奥斯卡·博伊金认为现在不是成为一名物理学家的好时机。
奥斯卡博伊金
他在佐治亚理工学院学习物理学，并于 2002 年在加州大学洛杉矶分校获得物理学博士学位。
四年前，物理学家利用瑞士的大型强子对撞机发现了科学家在 20 世纪 60 年代预测的亚原子粒子（希格斯玻色子）。
希格斯玻色子并没有推翻宇宙的理论模型，没有改变任何东西，因此没有给物理学家带来新的困难。
“物理学家只有在物理学不理想的时候才有用，而且现在已经没有太大的改进空间，”他说。 “感觉很无聊。”而且，薪资待遇也不理想。
于是博伊金离开了物理学界，前往硅谷成为一名软件工程师。在他看来，成为一名软件工程师正是时候。
在一家帮助商家在线收款的初创公司工作我国顶尖物理学家收入，该公司估值 90 亿美元。
他参与构建和运营从公司服务收集数据的软件系统，并且还致力于预测这些服务的未来，包括欺诈交易何时、何地以及如何发生。
由于此类预测需要强大的数学和抽象思维能力，物理学家博伊金是理想的候选人。
与其他物理学家不同，博伊金的环境也为他提供了无尽的挑战和可能性，薪水也相当不错。
如果把物理学和软件工程比作亚原子粒子，那么硅谷就成了两者碰撞的地方。除了博伊金之外，该公司还雇用了另外三名物理学家。
去年 12 月，通用电气收购了机器学习初创公司 Wise.io。当时，通用电气首席执行官杰夫·伊梅尔特（Jeff）自豪地宣称，公司里到处都是物理学家，最值得一提的是加州大学伯克利分校的天体物理学家约书亚·布鲁（ Blue）。盛开。
这也不是故意的。 “我们并没有特意去寻找它，”总裁兼联合创始人约翰·科里森 (John ) 说。 “事情就这样发生了。”
因为从结构和技术角度来看，互联网公司的需求和物理学家的技能越来越匹配。
理所当然的事
当然，物理学家自计算机科学诞生以来就一直活跃在其中，就像他们在任何其他领域一样。
约翰·莫奇利（John ）是ENIAC（早期计算机）的设计者之一，也是一位物理学家。 C语言之父丹尼斯·里奇（ ）也是如此。
对于物理学家来说，由于机器学习的兴起我国顶尖物理学家收入，计算机技术的发展恰逢其时，机器通过分析大量数据来学习完成各种任务。
数据科学和人工智能的新浪潮是为物理学家量身定做的。
该行业已经接受了神经网络，这是一种旨在模仿人脑结构的软件。但归根结底，神经网络是非常大规模的数学计算，主要是线性代数和概率论。
计算机科学家不一定具有这些领域的背景，但物理学家却有。
“对物理学家来说唯一新鲜的是如何优化和训练神经网络贝语网校，但这相对简单，”博伊金说。
Chris 是微软位于英国剑桥的研究实验室的负责人。三十年前，他就有了这个想法。
当时，神经网络的前景才刚刚开始在学术界显现。他转行并开始机器学习。
“物理学家进入机器学习领域是很自然的，”他说，“甚至比进入计算机科学领域还要自然。”
快来挑战吧
博伊金说，十年前，老同学们一一投身金融界。在华尔街，物理学家的技能也有助于预测市场方向。
Black- 模型是一个关键工具，它被用来确定金融衍生品的价值，并导致了 2008 年的金融危机。
博伊金和其他物理学家表示，现在，越来越多的同行开始转向数据科学和其他计算机技术领域。
2010年后，物理学家纷纷加入顶尖科技公司，参与构建所谓的大数据软件，以处理来自数百或数千台机器的数据。
在 ， 参与构建了名为 的大数据软件。三位在麻省理工学院 (MIT) 物理系相识的物理学家创办了一家开发类似软件的初创公司。
物理学家知道如何处理数据——麻省理工学院的三位创始人负责处理来自大型强子对撞机的大量数据。
这些庞大复杂系统的构建需要物理学家独特的抽象思维能力；而一旦系统建立起来，无数的物理学家就会参与其中，并使用系统控制的数据。
在 的早期，巨型分布式系统的主要构建者之一是 Zang（ Zang），他是一名博士。斯坦福大学弦理论博士。
最初，Kevin Scott 加入了 广告团队，负责从整个 网络中抓取数据，并用它来预测哪些数据可能获得最多的点击。
为此，斯科特聘请了许多物理学家。机器学习本质上是极具实验性的，这与物理学家的技能完美匹配。
这就是物理学家与许多计算机科学家的区别。 “这几乎是实验室科学，”斯科特说。如今，他担任首席技术官。
大数据软件已经变得司空见惯。它使用的是 帮助构建的系统的开源版本；无数其他公司的机器学习模型也使用它来驱动预测。
因此，物理学家通往硅谷的路越来越宽。
现在，博伊金的团队还包括一名博士。哥伦比亚大学物理学学士学位、哈佛大学物理学硕士学位、麻省理工学院物理学学士学位。
他们加入这个团队是因为匹配的技能和丰厚的报酬。正如博伊金所说：“技术行业的薪资可以说高得离谱。”但他们也看到了无数有待解决的问题。
未来
如今，物理学家正在进军硅谷公司。类似的现象将在未来几年进一步蔓延。
机器学习不仅会改变数据分析的方式，还会改变软件的构建方式。
神经网络已经正在重塑图像识别、语音识别、机器翻译和软件界面的本质。
正如微软的 Chris 所说，软件工程正在从基于逻辑的人类编程转向基于概率和不确定性的机器学习。
谷歌等公司将开始以这种新的思维方式重新培训他们的工程师。反过来，计算领域的其他公司也会效仿。
换句话说，物理学家正在进军硅谷工程师的领域，这表明更大的变化正在酝酿。
很快，硅谷的工程师将反其道而行之，大规模进入物理学领域。
翻译：雁行