Новости

Иностранные СМИ: после Уолл-стрит, физики возьмут Силиконовой долине

Согласно отчету Wired, поскольку разработка программного обеспечения переходит от логического кода ручного кода к модели машинного обучения, основанного на вероятности и неопределенности, физики все чаще приспосабливаются к разработке программного обеспечения Из работы. С перспективой развития карьеры и высокой заработной платы все больше и больше физиков начали входить в Силиконовую долину, Уолл-стрит больше не является их предпочтительным местом для выхода. Далее следует полный текст статьи:

Это не хорошее время для физиков, сказал Оскар Бойкин, бывший физик, изучавший физику в Технологическом институте Джорджии, а в 2002 году в Калифорнийском университете в Лос-Анджелесе Кандидат физико-математических наук, физик, физик, работающий на Большом адронном коллайдере в Швейцарии, обнаружил бозон Хиггса в 2013 году. Хорошо известно, что бозон Хиггса впервые был использован физиками Прогнозируемые субатомные частицы, которые все ожидали узнать после этого, однако, не имели теоретической модели, которая могла бы подорвать существующую вселенную, ни изменить ничего, ни привести физическое Любая новая информация для ученого, Бойкин признает: «Физики возбуждаются, когда что-то действительно происходит не так в физике, и теперь это расстраивает то, что мы правы в середине периода, когда в физике не слишком много ошибок. Это очень разочаровывает физика ». Кроме того, физике не платят достаточно хорошо, чтобы быть профессией.

Поэтому Бойкин пробрался в Силиконовую долину в качестве инженера-программиста, а для других физиков - самое подходящее время для его участия.

Бойкин работает в Stripe, стартап стоимостью 9 миллиардов долларов, основной упор делается на прием онлайн-платежей и Bojkim, который разрабатывает и управляет программной системой, которая собирает данные обо всех услугах компании, Прогнозируйте данные службы и проанализируйте, когда происходят мошеннические транзакции и защитите их. Как физик, он хорошо подходит для этой задачи, что требует как экстремального математического мышления, так и абстрактного мышления. Однако, в отличие от физика-специалиста Он работает в области, которая предлагает бесконечные проблемы и бесконечные возможности, и, что более важно, высокие зарплаты.

Силиконовая долина стала адронным коллайдером, если физика и программное обеспечение считаются субатомными частицами, а Бойджин работает с тремя другими физиками-полосами в декабре прошлого года, а General Electric При приобретении машинного обучения Wise.io исполнительный директор Джефф Иммельт похвастался тем, что только что догнал компанию физиков, в первую очередь Калифорнийского университета, Беркли Астрофизик Джошуа Блум, компьютерное программное обеспечение для обучения с открытым исходным кодом на кампусе, используемое около 70 000 ученых по всему миру, основано на швейцарских физиках, которые работали в Национальной ускорительной лаборатории SLAC Разработанный с помощью Арно Кандел, Виджай Нараянан, директор по информатике в Microsoft, также является астрофизиком с несколькими другими физиками в своем отделе.

Это все происходит в Силиконовой долине, и это не случайно, потому что практически каждая интернет-компания нуждается в навыках, которыми обладают физики, как структурно, так и технически.

Природные факторы

Конечно, физики долгое время играли важную роль в компьютерных технологиях, так же как они сыграли важную роль во многих других областях. Джон Мочли, который помог разработать ENIAC, один из первых компьютеров в мире, Физик Деннис Ритчи, отец языка программирования C, также физик.

Но для физиков в области компьютерных технологий теперь стало золотым веком для перехода на Силиконовую долину, благодаря росту технологии машинного обучения, когда компьютеры начинают изучать задачи, анализируя огромные объемы данных. Новая волна науки о данных и искусственного интеллекта точно Подходит для физиков.

Кроме того, индустрия охватила программное обеспечение нейронной сети, предназначенное для имитации структуры человеческого мозга, но эти нейронные сети на самом деле являются только математическими приложениями, основными связанными с ними дисциплинами являются линейная алгебра и теория вероятностей. Компьютерные ученые не обязательно принимают этих субъектов Обучение, но физики должны понимать соответствующие дисциплины. Бойджин сказал: «Для физиков единственной реальной новостью в нейронных сетевых технологиях является научиться тому, как оптимизировать эти нейронные сети и как тренироваться, но это для физики Дом - это кусок пирога, один из которых называется «ньютоновский», физик Ньютон.

Крис Бишоп, глава Лаборатории Кембриджских Исследований в Microsoft, был вместе 30 лет назад, когда Deep Neural Networks только что продемонстрировали обещание в академических кругах, что позволило ему перейти от физики к машинной учебе. «Физики вполне естественно входить в область машинного обучения, - сказал он, - еще более естественным, чем компьютерные ученые».

Вызов пространства

Десять лет назад Бойдин сказал, что многие из его друзей в физике любят заходить в финансовый мир, и тот же математический стиль также очень полезен для прогнозирования рыночных тенденций на Уолл-стрит. Одним из ключевых способов является цена опциона Black-Scholes Модель Black-Scholes, которая является важным способом определения стоимости финансовых деривативов, но это модель ценообразования с опционом Black-Scholes для стимулирования финансового цунами 2008 года. Теперь Боджамин и другие физики сказали, что больше Коллеги обращаются к науке о данных и другим типам компьютерных технологий.

Ранее физики переключились на ведущие технологические компании, чтобы помочь разработать так называемое «большое данные», которое может быть использовано для обработки данных на сотнях или даже тысячах машин. В Twitter Бойн Ким помог разработать программу под названием Summingbird, в то время как три физика в отделе физики Массачусетского технологического института разработали аналогичное программное обеспечение для запуска под названием «Облачные физики», знают, как обрабатывать данные - основателя Cloudant, чья предыдущая работа заключалась в том, чтобы работать на больших Большие наборы данных в Hadron Colliders - разработка этих чрезвычайно сложных систем требует значительной абстракции от ума разработчиков, и когда эти системы построены, многие физики используют данные, которыми они располагают.

Одним из ключевых игроков в разработке крупномасштабной распределенной системы для фермы компании в первые дни работы Google был Yonatan Zunger, который имеет степень доктора философии в теории струн в Стэнфордском университете. Когда Кевин Скотт присоединился к команде маркетинга рекламы Google , Который в первую очередь отвечает за сбор данных со всех сторон Google и использование их для прогнозирования того, какие объявления чаще всего получат больше кликов, и по этой причине Скотт набрал большое количество физиков, которые, в отличие от многих компьютерных ученых, обладают очень ограниченными навыками Подходит для машинного обучения. «Это почти как лабораторная наука», - сказал Скотт, действующий главный технический директор.

Теперь, когда большое программное обеспечение для данных является обычным явлением, Stripe использует систему с открытым исходным кодом, которую Bojkin помогла разработать, система с открытым исходным кодом, которая также помогает моделям машинного обучения многих компаний повысить свою прогностическую способность, обеспечивая гораздо более широкую разработку для физиков в Силиконовой долине В Stripe Бойкин работает со многими физиками, такими как Робан Крамер (доктор философии по физике), Кристиан Андерсон (Гарвардская физика) и Келли Ривоар (MIT). Они нашли себя хорошо приспособленными для работы в Силиконовой долине и здесь платят выше, поскольку Бойкин сказал: «Высокая заработная плата возмутительна». Но они пришли сюда из-за множества проблем, которые нужно решить.

Будущее

Сегодня физики вступают в компании Силиконовой долины и в ближайшие годы займут Силиконовую долину. Обучение машинам не только изменит способ анализа данных в мире, но также изменит способ создания программного обеспечения. Нейронные сети уже пересматривают распознавание изображений, распознавание речи, Машинный перевод и программный интерфейс. Как сказал Крис Бишоп из Microsoft, разработка программного обеспечения переходит от логического кода на основе ошибок к вероятностным и основанным на неопределенности моделях машинного обучения. Такие компании, как Google и Facebook, начинают использовать эту новую Образ мышления, чтобы перестроить своих инженеров, и, в конечном счете, другие области компьютерного мира последуют этому примеру.

Другими словами, все больше и больше физиков, вступающих в Силиконовую долину, знаменуют серьезные изменения в компьютерной индустрии. Скоро все инженеры из Силиконовой долины будут физиками.

2016 GoodChinaBrand | ICP: 12011751 | China Exports