0
物理學家 Oscar Boykin，現(xiàn)在轉型做了軟件工程師
雷鋒網(wǎng)按：人工智能已經(jīng)越來越火熱，對于有著突出數(shù)學能力和抽象思維能力的物理學家，進軍 AI 是很有優(yōu)勢的。近日，《連線》雜志的資深撰稿人 Cade Metz 撰文表達了對物理學家進軍 AI 及機器學習領域的看法。Cade Metz 一直關注人工智能，比特幣，數(shù)據(jù)科學以及 Google、Facebook 等公司的科技動態(tài)。原文標題《Move Over, Coders—Physicists Will Soon Rule Silicon Valley》，雷鋒網(wǎng)編譯。
對物理學家來說，這是個“最壞”的時代。
至少， Oscar Boykin 是這么認為的。他曾在喬治亞理工學院學習物理學，并且在 2002 年獲得了加州大學洛杉磯分校（UCLA）的 PhD。雖然是學物理出身，但 Oscar Boykin 坦承物理學家的日子并不好過。就像四年前， LHC 物理學家探測到了希格斯玻色子（Higgs boson），這是 20 世紀 60 年代以來人們首次探測到亞原子粒子。雖然物理學家們對結果很激動，但是這項發(fā)現(xiàn)并沒有對宇宙的理論模型有實質性的影響，也并沒有帶給物理學家?guī)眍A期的努力方向?！耙郧?，在物理領域出現(xiàn)了什么事，大家都會很興奮?，F(xiàn)在這種情況很少發(fā)生了。這讓人感到難過。”Boykin 補充道，“而且，物理學家的薪水待遇也不高?！?/p>
Boykin 現(xiàn)在已經(jīng)成功轉型成為了硅谷的一名軟件工程師。他在一家估值超過 90 億美元的初創(chuàng)公司 Stripe 工作，公司的主要業(yè)務是幫助企業(yè)進行在線支付服務。Boykin 憑借自己杰出的數(shù)學知識和抽象思維能力為公司構建了軟件系統(tǒng)，并預測這些服務可能出現(xiàn)的狀況，比如什么時候以何種方式產(chǎn)生欺詐交易等等。
或許對軟件工程師來說，這是一個“最好”的時代。
如果將物理學和軟件比作是亞原子粒子，那么硅谷就是它們產(chǎn)生化學反應的地方。去年 12 月，通用電氣收購了機器學習公司 Wise.io ，其 CEO Jeff Immelt 表示自己擁有了一家物理學家構成的公司，其中包括著名的加州大學天體物理學家 Joshua Bloom。雷鋒網(wǎng)讀者或許聽過開源機器學習平臺 H20 的名字，該公司也是在瑞士物理學家 Arno Candel 的幫助下建立的。微軟的數(shù)據(jù)科學總監(jiān) Vijay Narayanan 是一名天體物理學家，參與設計了最早的計算機之一的 John Mauchly 是物理學家，發(fā)明 C 語言的 Dennis Ritchie 也是物理學家。
這一切都是水到渠成的。近年來，隨著機器學習的興起，人們需要用大量數(shù)據(jù)來訓練機器執(zhí)行及學習任務，而這種新興的領域正是物理學家最擅長的方向。
除此之外，神經(jīng)網(wǎng)絡技術也在業(yè)界逐漸流行起來，由于這項技術需要一定的數(shù)學背景才能較好地理解及應用（主要是線性代數(shù)和概率），而這些都是物理學家所擅長的?！皩τ谖锢韺W家而言，困難的只是學習如何優(yōu)化以及訓練這些神經(jīng)網(wǎng)絡，但這相對而言是比較簡單的?！盉oykin 說。
早在 30 年前，微軟劍橋實驗室的主管 Chris Bishop 就感受到了這種風氣，當時神經(jīng)網(wǎng)絡才剛開始在學術界流行，這也是他從物理學轉到研究機器學習的原因之一。 Chris Bishop 表示：“物理學家進軍機器學習領域是自然而然發(fā)生的事情，甚至比計算機專家還理所應當。”
不過，Boykin 在指出數(shù)學對預測市場價值的重要性的同時，也提到了其中隱藏的未知挑戰(zhàn)。舉個例子，一種叫做 Black-Scholes 的數(shù)字化解決模型可以用來判斷金融衍生物的價值，但 Black-Scholes 同時也是促成 2008 年全球金融危機的罪臣之一。
從十幾年前開始，就有許多物理學家紛紛進入頂尖的科技公司工作，幫助企業(yè)建立起能夠在數(shù)千臺機器上處理大量數(shù)據(jù)的軟件系統(tǒng)。比如 Boykin 幫 Twitter 設計了 Summingbird ，再比如幾個 MIT 物理系畢業(yè)的愛好者在 Cloudant 建立的類似軟件。想要建立這些復雜系統(tǒng)需要有很強的抽象思維，而這些都是物理學家駕輕就熟的。在 Stripe 公司里，Boykin 的團隊還包括 Roban Kramer（物理學博士，哥倫比亞大學），Christian Anderson（物理學碩士，哈佛大學）、 Kelley Rivoire（物理學學士，MIT）等等。
值得一提的是，Christian Anderson 在獲得 PhD 之前就離開了哈佛大學，因為他和 Boykin 一樣，認為物理學研究是一項回報率遞減的事。但AI領域的機遇更多，也具有更多的挑戰(zhàn)空間。
不論如何，我們已經(jīng)可以看到有不少物理學家正在占領硅谷公司的一席之地。雷鋒網(wǎng)估計這樣的勢頭還會繼續(xù)保持下去。
機器學習和人工智能不只是會改變全世界數(shù)據(jù)分析的方式，而且還將改變工程師們組建軟件的方式。要知道，神經(jīng)網(wǎng)絡技術現(xiàn)在已經(jīng)顛覆了圖像識別、語音識別、機器翻譯等等人們之前不敢想象的領域。就像微軟 Chris Bishop 所言，軟件正在從基于邏輯的人工編碼轉換成基于概率和未知性的機器學習模型。譬如 谷歌、Facebook 這種科技巨頭已經(jīng)開始用新的思維方式來訓練自己的工程師。最后，計算行業(yè)的其他公司也必將跟上時代的腳步。
Via wired
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
