程序员让开：硅谷将会是物理学家的天下

奥斯卡·博伊金

奥斯卡·博伊金（Oscar Boykin）认为，现在可不是当物理学家的好时候。

他曾就读于乔治亚理工学院物理系，2002年拿到加州大学洛杉矶分校物理学博士学位。

四年前，物理学家们借助瑞士的大型强子对撞机，发现了科学家在上世纪60年代就预言存在的一种亚原子粒子（希格斯玻色子）。

希格斯玻色子没有推翻宇宙理论模型，没有改变任何东西，因此并没有为物理学家设置新的难关。

“只有当物理学不太理想的时候，物理学家才有用武之地，现在可供我们改进的余地并不多，”他说，“这让人感觉很没劲。”而且，收入也不理想。

于是，博伊金离开了物理学界，他去到硅谷，成为一名软件工程师。在他看来，做软件工程师正当时。

博伊金就职于帮助商家在线收款的初创企业Stripe，一家估值高达90亿美元的公司。

他参与构建并运营从公司服务中收集数据的软件系统，并预测这些服务未来的状况，包括诈骗交易会在何时、何地、以何种形式发生。

由于此类预测需要极强的数学和抽象思维能力，身为物理学家的博伊金便成了理想人选。

与其他物理学家不同，博伊金所处的环境还为他提供无尽的挑战与可能，而且薪酬相当不错。

如果将物理学和软件工程比作亚原子粒子，那么可以说，硅谷已成为两者对撞的领域。除博伊金外，Stripe公司还雇有另外三名物理学家。

去年12月，通用电气收购机器学习初创企业Wise.io。当时，通用电气CEO杰夫·伊梅尔特（Jeff Immelt）就曾骄傲地宣称，该公司的物理学家济济一堂，最值得一提的是加州大学伯克利分校的天体物理学家乔书亚·布鲁姆（Joshua Bloom）。

这也并非有意为之。“我们没有处心积虑地去找，”Stripe总裁、联合创始人约翰·科里森（John Collison）说，“这是水到渠成的事。”

因为从结构和技术上讲，互联网公司的需求和物理学家的技能组合越来越匹配了。

当然，从计算机科学萌芽之初，物理学家们的身影就活跃其中，就像他们活跃于其他任何领域一样。

约翰·莫齐利（John Mauchly）是ENIAC（早期的计算机）的设计者之一，他就是名物理学家。C语言之父丹尼斯·里奇（Dennis Ritchie）也是。

对物理学家而言，挺进计算机技术领域恰逢其时，还有赖于机器学习的兴起，即机器通过分析大量的数据，学会完成各种任务。

这一波数据科学和人工智能的新浪潮，简直是为物理学家量身定制的。

该行业当下最推崇的神经网络技术，实质上就是超大规模的数学计算，主要是线性代数和概率论。

计算机科学家不一定有这些领域的背景，但物理学家必备这些知识。

“对物理学家而言，唯一比较陌生的就是如何优化及训练神经网络，但这些都相对简单，”博伊金说。

克里斯·比肖普（Chris Bishop）主管微软位于英国剑桥的研究实验室。三十年前，他就产生了这样的想法。

当时，神经网络的前景刚开始在学术领域显现出来。他就转行做起了机器学习。

“物理学家进入机器学习领域是再自然不过的事情，”他说，“比进入计算机科学领域还要顺理成章。”

博伊金说，十年前，老同学们一个个都投身金融界。在华尔街，物理学家的技能组合也适用于预测市场走向。

一种关键工具就是布莱克-舒尔兹模型（Black-Scholes Equation），它被用来确定金融衍生品的价值，也参与酿成了2008年的金融大崩溃。

而今，博伊金和其他物理学家们表示，更多的同侪转向了数据科学和其他的计算机技术领域。

2010年以后，物理学家们纷纷进入顶尖的科技公司，参与构建所谓的大数据软件，处理成百上千台机器的数据。

在Twitter，博伊金就参与构建了名为Summingbird的大数据软件。在麻省理工学院（MIT）物理系结识的三名物理学家创办了初创企业Cloudant，也是构建类似的软件。

物理学家知道如何对付数据——Cloudant的三位创始人在MIT就负责处理大型强子对撞机的巨量数据。

构建这些巨大的复杂系统，离不开物理学家独有的抽象思维能力；而一旦系统建立起来，又会有无数的物理学家参与其中，使用系统所驾驭的数据。

在早年的谷歌，巨型分布式系统的关键构建者之一是斯坦福大学弦理论博士尤纳坦·臧格（Yonatan Zunger）。

当初，凯文·斯科特（Kevin Scott）加入谷歌广告团队，负责从谷歌全网抓取数据，并以此预测哪些数据可能获得最多点击。

为此，斯科特雇佣了不少物理学家。机器学习具有极强的实验性质，这和物理学家的技能组合极为相契。

这是物理学家区别于很多计算机科学家的地方。“这几乎就是实验室科学，”斯科特说。如今他在LinkedIn担任首席技术官。

大数据软件已成家常便饭。Stripe正使用博伊金曾参与构建的系统的开源版本；其他无数企业的机器学习模型也在其帮助下，驱动着各项预测。

因此，物理学家的硅谷之路越走越宽。

在Stripe，博伊金的团队里还有哥伦比亚大学的物理学博士、哈佛大学的物理学硕士和MIT的物理学学士。

他们因技能对口和薪酬优厚加入这个团队。正如博伊金所说：“科技领域的薪水可以说高得离谱。”但他们也是看中了无数有待攻克的难题。

今天，物理学家们进军硅谷企业。在未来的许多年，类似现象还会进一步蔓延。

机器学习不仅仅会改变数据分析的方式，还会改变软件构建的方式。

眼下，神经网络已经在重塑图像识别、语音识别、机器翻译，以及软件界面的本质。

正如微软的克里斯·比肖普所说，软件工程正在从基于逻辑的人工编程，转移到基于概率和不确定性的机器学习。

谷歌和Facebook等企业将开始以这种新的思路重新培训各自的工程师。继而，计算领域的其他企业也会纷纷效仿。

换言之，物理学家向硅谷工程师的领域挺进，这标志着更大的变革正在酝酿之中。

很快，硅谷的工程师都将反其道而行，向着物理学的疆域大规模进发。

翻译：雁行

来源：Wired

伏彩瑞 | 中国教育散不去的霾 

龙伟 | 互联网下半场的仗该怎么打？

谈婧 | 为什么Uber能让你心甘情愿当个老司机？

董飞 | 未来每个人的教育都是AI设定的

陈华伟 | 拿什么拯救你，我的时间？

陆铭 | 上海的经济正在“香港化” 

叶敏 | 把自然装进建筑，让空间流动起来

刘康平 | 为什么我们每个人都应该学习计算思维？

点击标题 查看往期回顾