Re: [閒聊] 樹樹進來

看板Marginalman作者Apache (阿帕契)時間8年前 (2017/11/23 19:27)推噓0(0推 0噓 3→)

留言3則, 3人參與討論串4/4 (看更多)

來葛內容農場文人工智慧時代，為什麼大量物理學家開始紛紛轉型湧入科技界？ 2017/01/19 來源：中國人工智能學會編譯：Agnes Pan 「如今還真不是當物理學家的好時候。」 Oscar Boykin如是說。Boykin在喬治亞理工的物理系完成了本科學業，之後於2002年在加州大學洛杉磯分校（UCLA）獲得了物理學博士學位。就在四年前，瑞士大型強子對撞機的物理學家發現了希格斯玻色子，這是20世紀60 年代曾首次預測存在的亞原子粒子。正如Boykin所提到的，每個人都在期盼它真正被發現。然而，希格斯的發現並沒有打破宇宙的理論模型，它沒有改變任何東西，或是給予物理學家任何新的研究方向。「每當與物理有關的事情出現差錯時，物理學家們都會非常興奮，然而我們卻正處於一個幾乎不太會出現差錯的時代。」 Boykin說道，「在一個物理學家看來，這是一個令人沮喪的時代。」而且，薪水也不高。 Oscar Boykin 現在，Boykin已經不再是一位物理學家，他化身成了矽谷的軟體工程師。而現如今，正是這類職業的黃金時代。 Boykin在一家價值90億美元的創業公司Stripe工作，創建在線平台，幫助企業接收在線付款。Boykin的職責是幫助構建和運行公司收集數據的軟體系統，他負責預測這些服務系統的未來走勢，包括欺詐性交易發生的可能性，以及具體可能發生的時間和途徑。一方面，作為一名物理學家，他非常適合這項工作，因為該職位需要極強的數學能力和抽象思維。然而，不像是純物理學家，他現在的工作領域能提供給他無限的挑戰和可能性。而且，薪水也很高。如果物理和軟體工程是亞原子粒子，那麼，矽谷已經變成了粒子碰撞的地方。 Boykin在 Stripe與其他三位物理學家一起工作。去年12月，當通用電氣收購了機器學習創業公司 Wise.io時，通用的CEO Jeff Immelt調侃道，他剛剛獲得了一家充滿物理學家的公司，其中最著名的就是加州大學伯克利大學（UCB）的天體物理學家Joshua Bloom。開源機器學習軟體H20是由來自瑞士的物理學家Arno Candel（曾在SLAC國家加速器實驗室工作）的幫助下開發的，該軟體現在成為了全世界近7萬名數據科學家的研究工具。微軟的數據科學主管Vijay Narayanan也是一名天體物理學家，在他團隊工作的還有其他幾名物理學家。這一切並不是經過精心策劃的。「我們並不是進入了物理世界的『幼兒園』，並拐賣了一車兒童。」 Stripe的總裁兼聯合創始人John Collison表示，「這樣的事情只是自然而然的發生了。」而且，它發生在矽谷的每一個角落。因為在結構和技術的角度上看，每個網際網路公司需要做的事情，已經越來越與物理學家的技術和知識相對口。一切都是順其自然當然，物理學家在早些時候，就在計算機技術方面發揮了重要作用，就像他們在許多其他領域有著重要作用一樣。參與設計世界上最早的計算機之一ENIAC的John Mauchly，就是一位物理學家。C語言之父Dennis Ritchie，最開始也是一位物理學家。但是，對於進入計算機技術領域的物理學家來說，如今才算時機成熟。由於機器學習的興起，機器需要通過分析大量數據來學習任務，這種新型數據科學和人工智慧是最適合物理學家的東西。除此之外，神經網絡，以及在此基礎上開發的模仿人類大腦結構的軟體，都是當前行業內的熱點。但是，神經網絡可以說是一個巨大的工程，涉及很多線性代數和機率論。計算機科學家不一定在這些領域內有過深入的研究，但物理學家有。「對於物理學家來說，神經網絡中最陌生的，只有學習如何優化這些神經網絡並訓練他們，但這也是相對直截了當的一個部分。」Boykin說道，「其中，有一種技術被稱為『牛頓法』，以物理學家牛頓命名，而不是其他的什麼牛頓。」微軟劍橋研究實驗室主管Chris Bishop，在三十年前就有了同樣的感受，當時深層神經網絡才剛開始在學術界嶄露頭角。這也是導致他從物理學轉變到機器學習領域的主要原因。「一個物理學家進入了機器學習領域，這是非常自然的一件事。」他說，「甚至比計算機科學家這麼做更自然。」更大的挑戰空間 Boykin感慨道，十年前，許多他的物理學家同僚都爭相轉入金融界。同樣的數學知識體系在華爾街非常受用，可以作為預測市場發展趨勢的一種準確方式。其中最重要的工具就是Black-Scholes方程式，這是一種能確定金融衍生物價值的方法，但後來， Black-Scholes在一定程度上也幫助釀成了2008年的金融危機。現在，更多的物理學者會選擇轉向數據科學，以及其他類型的計算機科技領域。約十年前，物理學家開始進入頂尖的科技公司，參與開發大數據軟體，即能在數百甚至數千台機器上運行數據的系統。Boykin曾在Twitter參與開發了名為Summingbird的大數據軟體，來自MIT物理系的三位年輕人，也曾在一家名為Cloudant的初創公司研發出了類似的軟體。物理學家熟知該如何處理數據，並且利用他們強大的抽象思維，構建一些複雜的系統。在Google剛成立不久的時候，公司負責構建大規模分布式系統的關鍵人物之一Yonatan Zunger，就擁有史丹福大學弦理論學的博士學位。當Kevin Scott加入Google的廣告組時，他負責從各處獲取數據，並用這些數據來預測，哪幾類廣告最可能獲得最多的點擊量。為此，他聘請了無數名物理學家進入他的小組工作。與很多計算機科學家不同，物理學家簡直就是為了機器學習的實驗本質而生。「這簡直就是一門實驗科學。」如今的 LinkedIn首席技術官Scott感嘆道。當下，大數據軟體已經十分常見，它們幫助機器學習模型展開各類預測，這也為物理學家進入矽谷開闢了更廣闊的道路。在Stripe，Boykin的團隊還包括Roban Kramer（哥倫比亞大學物理學博士），Christian Anderson（哈佛大學物理學碩士）和Kelley Rivoire（ MIT物理學學士）。他們來到這裡，是因為他們適合這樣的工作。他們來到這裡，也是為了得到更可觀的薪水。就像Boykin所說，「科技公司的薪資簡直離譜。」但同時，他們來到這裡，也是為了解決更多亟待解決的問題。 Anderson之所以放棄了物理學博士，離開哈佛，就是因為他對如今物理學界的看法和 Boykin一樣——是一種回報遞減的純學術追求。但是，網際網路產業卻並非如此。 Anderson表示：「網際網路的涵蓋面很廣，這讓網際網路產業能擁有更多的機會，同時也擴大了它的挑戰空間和問題空間。但是，在這之中，我總能看到上升空間。」充滿變化的未來今天，物理學家正前仆後繼地進入矽谷公司，但在今後的歲月里，類似的現象會進一步蔓延。機器學習不僅會改變分析數據的方式，也會改變軟體的開發方式。神經網絡已經從根本上改變了圖像識別、語音識別、機器翻譯以及軟體接口的本質。正如微軟的Chris Bishop所說，軟體工程正在從基於邏輯的代碼編寫，轉向基於機率和不確定性的機器學習模型。類似Google和Facebook這樣的大公司，已經開始以這種新的思維方式，重新訓練他們的工程師。最終，全世界都會跟隨他們的腳步前進。換句話說，大量物理學家進入矽谷工程師的領域，意味著更大的變化即將到來。不久之後，所有的矽谷工程師也都將踏入物理學家的領域。 -- 我朋友0 https://i.imgur.com/ZjPRKHj.jpg