習理論の性質』は今でも標準的な参考書である。十分なデータと計算能力がエンドツーエンドの勾配降下法訓練を実用的にした後、大規模な知覚タスクのほとんどでSVMは深層ニューラルネットワークに追い越されたが、ヴァプニクの理論的枠組みは、研究者が汎化、サンプル複雑性、および特定の量の訓練データが支えられる限界について考える方法に今も影響を与え続けている。