@ 2017.01.17 , 15:20

下一批码农,将是物理系学生

[-]

对学物理学家来说,这是不好的时代。

说这话的Oscar Boykin曾有过比肩爱因斯坦的梦想。他在佐治亚理工学了物理,并于2002年拿到UCLA该专业的PhD。但后来,他发现自己所在的专业没前途也没钱途。2012年希格斯玻色子的发现本应让工作在LHC和世界各地的物理研究者雀跃,但上帝粒子并没有改变理论物理的进程。“现有物理学出现矛盾的时候我们才有东西研究,可现在没什么地方存在问题。物理学家们过得很苦。”他说。

现在,Boykin已经不再是一位物理学家。他成为了一位硅谷软件工程师。对软件工程师来说,这是很好的时代。

[-]
Oscar Boykin

Boykin所在的Stripe是个90亿美元估值的初创公司。作为搞物理的,他对工作中遇到的复杂数学和抽象思想做好了准备。然而与搞物理的人不同,他所在的行业有着无尽激动人心的挑战和机会,加上美好的钱景。

如果说物理和编程是两颗不同的微观粒子,那么硅谷正在成为聚集它们的对撞机。Boykin的同事中有三位是学物理的。去年12月,通用电气收购了囊括众多物理学家(包括伯克利天体物理学家Joshua Bloom)的机器学习初创公司Wise.io。曾在美国SLAC国家加速器实验室工作过的物理学家Arno Candel曾帮助编写了开源机器学习平台H2O。微软首席数据科学家Vijay Narayanan也是一位天体物理学家。

天子门生

当每个IT公司都在争取做越来越多的事的时候,物理学家的进入似乎显得很自然。早在计算机技术萌芽之际,物理学家已参与其中。共同设计ENIAC的John Mauchly是位物理学家。C语言之父Dennis Ritchie是位物理学家

但物理学家真正进入电子技术的舞台,是源自机器学习的崛起。新一轮对数据科学和AI的研究,似乎是上天留给物理系学生的宝藏。

再者,业内对神经网络(neural networks)的追捧招来了更多搞物理的人。归根到底,神经网络只是一堆宏大尺度的线性代数和概率论。微软剑桥研究院的Chris Bishop认为,计算机科学家对这些数学不熟,但物理学家却能如天生一般轻松掌握。Boykin也表示,“训练神经网络的一种方法叫做牛顿法(Newton's method),源自于搞物理的那位牛顿。”

突破空间

Boykin感叹道,十年之前,他有许多同行转进了金融界。他们以自己优异的数学才能,加上布莱克-斯科尔斯公式等理论帮助华尔街预测了市场走向,也将世界带入了金融危机。而现在,Boykin等物理学家正在怀着更高的热情,加入数据科学等研究的队伍。

几年前,物理学家们在所谓的“大数据”概念上一试身手。Boykin本人帮助Twitter弄出了流处理框架Summingbird。另有三个在MIT处理过LHC海量抽象数据的男生合伙成立了数据处理公司Cloudant

[-]

在Google壮大之初,帮助建立该公司分配系统的功臣之一,是拿到斯坦福研究弦论PhD的Yonatan Zunger。现任LinkedIn CTO的Kevin Scott认为,与计算机科学家不同,物理学家对机器学习的实验性十分熟悉。“就像是实验室里的科学。”

许多物理学家是为钱而来。“IT行业的薪水高得可怕。”但他们也看中了这一领域尚未解决的问题。Christian Anderson在哈佛读着物理PhD的时候产生了与Boykin一样的看法——物理学是个收益递减的智力投入。Anderson说,“‘互联网’的丰富在于它的涵盖的视野。它将机会放大,同时增添了突破与挑战,让我们的才智派上用场。”

未来开始

今天,物理学家正在不断涌入硅谷。在接下来几年,他们的影响将日益明显。机器学习不仅会改变我们分析数据的方式,它还会改变扭转我们编写软件的方式。神经网络正在对图像识别、语音识别、机器翻译和软件交互的现状进行改写。如同微软对Chris Bishop所说,软件工程将不再是基于逻辑手写代码的工作。Google和Facebook等公司正在瞄准机器学习,重新训练他们工程师的思路。很快,整个计算机行业将跟随巨头的脚步。

随着时间推移,搞物理的入侵硅谷码农的地盘将给世界带来更大的改变。或许很快,你就无法分清一个坐在办公室里敲着代码的人,是否领过国家研究基金、梦见过诺奖、探究过大一统理论。

本文译自 Wired,由译者 zzjeff 基于创作共用协议(BY-NC)发布。


给这篇稿打赏,让译者更有动力 !
支付宝打赏 [x]
您的大名: 打赏金额:

4.3
赞一个 (21)

24H最赞