實體學家 oscar boykin，現在轉型做了軟體工程師
雷鋒網按：人工智能已經越來越火熱，對于有着突出數學能力和抽象思維能力的實體學家，進軍
ai 是很有優勢的。近日，《連線》雜志的資深撰稿人 cade metz 撰文表達了對實體學家進軍 ai 及機器學習領域的看法。cade
metz 一直關注人工智能，比特币，資料科學以及 google、facebook 等公司的科技動态。原文标題《move over,
coders—physicists will soon rule silicon valley》，雷鋒網編譯。
對實體學家來說，這是個“最壞”的時代。
至少， oscar
boykin 是這麼認為的。他曾在喬治亞理工學院學習實體學，并且在 2002 年獲得了加州大學洛杉矶分校（ucla）的
phd。雖然是學實體出身，但 oscar boykin 坦承實體學家的日子并不好過。就像四年前， lhc
實體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。雖然實體學家們對結果很激動，但是這項發現并沒有對宇宙的理論模型有實質性的影響，也并沒有帶給實體學家帶來預期的努力方向。“以前，在實體領域出現了什麼事，大家都會很興奮。現在這種情況很少發生了。這讓人感到難過。”boykin
補充道，“而且，實體學家的薪水待遇也不高。”
boykin 現在已經成功轉型成為了矽谷的一名軟體工程師。他在一家估值超過 90 億美元的初創公司 stripe 工作，公司的主要業務是幫助企業進行線上支付服務。boykin 憑借自己傑出的數學知識和抽象思維能力為公司建構了軟體系統，并預測這些服務可能出現的狀況，比如什麼時候以何種方式産生欺詐交易等等。
或許對軟體工程師來說，這是一個“最好”的時代。
如果将實體學和軟體比作是亞原子粒子，那麼矽谷就是它們産生化學反應的地方。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實體學家構成的公司，其中包括著名的加州大學天體實體學家 joshua bloom。雷鋒網讀者或許聽過開源機器學習平台 h20
的名字，該公司也是在瑞士實體學家 arno candel 的幫助下建立的。微軟的資料科學總監 vijay narayanan
是一名天體實體學家，參與設計了最早的計算機之一的 john mauchly 是實體學家，發明 c 語言的 dennis ritchie
也是實體學家。
這一切都是水到渠成的。近年來，随着機器學習的興起，人們需要用大量資料來訓練機器執行及學習任務，而這種新興的領域正是實體學家最擅長的方向。
除此之外，神經網絡技術也在業界逐漸流行起來，由于這項技術需要一定的數學背景才能較好地了解及應用（主要是線性代數和機率），而這些都是實體學家所擅長的。“對于實體學家而言，困難的隻是學習如何優化以及訓練這些神經網絡，但這相對而言是比較簡單的。”boykin
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，當時神經網絡才剛開始在學術界流行，這也是他從實體學轉到研究機器學習的原因之一。 chris bishop
表示：“實體學家進軍機器學習領域是自然而然發生的事情，甚至比計算機專家還理所應當。”
不過，boykin
在指出數學對預測市場價值的重要性的同時，也提到了其中隐藏的未知挑戰。舉個例子，一種叫做 black-scholes
的數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，就有許多實體學家紛紛進入頂尖的科技公司工作，幫助企業建立起能夠在數千台機器上處理大量資料的軟體系統。比如
boykin 幫 twitter 設計了 summingbird ，再比如幾個 mit 實體系畢業的愛好者在 cloudant
建立的類似軟體。想要建立這些複雜系統需要有很強的抽象思維，而這些都是實體學家駕輕就熟的。在 stripe 公司裡，boykin 的團隊還包括 roban kramer（實體學博士，哥倫比亞大學），christian anderson（實體學碩士，哈佛大學）、 kelley rivoire（實體學學士，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，認為實體學研究是一項回報率遞減的事。但ai領域的機遇更多，也具有更多的挑戰空間。
不論如何，我們已經可以看到有不少實體學家正在占領矽谷公司的一席之地。雷鋒網(公衆号：雷鋒網)估計這樣的勢頭還會繼續保持下去。
機器學習和人工智能不隻是會改變全世界資料分析的方式，而且還将改變工程師們組建軟體的方式。要知道，神經網絡技術現在已經颠覆了圖像識别、語音識别、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，軟體正在從基于邏輯的人工編碼轉換成基于機率和未知性的機器學習模型。譬如 谷歌、facebook
這種科技巨頭已經開始用新的思維方式來訓練自己的工程師。最後，計算行業的其他公司也必将跟上時代的腳步。
本文作者：劉子榆