下一批碼農，將是物理系學生

對學物理學家來說，這是不好的時代。

說這話的Oscar Boykin曾有過比肩愛因斯坦的夢想。他在喬治亞理工學了物理，並於2002年拿到UCLA該專業的PhD。但後來，他發現自己所在的專業沒前途也沒錢途。2012年希格斯玻色子的發現本應讓工作在LHC和世界各地的物理研究者雀躍，但上帝粒子並沒有改變理論物理的進程。「現有物理學出現矛盾的時候我們才有東西研究，可現在沒什麼地方存在問題。物理學家們過得很苦。」他說。

現在，Boykin已經不再是一位物理學家。他成為了一位矽谷軟體工程師。對軟體工程師來說，這是很好的時代。

Oscar Boykin

Boykin所在的Stripe是個90億美元估值的初創公司。作為搞物理的，他對工作中遇到的複雜數學和抽象思想做好了準備。然而與搞物理的人不同，他所在的行業有著無盡激動人心的挑戰和機會，加上美好的錢景。

如果說物理和編程是兩顆不同的微觀粒子，那麼矽谷正在成為聚集它們的對撞機。Boykin的同時中，有三位是學物理的。去年12月，通用電氣收購了囊括眾多物理學家(包括UC Berkeley天體物理學家Joshua Bloom)的機器學習初創公司Wise.io。曾在美國SLAC國家加速器實驗室工作過的物理學家Arno Candel曾幫助編寫了開源機器學習平台H2O。微軟首席數據科學家Vijay Narayanan也是一位天體物理學家。

天子門生

當每個IT公司都在爭取做越來越多的事的時候，物理學家的進入似乎顯得很自然。早在計算機技術萌芽之際，物理學家已參與其中。共同設計ENIAC的John Mauchly是位物理學家。C語言之父Dennis Ritchie也是位物理學家。

但物理學家真正進入電子技術的舞台，是源自機器學習的崛起。新一輪對數據科學和AI的研究，似乎是上天留給物理系學生的寶藏。

再者，業內對神經網路(neural networks)的追捧招來了更多搞物理的人。歸根到底，神經網路只是一堆宏大尺度的線性代數和概率論。微軟劍橋研究院的Chris Bishop認為，計算機科學家對這些數學不熟，但物理學家卻能如天生一般輕鬆掌握。Boykin也表示，「訓練神經網路的一種方法叫做牛頓法(Newton"s method)，源自於搞物理的那位牛頓。」

突破空間

Boykin感嘆道，十年之前，他有許多同行轉進了金融界。他們以自己優異的數學才能，加上布萊克-斯科爾斯公式等理論幫助華爾街預測了市場走向，也將世界帶入了金融危機。而現在，Boykin等物理學家正在懷著更高的熱情，加入數據科學等研究的隊伍。

幾年前，物理學家們在所謂的「大數據」概念上一試身手。Boykin本人幫助Twitter弄出了流處理框架Summingbird。另有三個在MIT處理過LHC海量抽象數據的男生合夥成立了數據處理公司Cloudant。

在Google壯大之初，幫助建立該公司分配系統的功臣之一，是拿到斯坦福研究弦論PhD的Yonatan Zunger。現任LinkedIn CTO的Kevin Scott認為，與計算機科學家不同，物理學家對機器學習的實驗性十分熟悉。「就像是實驗室里的科學。」

許多物理學家是為錢而來。「IT行業的薪水高得可怕。」但他們也看中了這一領域尚未解決的問題。Christian Anderson在哈佛讀著物理PhD的時候產生了與Boykin一樣的看法——物理學是個收益遞減的智力投入。Anderson說，「『互聯網』的豐富在於它的涵蓋的視野。它將機會放大，同時增添了突破與挑戰，讓我們的才智派上用場。」

未來開始

今天，物理學家正在不斷湧入矽谷。在接下來幾年，他們的影響將日益明顯。機器學習不僅會改變我們分析數據的方式，它還會改變扭轉我們編寫軟體的方式。神經網路正在對圖像識別、語音識別、機器翻譯和軟體交互的現狀進行改寫。如同微軟對Chris Bishop所說，軟體工程將不再是基於邏輯手寫代碼的工作。Google和Facebook等公司正在瞄準機器學習，重新訓練他們工程師的思路。很快，整個計算機行業將跟隨巨頭的腳步。

隨著時間推移，搞物理的入侵矽谷碼農的地盤將給世界帶來更大的改變。或許很快，你就無法分清一個坐在辦公室里敲著代碼的人，是否領過國家研究基金、夢見過諾獎、探究過大一統理論。

[zzjeff via Wired]