给彩票平台刷投注量,程序员让开,硅谷将会是物理学家的天下,薪水高得离谱

给彩票平台刷投注量,程序员让开,硅谷将会是物理学家的天下,薪水高得离谱

给彩票平台刷投注量,因技能对口和薪酬优厚,物理学家的硅谷之路越走越宽。

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

奥斯卡·博伊金(oscar boykin)

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,薪资也不理想。

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,该公司估值高达90亿美元。

他参与构建并运营从公司服务中收集数据的软件系统,他还致力于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。

该行业拥抱了神经网络,这是旨在模仿人脑结构的软件。但归根结底,神经网络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

造就:剧院式的线下演讲平台,发现最有创造力的思想