機器學習改變互聯網，物理學家將重新定義矽谷

對於物理學家來說，這並不是一個好時代。

奧斯卡·博伊金

至少對於奧斯卡·博伊金來說是這樣的。這位2002年畢業於美國加州大學洛杉磯分校的物理學博士，四年前，他所在的瑞士大型強子對撞機項目發現了被稱為「上帝粒子」的希格斯玻色子，這種粒子是粒子物理學「標準模型」理論中最後一種未被發現的亞原子粒子，早在20世紀60年代就有人預測這種粒子的存在，物理學家也一直致力於證明它的存在。

位於瑞士的大型強子對撞機

正如博伊金所指出的，每個人都期望它的發現，然而希格斯玻色子並沒有顛覆傳統的宇宙理論模型。它沒有改變任何東西，或給予物理學家任何新的研究方向。「物理學家總是興奮於找到當前物理學中的一些問題，但是現在很可惜，我們並沒有發現有什麼不對的地方。當物理學家來到這裡，帶給他們的只有沮喪和失望，況且這裡的工資也不高。」博伊金說。

強子對撞實驗中的希格斯衰減信號

現在，博伊金已不再是名物理學家，而是一名矽谷的軟體工程師，這對於他來說也許才是最好的選擇。

博伊金目前就職於Stripe，這是一家價值90億美元的創業公司，幫助企業完成在線支付業務。他幫助構建和運行公司數據收集服務的軟體系統，並致力於預測這些服務的下一步發展動態，這裡面就包括預測欺詐性交易會何時，何地以及如何發生。

作為物理學家，他非常適合這項工作，因為這需要極為優秀的數學和抽象思維。不過，又和其他還在做理論研究的物理學家不同的是，他所在的這個領域，將給他提供無窮的挑戰和可能性。此外，這裡的薪水也是高得驚人。

Stripe憑藉著其優惠的服務費用迅速佔領美國支付市場，並與支付寶開展合作

如果把物理學和軟體工程都比作成亞原子粒子，那麼矽谷已經變成了這些粒子碰撞的地方。目前，已有三位其他物理學家與博伊金一起在Stripe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，通用首席執行官傑夫·伊梅爾特就曾吹噓他剛剛抓住了一家專門包裝物理學家的公司。在該公司中，最著名的莫過於加州大學伯克利天體物理學家約書亞·布盧姆。他同來自瑞士的物理學家阿諾·坎德爾一同開發的開源機器學習軟體H2O，全球數據科學家的用戶數量已高達7萬名。此外，微軟的數據科學主管維賈伊也是一名天體物理學家，而且在他手下也有其他好幾名物理學家和他共事。

確切地來說，這一切其實並不是有意為之。Stripe總裁兼聯合創始人約翰·科里森說：「我們沒有去物理幼兒園，偷了一籃子兒童。這只是順其自然的事情。它之所以發生在矽谷。是因為在結構和技術上，每個互聯網公司需要做的事情越來越需要物理學家的技能。」

什麼是計算機科學的本質？

當然，物理學家完全可以稱得上是在計算機技術的開山鼻祖，並在早期的計算機技術方面發揮了基礎性作用。幫助設計世界上最早的計算機之一ENIAC的約翰·莫克里就是名物理學家。此外，有「C語言之父」之稱的丹尼斯·里奇曾經也是一位物理學家。

世界上最早的計算機之一：ENIAC

C語言之父丹尼斯·里奇

現如今，尤其是這幾年，對於從事計算機技術研究的物理學家來說，是一個特別成熟的時機。由於機器學習的興起，機器通過分析大量數據來學習任務。這種新的數據科學和人工智慧技術對於物理學家來說簡直是太適合不過了。

除此之外，神經網路技術現如今也已被業界廣泛接受，該技術旨在模仿人類大腦結構，從而對輸入數據進行分析和判斷。但這些神經網路規模巨大，並且主要依賴於線性代數和概率論等數學基礎。這些對於計算機科學家來說，也許並不是他們的強項，但物理學家卻可以應付自如。「對於物理學家而言，真正令他們感到新鮮的事情就是學習如何優化這些神經網路，並且訓練它們，」博伊金說「在神經網路演算法中，有一種演算法叫『牛頓法』，這裡的牛頓正是家喻戶曉的物理學家牛頓，而不是其他牛頓。」

同樣，來自微軟的劍橋研究實驗室主管克里斯·畢紹普早在三十年前感受到了這種趨勢，那時深層神經網路技術剛剛開始在學術界嶄露頭角，他便從物理學轉行投身於機器學習的研究。他說：「物理學家進入機器學習領域是一件非常自然的事情，這甚至比計算機科學家來研究它更自然。

挑戰空間

博伊金說，十年前，他的許多物理學界朋友紛紛湧入金融行業。並用其數學能力作為預測市場走向的一種方式，在華爾街賺的盆滿缽滿。這其中一個非常關鍵的方法就是布萊克-舒爾斯方程，這是一種確定金融衍生物價值的方法。但同樣，也正是布萊克-舒爾斯方程幫助釀造了2008年的金融危機。現在，博伊金和其他物理學家說，更多的同事正在進入數據科學和計算機技術等領域。

金融界經典的布萊克-舒爾斯方程

在這十年初，物理學家紛紛來到頂尖的科技公司，幫助建立所謂的大數據軟體，這些系統在數百甚至數千台機器上拼接數據並對其進行分析。在社交網站公司Twitter，博伊金幫助他們搭建了一個名為Summingbird的大數據分析軟體。同樣，在麻省理工學院物理系的三名物理學家在一家名為Cloudant的初創公司也建立了類似的軟體。在麻省理工學院，這些物理學家就經常處理來自大型強子對撞機產生的海量數據。確實，物理學家更擅長處理數據，因為構建這些非常複雜的系統需要極為強大的抽象思維。

在早期的Google里，負責構建大規模分布式系統的關鍵人物之一約納坦·曾格，他擁有斯坦福大學的弦理論博士學位。谷歌前搜索和廣告工程部經理凱文·斯科特剛加入Google的廣告業務部門時，他負責從Google各處獲取數據，並使用這些數據來預測哪些廣告最有可能獲得最多的點擊次數，他曾聘請了大量物理學家。「與計算機科學家不同的是，機器學習技術的需要大量實驗的這一特徵更加適合物理學家，這幾乎就是一門實驗室科學」現任LinkedIn首席技術官的斯科特說。

如今，大數據已經成為科學界常談的話題，其處理軟體也是遍地開花。Stripe使用的是博伊金在Twitter幫助其構建的開源版本，它的機器學習模型幫助並推動許多其他公司發展。而這也為物理學家進入矽谷提供了更廣闊的道路。在Stripe，博伊金與羅本·克雷默（物理學博士，哥倫比亞大學），克里斯汀·安德森（物理碩士，哈佛）和團隊領導凱利·里瓦爾（物理學學士，麻省理工學院）一起工作。他們之所以來到這裡，一方面是因為這裡有合適的工作。但也同樣是為了錢。正如博伊金所說：「也許對於科學家來說，談錢並不是一件光彩的事情，但是他們還是來了，因為有很多困難的問題需要解決。」

安德森在獲得博士學位之前就離開了哈佛，因為他像博伊金有著同樣的眼光，那就是意識到在自己專業領域正在做一種回報遞減的知識追求。「這是一個可以無限延伸的領域，這裡的機會更多，同樣也有著更大的挑戰空間，問題空間和智力上升空間。」安德森說。

關於未來

如今，越來越多的物理學家來到矽谷。未來幾年，這一現象也許會進一步蔓延。機器學習不僅改變世界如何分析數據，也改變著軟體的構建方式。神經網路已經重塑了圖像識別，語音識別，機器翻譯以及軟體介面的本質。正如微軟的克里斯·畢紹普所說，軟體工程正在從基於邏輯的手工編碼轉向基於概率和不確定性的機器學習模型。像Google和Facebook這樣的公司，也開始用這種新的思維方式重新訓練他們的工程師。毫無疑問，最終整個計算機世界將緊跟這一潮流發展。

換句話說，與其說物理學家正在進入矽谷工程師的領域，不說是所有的矽谷工程師在未來都將進入物理學家的領域。