Datorzinātnes pamatjautājums ir – ko var un ko nevar darbībā ar informāciju efektīvi automatizēt. Ar “efektīvi” šajā gadījumā saprotams gan tas, ka eksistē algoritms (metode jeb procedūra, ko var pārvērst datorprogrammā) šai darbībai, gan tas, ka šis algoritms dod rezultātu saprātīgā laikā. Pārsvarā visus mūsdienu sarežģītākus aparātus vada datorprogrammas, kas ir aparātam saprotamā valodā pierakstīts algoritms.

Daudzšķautnainās dabas dēļ datorzinātni mēdz attiecināt gan uz dabas zinātnēm (sistemātiski pēta objektu struktūras un uzvedību, novērojot un eksperimentējot), gan uz formālajām zinātnēm (abstrakto teorētisko pamatu dēļ, kas balstās uz matemātiku un loģiku), gan uz inženierzinātnēm (it īpaši, programmatūras un aparatūras izstrādē). Praktiskos aspektos datorzinātne nodrošina teorētisko bāzi tautsaimniecības nozarei – informācijas un komunikācijas tehnoloģiju nozarei.

Nozares angliskais nosaukums daudzskaitlī – computer sciences ‘datorzinātnes’ – pirmoreiz publicēts 1958. gadā amerikāņu fiziķa Lūisa Feina (Louis Fein) rakstā “Universitātes loma datoru, datu apstrādes un ar tiem saistītās jomās” (The Role of the University in Computers, Data Processing and Related Fields). Izplatītākajā vienskaitļa formā – computer science ‘datorzinātne’ – nozares nosaukums pirmoreiz minēts 1961. gadā amerikāņu matemātiķa un datorzinātnieka Džordža Forsaita (George E. Forsythe) rakstā “Inženierzinātņu studentiem jāmācās gan datorika, gan matemātika” (Engineering Students Must Learn both Computing and Mathematics). Pirmā universitātes struktūrvienība ar nosaukumu Datorzinātnes departaments (Computer Science Department)  izveidota 1962. gadā Perdjū Universitātē (Purdue University) Amerikas Savienotajās Valstīs (ASV). Nozares latviskojums – datorzinātne – publiskā saziņā pirmoreiz konstatēts 1992. gadā Latvijas Universitātes bakalaura un maģistra studiju programmu nosaukumos un izsniegtā doktora diplomā. Līdz tam, sekojot krievu un franču valodas tradīcijai, nozare tika dēvēta par informātiku. Arī nozares vadošās profesionālās organizācijas, kas apvieno augstskolas un pētnieciskās institūcijas, nosaukums ir Eiropas informātika (Informatics Europe, dibināta 2006. gadā). Tās Augstākās izglītības datu portāla (Higher Education Data Portal) preambulā norādīts, ka termins “informātika” (informatics), var apzīmēt arī datorzinātni (computer science), datoriku (computing), informācijas tehnoloģiju (information technology, IT), informācijas un komunikācijas tehnoloģiju (information and communication technology, ICT).

Datorzinātne veido teorētisko pamatu tam, kā mašīnas apstrādā informāciju, tostarp algoritmiem, skaitļošanas teorijai un formālajai loģikai. Tā satur matemātiskus modeļus, piemēram, kriptogrāfijai, sarežģītības teorijai, mākslīgajam intelektam (MI). Datu struktūras un algoritmi ir būtiski efektīvai problēmu risināšanai, ietekmējot visu, sākot no interneta meklētājiem līdz finanšu modelēšanai. Mākslīgā intelekta izpratne palīdz izveidot “gudrākas”, pielāgojamākas sistēmas, kas imitē cilvēka domāšanu.

Praktiskā plāksnē programmēšanas valodas un ietvari ļauj radīt lietojumprogrammas, kas darbojas uzņēmējdarbībā, veselības aprūpē un ikdienas dzīvē. Sensitīvu datu aizsardzība ir svarīga valsts iestādēm un pašvaldībām, komercsabiedrībām un ikvienam cilvēkam, kurš darbojas digitālajā pasaulē. No robotikas līdz pašbraucošām automašīnām automatizācija uzlabo produktivitāti un vienkāršo uzdevumus. Lielie dati un mākoņdatošana ļauj apstrādāt liela mēroga datus, uzlabojot medicīnas, finanšu un loģistikas jomas. Internets, mobilās tehnoloģijas un mākoņpakalpojumi nodrošina globālo savienojamību.

Tautsaimniecības nozare informācijas un komunikācijas tehnoloģija ar tās zinātnisko bāzi datorzinātni ir ļoti dinamiskas un nepārtraukti attīstās, ietekmējot dažādas dzīves jomas un tautsaimniecības nozares. 

Pazīstamākie datorzinātnes sastāvelementi.

1. Programmatūras izstrāde – programmēšanas valodas (Python, Java, C++, JavaScript un simtiem citu), sistēmu attīstīšana (lietotņu un platformu izstrāde), algoritmi un datu struktūras, bez kā efektīva problēmu risināšana nav iedomājama.
2. Datoru arhitektūra un sistēmu programmatūra – operētājsistēmas (Windows, Linux, macOS, Android un citas), procesoru un atmiņas pārvaldība, iegultās sistēmas (mikroprocesori, lietu interneta ierīces un tamlīdzīgi).
3. Datortīklu un kiberdrošības joma – tīklu infrastruktūra (interneta protokoli, mākoņdatošana, komunikācijas sistēmas), informācijas drošība (šifrēšana, ugunsmūri, laužu uzbrukumu novēršana), kriptogrāfija (datu drošība, autentifikācijas metodes).
4. Mākslīgais intelekts un mašīnmācīšanās – neironu tīkli kā pamats dziļajai mašīnas mācīšanai, datu analītika (ļoti lielu datu kopu apstrāde un analīze), automatizācija (robotika, dabisko valodu apstrāde un citi mākslīgā intelekta risinājumi).
5. Datu zinātne un datu analīze – ļoti liela apjoma datu apstrāde (piemēram, sistēmas Hadoop, Spark un citas, dažādi mākoņrisinājumi), matemātiskā statistika (modeļu izstrāde un analītiskā domāšana), vizualizācija (grafiki, datu interpretācija).
6. Lietišķās datorikas izmantošana citu zinātnes nozaru problēmu risināšanā.

Par mūsdienu datorzinātnes matemātisko pamatu uzskata austriešu un amerikāņu matemātiķa Kurta Gēdeļa (Kurt Gödel) 1931. gadā publicēto teorēmu par nepilnību. Teorēma parāda, ka jebkuras formālas sistēmas ietvaros pastāv apgalvojumi, kurus nevar ne pierādīt, ne apgāzt.

Par datorzinātnes pamatlicēju tiek uzskatīts angļu matemātiķis Alans Tjūrings (Alan Mathison Turing), vairāk zināms kā Otrā pasaules kara laika vācu šifrēšanas mašīnas Enigma kodu atšifrētājs. A. Tjūrings pārformulēja K. Gēdeļa teorēmu par pierādīšanas un izrēķināmības robežām, aizvietojot K. Gēdeļa aritmētikā balstīto formālo valodu ar formālām un vienlaikus vienkāršām hipotētiskām ierīcēm, kas vēlāk kļuva pazīstamas kā Tjūringa mašīnas (Turing machines). A. Tjūrings pierādīja, ka allaž atradīsies tāda mašīna, kas spēs veikt konkrētu iedomātu matemātisku skaitļojumu, ja tas pierakstīts kā algoritms. Viņš pierādīja, ka izlemjamības problēma (vācu Entscheidungsproblem, angļu decision problem; citiem vārdiem, vai eksistē algoritms, kas vienmēr var pateikt, vai matemātisks apgalvojums ir patiess, vai nav?) nav atrisināma, vispirms pierādot, ka Tjūringa mašīnas apstāšanās problēma nav atrisināma, t. i., vispārīgā gadījumā nav iespējams algoritmiski noteikt, vai Tjūringa mašīna jebkad apstāsies. Šo pašu rezultātu, tikai pierādīšanā izmantojot lambda rēķinus, dažus mēnešus agrāk neatkarīgi ieguva amerikāņu matemātiķis Alonso Čērčs (Alonzo Church, A. Tjūringa doktora darba vadītājs). A. Tjūringa pieeja ir vieglāk uztverama un intuitīva. Izrēķināmības teorijas un visas datorzinātnes pamats ir t. s. Čērča (arī Čērča-Tjūringa, Tjūringa-Čērča) tēze jeb pieņēmums par izrēķināmām funkcijām. Čērča tēze apgalvo, ka ikviena funkcija pār naturāliem skaitļiem ir izrēķināma neformālā izpratnē (t. i., funkcijas vērtību var iegūt cilvēks, izmantojot “papīra un zīmuļa metodi”, pieņemot, ka resursi – papīrs, zīmuļi un rēķināšanas laiks – ir neierobežoti) tad un tikai tad, ja šo funkciju var izrēķināt kāda Tjūringa mašīna.

Līdz 1949. gadam, kad sāka darbināt vienu no pirmajiem datoriem – EDVAC (Electronic Discrete Variable Automatic Computer ’elektroniskais diskrētais maināmais automātiskais skaitļotājs’) Pensilvānijas Universitātē (University of Pennsylvania) ASV, visām programmējamām skaitļošanas mašīnām programmas un apstrādājamie dati bija fiziski nošķirti. Glabāt datus un programmu vienā un tajā pašā mašīnas atmiņā vienā t. s. adrešu telpā 1944. gadā izlēma EDVAC konstruktori Džons Prespērs Ekerts (John Presper Eckert) un Džons Moklijs (John Mauchly), bet 1945. gadā tehniskā pārskatā dokumentēja ungāru un amerikāņu matemātiķis, fiziķis un datorzinātnieks Džons fon Neimans (John von Neumann). Šāda datoru uzbūve drīz vien kļuva par valdošo līdz pat mūsdienām, to dēvē par fon Neimana arhitektūru.

Pie datorzinātnes nozīmīgākajiem pētījumiem būtu jāpieskaita arī t. s. Tjūringa tests leģendārā jautājuma “Vai mašīna spēj domāt [līdzvērtīgi cilvēkam]?” kontekstā. Tā kā nav iespējams pārbaudīt, vai konkrēts objekts domā, A. Tjūrings piedāvāja procedūru, kur cilvēks novērtētājs, izmantojot tikai rakstītus tekstus, sazinās ar diviem tam neredzamiem objektiem, no kuriem viens ir cilvēks, bet otrs – mašīna. Ja novērtētājs nespēj droši noteikt, kurš no abiem ir mašīna, atliek secināt, ka mašīna demonstrē tādu intelektuālu uzvedību, kas nav atšķirama no cilvēciskas, un tātad jāpieņem, ka mašīna domā. Mūsdienās mākslīgā intelekta izmantojums dabisko valodu tehnoloģijās ir pārvarējis Tjūringa testu.

Līdz 20. gs. 30. gadu beigām elektroinženieri būvēja elektroniskās shēmas matemātisku un loģikas problēmu risināšanai nesistemātiskā veidā, maz balstoties uz stingrām teorijām, kamēr 1937. gadā amerikāņu matemātiķis, elektroinženieris un kriptografiķis Klods Elvūds Šenons (Claude Elwood Shannon), iepazinies ar angļu matemātiķa Džordža Būla (George Boole) darbiem algebriskajā loģikā, izdomāja, ka elektromehāniskos relejus (tolaik tos izmantoja telefonu komutatoros) var lietot loģisku problēmu risināšanā. Šī koncepcija kļuva plaši izplatīta elektronisko digitālo datoru jomā kopš Otrā pasaule kara.

K. E. Šenons turpināja pētniecību, un 1948. gadā lika pamatus informācijas teorijai.  Šī teorija izmanto varbūtību teorijas rezultātus, lai risinātu problēmu, kā vislabāk kodē informāciju, ko pārraida sūtītājs saņēmējam. K. E. Šenona rezultāti ir viens no teorētiskajiem pamatiem daudzām turpmākām pētniecības jomām, to vidū datu saspiešanai un kriptogrāfijai.

Piedaloties eksperimentos ar pretaviācijas aizsardzības sistēmām, kas interpretēja radaru attēlus pretinieka lidmašīnu atklāšanai, amerikāņu matemātiķis un loģiķis Norberts Vīners (Norbert Wiener) ieviesa jēdzienu “kibernētika”. N. Vīnera 1948. gadā publicētā grāmata “Kibernētika: jeb vadība un saziņa dzīvniekos un mašīnās” (Cybernetics: Or Control and Communication in the Animal and the Machine) nozīmīgi ietekmēja mākslīgā intelekta jomas izaugsmi. N. Vīners norādīja uz analoģijām starp rēķināšanu, skaitļošanas mašīnām, atmiņas ierīcēm un citiem kognitīviem aspektiem ar smadzeņu viļņu analīzē atklāto.

1949. gadā kanādiešu psihologs Donalds Oldings Hebs (Donald Olding Hebb) piedāvāja smadzeņu mācīšanās matemātisko modeli, kā rezultātā, papildinot modeli ar bioloģiskiem datiem, tika radītas mākslīgo neironu tīklu un paralēlās dalītās apstrādes jomas.

1971. gadā amerikāņu un kanādiešu matemātiķis un datorzinātnieks Stīvens Kuks (Stephen Arthur Cook) un neatkarīgi padomju un amerikāņu matemātiķis un datorzinātnieks Leonīds Levins (Leonid Levin) pierādīja, ka eksistē praktiski nozīmīgas problēmas, kas ir nedeterministiski polinomiālā laikā (nondeterministic polynomial time) pilnas. Tas bija nozīmīgs atklājums skaitļošanas sarežģītības teorijā, jo tika pierādīts, ka reālu skaitļošanas uzdevumu izpilde var nebūt pieņemamā laikā īstenojama. 20. gs. sākumā, attīstoties fizikas kvantu teorijai, radās redzējums, ka matemātiskas darbības varētu veikt visas elementārdaļiņas viļņa funkcijas jeb matemātiskas funkcijas vērtības var rēķināt vienlaicīgi daudzos stāvokļos. 20. gs. otrajā pusē šī ideja tika formalizēta kvantdatora modelī; piemēram, 1997. gadā amerikāņu matemātiķis un datorzinātnieks Pīters Šors (Peter Williston Shor) pierādīja, ka kvantdatoru varētu praktiski izmantot ļoti lielu skaitļu sadalīšanai pirmreizinātājos polinomiālā laikā (parastais dators to nespēj). Ja P. Šora algoritmu varētu īstenot ar reāli eksistējošu kvantdatoru, lielākā daļa mūsdienu datu aizsardzības sistēmu izrādītos nederīgas.

Mūsdienu teorētiskā datorzinātne tiek balstīta uz šiem rezultātiem, taču ietver arī daudzu citu matemātisku un pārdisciplināru problēmu pētīšanu.

Tims Berners-Lī (Tim Berners-Lee) 1989. gadā, būdams Eiropas kodolpētījumu organizācijas (European Organization for Nuclear Research) CERN līdzstrādnieks, iesniedza priekšlikumu oriģinālai informācijas apstrādes sistēmai, kas tika novērtēta kā “neskaidra, bet aizraujoša”. Priekšlikumā bija aprakstīta hiperteksta iezīmēšanas valoda jeb HTML (HyperText Markup Language), vienotais resursu vietrādis jeb URL (Uniform Resource Locator) un hiperteksta transporta protokols jeb HTTP (HyperText Transfer Protocol). T. Berners-Lī pats sāka izstrādi un ātri vien tapa prototips tam, ko mūsdienās pazīstam kā globālo tīmekli (World Wide Web, www).

21. gs. pirmās desmitgades iezīmējās ar daudziem datorzinātnē balstītiem sasniegumiem. Tie devuši jaunu ieskatu tam, kas skaitļošanā ir iespējams, kā sargāt informāciju un kā izprast mācīšanos.

1. Kvantu pārākums. Globālā komercsabiedrība Google 2019. gadā praktiski nodemonstrēja t. s. kvantu pārākumu (quantum supremacy), kvantdatoram atrisinot uzdevumu, ko neviens klasiskais dators nespēja. Tiesa, uzdevums bija mākslīgi veidots un līdz reālās dzīves uzdevumu risināšanai kvantdatora atmiņa jāpalielina vismaz simtkārt. Vai tas tehniski ir iespējams, mūsdienās neviens nezina. Taču pirmais solis tika sperts.
2. MIP*=RE. 2020. gadā matemātiķi un datorzinātnieki austrālietis Ženfens Dži (Zhengfeng Ji), amerikāņi Anands Nataradžans (Anand Natarajan), Tomass Vidiks (Thomas Vidick), Džons Raits (John Wright) un kanādietis Henrijs Juens (Henry Yuen) pierādīja, ka valodu klase MIP*, ko var pazīt (decide) klasisks pārbaudītājs (verifier), sadarbojoties ar daudziem visspēcīgiem (all-power) kvantiskiem pierādītājiem (provers) un izmantojot kvantu sasaistītību (entanglement), sakrīt ar rekursīvi sanumurējamu valodu klasi RE. Tas nozīmē, ka kvantu sasaistītība rada iespēju neierobežoti sarežģītām interaktīvas pierādīšanas sistēmām.
3. Postkvantiska kriptogrāfija un pilnībā homomorfiska šifrēšana (Fully Homomorphic Encryption, FHE). Šifrēšana forma, kas ļauj veikt skaitļošanu ar šifrētiem datiem bez nepieciešamības tos vispirms atšifrēt. Amerikāņu datorzinātnieks Kreigs Džentrijs (Craig Gentry) 2009. gada doktora disertācijā publicēja pilnībā homomorfiskas šifrēšanas shēmu. K. Džentrijs piedāvāja šifrēšanas shēmu, kas saglabā datu privātumu, bet ļauj personai, kurai nav slepenās atšifrēšanas atslēgas, aprēķināt jebkuru (joprojām šifrētu) datu rezultātu, pat ja datu funkcija ir ļoti sarežģīta. Īsāk sakot, trešā puse var veikt sarežģītu datu apstrādi, tos neredzot. Cita starpā tas palīdz padarīt mākoņdatošanu saderīgu ar privātumu.
4. Dziļās mašīnmācīšanās teorētiskie pamati. Dziļā mašīnmācīšanās (datorprogramma ir tā, kas mācās) ļāva nozīmīgi uzlabot mākslīgā intelekta praktiskos lietojumus, taču tās teorētiskais pamatojums kavējās. Datorzinātnieki amerikāņi Džonatans Frankls (Jonathan Frankle), Maikls Karbins (Michael Carbin), Arturs Džekots (Arthur Jacot), francūzis Franks Gabriels (Franck Gabriel), šveicietis Klemāns Onglērs (Clément Hongler) un citi ap 2018. gadu sniedza lielu pienesumu izpratnē, kāpēc pārparametrizēti (overparameterized) modeļi labi darbojas, pateicoties tādām idejām kā neironu tangentes kodoli (neural tangent kernel), dubultā nolaišanās (double descent) un loterijas biļešu hipotēze (lottery ticket hypothesis).

21. gs. 20. gadu vidū datorzinātne piedzīvo straujāko pārmaiņu vilni savā vēsturē. Mākslīgais intelekts ar tādiem sasniegumiem kā Google izstrādātais modelis AlphaFold (spēj paredzēt olbaltumvielu trīsdimensiju struktūru, balstoties tikai uz to aminoskābju secību) un lielajiem valodas modeļiem ir radikāli mainījis bioloģijas pētniecību un dabiskās valodas apstrādi, padarot agrāk neiespējamas problēmas risināmas dažu minūšu laikā. Tas paātrina zāļu izstrādi, paver jaunas iespējas klimata modelēšanai un radošām industrijām. Kvantu tehnoloģijas ir sasniegušas vairāk nekā 100 kubitu simulācijas, kas iezīmē ceļu uz praktisku kvantu skaitļošanu un tās potenciālu pārveidot kriptogrāfiju un sarežģītu fizikālu procesu modelēšanu. Digitālajā telpā arvien nozīmīgāka kļūst kiberdrošība – kvantu interneta eksperimenti un diferencētā privātuma metodes piedāvā jaunu aizsardzības līmeni. Tīklu tehnoloģiju attīstība, sākot no satelītu konstelācijām līdz 5G interneta ieviešanai, paplašina piekļuvi informācijai. Arī aparatūras jomā notiek revolūcija: neironmorfas un grafēna mikroshēmas sola energoefektīvu nākamās paaudzes datu apstrādi, kas spēs atbalstīt gan mākslīgā intelekta vajadzības, gan citas ilgtspējīgas tehnoloģijas.

Tā kā datorzinātne dažādos tās aspektos ir saistīta gan ar teorētiskiem un praktiskiem jautājumiem datorsistēmu izstrādāšanā un izmantošanā informācijas glabāšanai un apstrādei, gan ar matemātiku, loģiku, dabas un citām zinātnēm, izmantoto zinātnisko metožu loks ir plašs un daudzveidīgs. Nozīmīgākās – tipiski matemātiskā metode, modelēšanas metode, dabas vai cilvēka radītu vai iedomātu procesu datorsimulācija, eksperimentālā datorzinātne.

Datorzinātne vēsturiski radusies, pakāpeniski atdaloties vai nu no universitāšu matemātikas nodaļām, vai arī no elektrības un elektronikas inženieru nodaļām. Šī izcelsme vēl līdz mūsdienām vietām ietekmē pētījumu uzsvaru vai nu uz matemātiski formulējamām problēmām, vai arī uz inženieriskām sistēmu izstrādēm. Taču abos gadījumos pētniecības mērķis ir agrāk nezināmu sakarību atklāšana vai efektīvu metožu izstrāde informācijas apstrādes jomā.

Dažas no ievērojamākajām problēmām, kas mūsdienās vēl nav atrisinātas. Problēmas nav tikai akadēmiskas – tās ietekmē kiberdrošības, mākslīgā intelekta, kvantdatošanas un vēl arī citu jomu nākotni.

10 svarīgākās pētniecības iestādes, par datu avotu ņemot tīmekļa vietnes Edurank 2025. gada informāciju.

Edurank nav iekļauti ārpus augstskolām esoši pētnieciskie institūti, nozīmīgākie no tiem – IBM Research, Google DeepMind, Microsoft Research, OpenAI, Bell Labs (Nokia Bell Labs), National Institute of Standards and Technology (NIST), Los Alamos National Laboratory, CERN un citi.

Datorzinātņu jomā darbojas vairākas profesionālas organizācijas. Nozīmīgākās no tām ir Skaitļošanas mašīnu asociācija (Association for Computing Machinery, 1947) un Elektronikas un elektrotehnikas inženieru institūts (Institute of Electrical and Electronics Engineers, IEEE, 1963) ar tā sekciju Datoru biedrība (IEEE Computer Society, 1971). Datorikas institūcijas Eiropā apvieno organizācija Eiropas informātika (Informatics Europe, 2006).

Datorzinātnes jomā ir simtiem periodisku zinātnisku izdevumu. Nozīmīgākie no tiem, ņemot par datu avotu tīmekļa vietni Research.com, balstoties uz citēšanas biežumu: IEEE Transactions on Pattern Analysis and Machine Intelligence (izdevējs IEEE Computer Society, kopš 1979. gada) IEEE Access (izdevējs IEEE, kopš 2013, kopš), IEEE Internet of Things Journal (izdevēji IEEE Sensors Council, IEEE Communication Society, IEEE Computer Society un IEEE Signal Processing Society, kopš 2014. gada), IEEE Transactions on Image Processing (izdevējs IEEE Signal Processing Society, kopš 1992. gada), IEEE Transactions on Industrial Informatics (izdevējs IEEE Industrial Informatics Society, kopš 2015. gada), ACM Computing Surveys (izdevējs ACM, kopš 1968. gada), IEEE Transactions on Neural Networks and Learning Systems (izdevējs IEEE Computational Intelligence Society, kopš 1993. gada), Future Generation Computer Systems (izdevējs Elsevier, kopš 1985. gada), IEEE Transactions on Medical Imaging, Information Sciences (izdevējs IEEE, kopš 1982. gada). Šos un vēl daudz citu zinātnisku un profesionālu izdevumu satur starptautisko profesionālo organizāciju elektroniskās bibliotēkas – ACM Digital Library un IEEE Computer Society Digital Library.

Kopš 1966. gada par izciliem sasniegumiem datorzinātnē Skaitļošanas mašīnu asociācija (Association for Computing Machinery, 1947) katru gadu piešķir Tjūringa balvu (Turing Award).

A. Tjūrings – teorētiskā datorzinātne, Tjūringa mašīna, kriptanalīze. Viņa darbi definēja to, ko nozīmē “aprēķināt”, un kļuva par pamatu visai datorzinātnei. Dž. fon Neimans – datoru arhitektūra, spēļu teorija, skaitļošanas modeļi. Fon Neimana arhitektūra joprojām ir mūsdienu datoru pamats. Greisa Hopere (Grace Hopper) – kompilatori, kopīga uzņēmējdarbībai orientēta valoda (Common Business Oriented Language, COBOL), programmēšanas valodu dizains. Viņa radīja pirmo kompilatoru un ielika pamatus augsta līmeņa valodām. K. E. Šenons – informācijas teorija, digitālā loģika. Viņa darbi padarīja iespējamu digitālo komunikāciju, datu kompresiju un modernās sakaru sistēmas. Konrāds Cūze (Konrad Cuse) – pirmais funkcionējošais programmējamais dators (Z3), agrīnas valodas. Viņš radīja vienu no pirmajiem reālajiem datoriem un izstrādāja valodu Plankalkül – vienu no pirmajām augsta līmeņa valodām.

Alans Perliss (Alan Jay Perlis) – strukturētā programmēšana, programmēšanas valodu teorija. Pirmais laureāts – viņa darbi lika pamatus tam, kā tiek domāts par programmēšanas valodām. Edsgers Deikstra (Edsger Wybe Dijkstra) – algoritmi, strukturētā programmēšana, operētājsistēmas, Deikstras algoritms, semafori, Go To considered harmful – viņš pārveidoja programmēšanas kultūru. Donalds Knuts (Donald Ervin Knuth) – algoritmu analīze, salikšanas programma TeX, grāmatas “Datorprogrammēšanas māksla” (The Art of Computer Programming, 1968) autors. D. Knuts definēja algoritmu analīzi kā zinātni un radīja rīkus, ko izmanto miljoni. Džons Bekuss (John Warner Backus) – FORTRAN, BNF forma. FORTRAN bija pirmais plaši izmantotais augsta līmeņa valodas standarts, un BNF joprojām ir valodu definēšanas pamats. Deniss Ričijs (Dennis Ritchie) un Kens Tompsons (Kenneth  Lane Thompson) – C valoda, operētājsistēma UNIX. Šis duets radīja operētājsistēmu un valodu, kas joprojām ir mūsdienu sistēmu pamats. Džons Makārtijs (John McCarthy) – loģiskās programmēšanas valoda (list processing, LISP), mākslīgā intelekta jēdziens. Viņš ne tikai izgudroja LISP, bet arī definēja mākslīgo intelektu kā zinātnes nozari. Alans Kejs (Alan Curtis Kay) – objektorientētā programmēšana, programmēšanas valoda Smalltalk, grafiskās lietotāja saskarnes. Viņa idejas par “personīgo datoru” un grafisko lietotāja saskarni (Graphical user interface, GUI) ietekmēja visu mūsdienu datoru industriju. T. Bērners-Lī – World Wide Web. Bez viņa nebūtu interneta tādā formā, kādu to pazīstam mūsdienās. Beilijs Vitfīlds Difijs (Bailey Whitfield Diffie) un Martins Helmans (Martin Edward Hellman) – publiskās atslēgas kriptogrāfija. Viņu darbs ir pamats drošai komunikācijai internetā – no bankām līdz WhatsApp. Džefrijs Hintons (Geoffrey Everest Hinton), Jošua Bendžio (Yoshua Bengio) un Jans Lekuns (Yann Andre LeCun) – dziļā mācīšanās, viņi radīja metodes, kas ļāva attīstīties mūsdienu neironu tīkliem, datorredzei, valodas modeļiem un visam modernajam mākslīgajam internetam.