看来我应该慎重考虑一下转型人工智能？先努力开始学着，多学点没什么坏处。
以下全文转载自：http://www.sohu.com/a/124743338_505819
来源：WIRED (MOVE OVER, CODERS—PHYSICISTS WILL SOON RULE SILICON VALLEY)
编译：Agnes Pan
“如今还真不是当物理学家的好时候。” Oscar Boykin如是说。Boykin在佐治亚理工的物理系完成了本科学业，之后于2002年在加州大学洛杉矶分校（UCLA）获得了物理学博士学位。就在四年前，瑞士大型强子对撞机的物理学家发现了希格斯玻色子，这是20世纪60年代曾首次预测存在的亚原子粒子。
正如Boykin所提到的，每个人都在期盼它真正被发现。然而，希格斯的发现并没有打破宇宙的理论模型，它没有改变任何东西，或是给予物理学家任何新的研究方向。“每当与物理有关的事情出现差错时，物理学家们都会非常兴奋，然而我们却正处于一个几乎不太会出现差错的时代。” Boykin说道，“在一个物理学家看来，这是一个令人沮丧的时代。”而且，薪水也不高。
Oscar Boykin
现在，Boykin已经不再是一位物理学家，他化身成了硅谷的软件工程师。而现如今，正是这类职业的黄金时代。
Boykin在一家价值90亿美元的创业公司Stripe工作，创建在线平台，帮助企业接收在线付款。Boykin的职责是帮助构建和运行公司收集数据的软件系统，他负责预测这些服务系统的未来走势，包括欺诈性交易发生的可能性，以及具体可能发生的时间和途径。一方面，作为一名物理学家，他非常适合这项工作，因为该职位需要极强的数学能力和抽象思维。然而，不像是纯物理学家，他现在的工作领域能提供给他无限的挑战和可能性。而且，薪水也很高。
如果物理和软件工程是亚原子粒子，那么，硅谷已经变成了粒子碰撞的地方。 Boykin在Stripe与其他三位物理学家一起工作。 去年12月，当通用电气收购了机器学习创业公司Wise.io时，通用的CEO Jeff Immelt调侃道，他刚刚获得了一家充满物理学家的公司，其中最著名的就是加州大学伯克利大学（UCB）的天体物理学家Joshua Bloom。
开源机器学习软件H20是由来自瑞士的物理学家Arno Candel（曾在SLAC国家加速器实验室工作）的帮助下开发的，该软件现在成为了全世界近7万名数据科学家的研究工具。微软的数据科学主管Vijay Narayanan也是一名天体物理学家，在他团队工作的还有其他几名物理学家。
这一切并不是经过精心策划的。“我们并不是进入了物理世界的‘幼儿园’，并拐卖了一车儿童。” Stripe的总裁兼联合创始人John Collison表示，“这样的事情只是自然而然的发生了。”而且，它发生在硅谷的每一个角落。 因为在结构和技术的角度上看，每个互联网公司需要做的事情，已经越来越与物理学家的技术和知识相对口。
一切都是顺其自然
当然，物理学家在早些时候，就在计算机技术方面发挥了重要作用，就像他们在许多其他领域有着重要作用一样。 参与设计世界上最早的计算机之一ENIAC的John Mauchly，就是一位物理学家。C语言之父Dennis Ritchie，最开始也是一位物理学家。
但是，对于进入计算机技术领域的物理学家来说，如今才算时机成熟。由于机器学习的兴起，机器需要通过分析大量数据来学习任务，这种新型数据科学和人工智能是最适合物理学家的东西。
除此之外，神经网络，以及在此基础上开发的模仿人类大脑结构的软件，都是当前行业内的热点。但是，神经网络可以说是一个巨大的工程，涉及很多线性代数和概率论。计算机科学家不一定在这些领域内有过深入的研究，但物理学家有。“对于物理学家来说，神经网络中最陌生的，只有学习如何优化这些神经网络并训练他们，但这也是相对直截了当的一个部分。”Boykin说道，“其中，有一种技术被称为‘牛顿法’，以物理学家牛顿命名，而不是其他的什么牛顿。”
微软剑桥研究实验室主管Chris Bishop，在三十年前就有了同样的感受，当时深层神经网络才刚开始在学术界崭露头角。这也是导致他从物理学转变到机器学习领域的主要原因。“一个物理学家进入了机器学习领域，这是非常自然的一件事。”他说，“甚至比计算机科学家这么做更自然。”
更大的挑战空间
Boykin感慨道，十年前，许多他的物理学家同僚都争相转入金融界。同样的数学知识体系在华尔街非常受用，可以作为预测市场发展趋势的一种准确方式。 其中最重要的工具就是Black-Scholes方程式，这是一种能确定金融衍生物价值的方法，但后来，Black-Scholes在一定程度上也帮助酿成了2008年的金融危机。现在，更多的物理学者会选择转向数据科学，以及其他类型的计算机科技领域。
约十年前，物理学家开始进入顶尖的科技公司，参与开发大数据软件，即能在数百甚至数千台机器上运行数据的系统。Boykin曾在Twitter参与开发了名为Summingbird的大数据软件，来自MIT物理系的三位年轻人，也曾在一家名为Cloudant的初创公司研发出了类似的软件。物理学家熟知该如何处理数据，并且利用他们强大的抽象思维，构建一些复杂的系统。
在Google刚成立不久的时候，公司负责构建大规模分布式系统的关键人物之一Yonatan Zunger，就拥有斯坦福大学弦理论学的博士学位。当Kevin Scott加入Google的广告组时，他负责从各处获取数据，并用这些数据来预测，哪几类广告最可能获得最多的点击量。为此，他聘请了无数名物理学家进入他的小组工作。与很多计算机科学家不同，物理学家简直就是为了机器学习的实验本质而生。“这简直就是一门实验科学。” 如今的LinkedIn首席技术官Scott感叹道。
当下，大数据软件已经十分常见，它们帮助机器学习模型展开各类预测，这也为物理学家进入硅谷开辟了更广阔的道路。在Stripe，Boykin的团队还包括Roban Kramer（哥伦比亚大学物理学博士），Christian Anderson（哈佛大学物理学硕士）和Kelley Rivoire（MIT物理学学士）。他们来到这里，是因为他们适合这样的工作。他们来到这里，也是为了得到更可观的薪水。就像Boykin所说，“科技公司的薪资简直离谱。”但同时，他们来到这里，也是为了解决更多亟待解决的问题。
Anderson之所以放弃了物理学博士，离开哈佛，就是因为他对如今物理学界的看法和Boykin一样——是一种回报递减的纯学术追求。但是，互联网产业却并非如此。Anderson表示：“互联网的涵盖面很广，这让互联网产业能拥有更多的机会，同时也扩大了它的挑战空间和问题空间。但是，在这之中，我总能看到上升空间。”
充满变化的未来
今天，物理学家正前仆后继地进入硅谷公司，但在今后的岁月里，类似的现象会进一步蔓延。机器学习不仅会改变分析数据的方式，也会改变软件的开发方式。 神经网络已经从根本上改变了图像识别、语音识别、机器翻译以及软件接口的本质。正如微软的Chris Bishop所说，软件工程正在从基于逻辑的代码编写，转向基于概率和不确定性的机器学习模型。类似Google和Facebook这样的大公司，已经开始以这种新的思维方式，重新训练他们的工程师。最终，全世界都会跟随他们的脚步前进。
换句话说，大量物理学家进入硅谷工程师的领域，意味着更大的变化即将到来。不久之后，所有的硅谷工程师也都将踏入物理学家的领域。
-END-
本文由将门创投（thejiangmen）原创编译
如需转载，请在微信公众号中回复“转载”，获得许可
将门是一家专注于加速及投资技术驱动型初创企业的创投机构。
我们为技术驱动型的创业公司对接标杆企业用户、连接产业资源并提供众多战略投资机会。
将门旗下的基金将会重点投资通过技术创新激活商业场景，实现商业价值的初创企业。关注领域包括：1）机器智能；2）物联网；3）自然人机交互；4）企业计算。
