Este no es un buen momento para los físicos, dijo Oscar Boykin, un ex físico que estudió física en el Instituto de Tecnología de Georgia y, en 2002, en la Universidad de California, Los Ángeles. Doctorado en física, Ph.D. Físicos que dirigían el Gran Colisionador de Hadrones en Suiza descubrieron el bosón de Higgs en 2013. Es bien sabido que el bosón de Higgs fue utilizado por primera vez por físicos Las partículas subatómicas predichas, que todos esperaban descubrir después de eso, no tenían, sin embargo, un modelo teórico que pudiera subvertir el universo existente, ni cambiar nada ni aportar Cualquier nueva información para el científico, Boykin admite: "Los físicos están entusiasmados cuando algo realmente sale mal en física, y ahora es frustrante que estemos justo en el medio de un período donde no hay demasiados errores en física. Esto es muy frustrante para un físico ". Además, a la física no se le paga lo suficiente como para ser una profesión.
Así que Boykin se dirigió a Silicon Valley como ingeniero de software y para otros físicos es un buen momento para ser parte de él.
el trabajo de la raya Boykin, que es una empresa $ 9 billón cuya actividad principal es ayudar a las empresas a aceptar pagos en línea. Boykin responsable del desarrollo y operación de sistemas de software para la recogida de datos durante todo el servicio de la compañía, lo hará Predecir estos datos de servicio y analizar cuándo se producen transacciones fraudulentas y protegerse contra ellos. Como físico, se adapta bien a esta tarea, que requiere tanto pensamiento matemático extremo como pensamiento abstracto. Sin embargo, a diferencia del físico ocupacional Él está trabajando en un campo que ofrece desafíos sin fin y posibilidades infinitas, y lo que es más importante, altos salarios.
Silicon Valley se ha convertido en un Colisionador de Hadrones si la física y la ingeniería de software se consideran partículas subatómicas y Boijin trabaja con otros tres físicos de la banda en diciembre del año pasado y General Electric la adquisición de aprendizaje automático empresas de nueva creación Wise.io, CEO Jeff Immelt (Jeff Immelt) se jactó de que él sólo había alcanzado un abarrotado empresas físicos, en particular la Universidad de California, Berkeley UCLA astrofísico Joshua Bloom (Joshua Bloom). todo el mundo, alrededor de 70.000 científicos de datos abiertas fuente de máquina de software de aprendizaje están utilizando H20, por el suizo que trabajaba en el laboratorio de Física del acelerador nacional SLAC Desarrollado con la ayuda de Arno Candel, Vijay Narayanan, director de ciencia de datos en Microsoft, también es astrofísico con varios otros físicos en su departamento.
Todo esto está ocurriendo en Silicon Valley, y no es una coincidencia, ya que en términos de estructura o técnicamente, casi todas las demandas e Internet empresas están cada vez más los físicos adquirieron habilidades en forma.
Factores naturales
Por supuesto, en la tecnología informática, los físicos han jugado un papel importante, ya que desempeñan un papel importante en muchas otras áreas. Ayudar a diseñar ENIAC (uno de los primeros mundo de la informática) John Mao Keli (John Mauchly) es un físico, el padre del lenguaje de programación C Dennis Ritchie (Dennis Ritchie) es también físico.
Sin embargo, para los físicos en el campo de la tecnología informática, ahora es el cambio a la edad de oro de Silicon Valley, gracias al auge de la tecnología de aprendizaje automático, el equipo comenzó a aprender la tarea mediante el análisis de grandes cantidades de datos. Los datos son la nueva ola de la ciencia y la inteligencia artificial Conveniente para las cosas del físico.
Además, la industria ha aceptado el software de red neuronal diseñado para imitar las estructuras del cerebro humano. Sin embargo, estas redes neuronales es realmente sólo una disciplina aplicaciones matemáticas, álgebra lineal, principalmente asociado y la teoría de la probabilidad. Los informáticos no aceptan necesariamente estas disciplinas entrenamiento, pero algunos físicos para comprender la disciplina apropiada Boykin dijo: 'para los físicos, tecnología de redes neuronales es el único verdaderamente nuevo es aprender cómo optimizar estas redes neuronales y cómo entrenar, pero para la física El hogar es pan comido, uno de los cuales se llama "newtoniano", el físico Newton.
laboratorio de Microsoft Research Cambridge, jefe de Chris Bishop (Chris Bishop) en la empatía de hace 30 años, cuando la profundidad de la red neuronal sólo para mostrar las perspectivas en el mundo académico. Esto le permite saltar el campo de aprendizaje automático del campo de trabajo relacionado con la física. 'físico en el campo del aprendizaje automático es una cosa muy natural,' dijo, "incluso más natural que los informáticos.
Espacio desafiante
Hace diez años, Boykin dijo, una gran cantidad de investigación en los amigos de la física como para poner un pie en el mundo de las finanzas en Wall Street, el mismo estilo matemático para predecir las tendencias del mercado también es muy útil para un enfoque crítico se Negro -. Scholes de valoración de opciones modelo Negro-Scholes, es un método importante para determinar el valor de los derivados financieros embargo, es el Negro - Scholes modelo de valoración de opciones para promover la crisis financiera en 2008 y ahora, Boyd oro y otros físicos han dicho más. colegas están recurriendo a los datos científicos y otros tipos de tecnología informática.
Más temprano, el físico cambió a algunas de las empresas de tecnología de punta para ayudar a desarrollar el software de los llamados 'grandes' de datos para realizar el procesamiento de datos en los cientos o incluso miles de máquinas. En Twitter, Boykin ayudar a desarrollar un programa llamado Summingbird sistema, y nuevas empresas Departamento de física de los tres físicos de la empresa llamada Cloudant MIT ha desarrollado un software similar. físicos saben cómo manejar los datos, fundador --Cloudant trabajo anterior es para manejar grandes Colisionador de Hadrones conjuntos grandes de datos - el desarrollo de estos sistemas extremadamente complejos requieren los desarrolladores para tener un pensamiento bastante abstracto, cuando estos sistemas están construidos, muchos físicos utilizarán sus datos disponibles utilizando estos sistemas.
Google fue fundada en los primeros días, la sala de empresa para desarrollar una de las figuras clave de sistemas distribuidos a gran escala es Yonatan Zunger, tiene un doctorado en teoría de cuerdas en la Universidad de Stanford. Cuando Kevin Scott (Kevin Scott) añadió equipo de ventas de publicidad de Google el principal responsable de la recogida de datos de todo Google, y lo utilizan para predecir qué anuncios son más propensos a obtener más clics. a este fin de Scott reclutó a un gran número de físicos, informáticos y de muchas personas diferentes, que adquirieron habilidades muy adecuado para el aprendizaje automático. 'es casi como la ciencia del laboratorio,' Scott es actualmente director de tecnología.
software de grandes volúmenes de datos se ha convertido en un lugar común, raya en el uso de Boykin ayudar al desarrollo de sistemas de código abierto, este sistema también ayuda a muchas compañías de código máquina modelo de aprendizaje abierto para mejorar la capacidad de predicción. Esto proporciona un desarrollo más amplio de los físicos en Silicon Valley perspectivas para trabajar juntos en la raya, Boykin y Roban Kramer (Doctor en física, Universidad de Columbia), Christian Anderson (maestro de física en la Universidad de Harvard) y Kelley Rivoire (licenciatura en física, Instituto de Tecnología de Massachusetts), y muchos otros físicos. se dieron cuenta que están adaptadas para trabajar en Silicon Valley, y salarios más altos aquí como Boykin lo expresa así: 'ridículamente alto sueldo', sino que también vienen aquí a trabajar, porque hay tantos problemas que resolver.
El futuro
Hoy en día, las empresas físicos de Silicon Valley están entrando en los próximos años, van a hacerse cargo de la Silicon Valley. El aprendizaje automático no sólo cambiará la forma en que el mundo analizar los datos, sino también para cambiar la manera de construir el software. La red neural se ha transformando el reconocimiento de imágenes, reconocimiento de voz, la base de la traducción y de software interfaces hombre-máquina. Chris como Obispo de Microsoft, dijo, están recurriendo a modelos de aprendizaje automático de ingeniería de software basada en la probabilidad y la incertidumbre de la mano de código basado en la lógica como Google y Facebook están empezando esta nueva empresa La forma de pensar para rediseñar a sus propios ingenieros y, en última instancia, otras áreas del mundo de la informática seguirá su ejemplo.
En otras palabras, un número cada vez mayor de los físicos en el Silicon Valley marca un cambio significativo en la industria de la computación, y pronto todos los ingenieros de Silicon Valley será el físico.