物理学家不再吃香?可以转型当 AI 软件工程师呀

简介:

物理学家不再吃香?可以转型当 AI 软件工程师呀

物理学家 Oscar Boykin,现在转型做了软件工程师

雷锋网按:人工智能已经越来越火热,对于有着突出数学能力和抽象思维能力的物理学家,进军 AI 是很有优势的。近日,《连线》杂志的资深撰稿人 Cade Metz 撰文表达了对物理学家进军 AI 及机器学习领域的看法。Cade Metz 一直关注人工智能,比特币,数据科学以及 Google、Facebook 等公司的科技动态。原文标题《Move Over, Coders—Physicists Will Soon Rule Silicon Valley》,雷锋网编译。

对物理学家来说,这是个“最坏”的时代。

至少, Oscar Boykin 是这么认为的。他曾在乔治亚理工学院学习物理学,并且在 2002 年获得了加州大学洛杉矶分校(UCLA)的 PhD。虽然是学物理出身,但 Oscar Boykin 坦承物理学家的日子并不好过。就像四年前, LHC 物理学家探测到了希格斯玻色子(Higgs boson),这是 20 世纪 60 年代以来人们首次探测到亚原子粒子。虽然物理学家们对结果很激动,但是这项发现并没有对宇宙的理论模型有实质性的影响,也并没有带给物理学家带来预期的努力方向。“以前,在物理领域出现了什么事,大家都会很兴奋。现在这种情况很少发生了。这让人感到难过。”Boykin 补充道,“而且,物理学家的薪水待遇也不高。”

Boykin 现在已经成功转型成为了硅谷的一名软件工程师。他在一家估值超过 90 亿美元的初创公司 Stripe 工作,公司的主要业务是帮助企业进行在线支付服务。Boykin 凭借自己杰出的数学知识和抽象思维能力为公司构建了软件系统,并预测这些服务可能出现的状况,比如什么时候以何种方式产生欺诈交易等等。

或许对软件工程师来说,这是一个“最好”的时代。

人工智能和数据科学最适合物理学家

如果将物理学和软件比作是亚原子粒子,那么硅谷就是它们产生化学反应的地方。去年 12 月,通用电气收购了机器学习公司 Wise.io ,其 CEO Jeff Immelt 表示自己拥有了一家物理学家构成的公司,其中包括著名的加州大学天体物理学家 Joshua Bloom。雷锋网读者或许听过开源机器学习平台 H20 的名字,该公司也是在瑞士物理学家 Arno Candel 的帮助下建立的。微软的数据科学总监 Vijay Narayanan 是一名天体物理学家,参与设计了最早的计算机之一的  John Mauchly 是物理学家,发明 C 语言的 Dennis Ritchie 也是物理学家。

这一切都是水到渠成的。近年来,随着机器学习的兴起,人们需要用大量数据来训练机器执行及学习任务,而这种新兴的领域正是物理学家最擅长的方向。

除此之外,神经网络技术也在业界逐渐流行起来,由于这项技术需要一定的数学背景才能较好地理解及应用(主要是线性代数和概率),而这些都是物理学家所擅长的。“对于物理学家而言,困难的只是学习如何优化以及训练这些神经网络,但这相对而言是比较简单的。”Boykin 说。

早在 30 年前,微软剑桥实验室的主管 Chris Bishop 就感受到了这种风气,当时神经网络才刚开始在学术界流行,这也是他从物理学转到研究机器学习的原因之一。 Chris Bishop 表示:“物理学家进军机器学习领域是自然而然发生的事情,甚至比计算机专家还理所应当。”

有挑战的领域

不过,Boykin 在指出数学对预测市场价值的重要性的同时,也提到了其中隐藏的未知挑战。举个例子,一种叫做 Black-Scholes 的数字化解决模型可以用来判断金融衍生物的价值,但 Black-Scholes 同时也是促成 2008 年全球金融危机的罪臣之一。

从十几年前开始,就有许多物理学家纷纷进入顶尖的科技公司工作,帮助企业建立起能够在数千台机器上处理大量数据的软件系统。比如 Boykin 帮 Twitter 设计了 Summingbird ,再比如几个 MIT 物理系毕业的爱好者在 Cloudant 建立的类似软件。想要建立这些复杂系统需要有很强的抽象思维,而这些都是物理学家驾轻就熟的。在 Stripe 公司里,Boykin 的团队还包括 Roban Kramer(物理学博士,哥伦比亚大学),Christian Anderson(物理学硕士,哈佛大学)、 Kelley Rivoire(物理学学士,MIT)等等。

值得一提的是,Christian Anderson  在获得 PhD 之前就离开了哈佛大学,因为他和 Boykin 一样,认为物理学研究是一项回报率递减的事。但AI领域的机遇更多,也具有更多的挑战空间。

未来大门已打开

不论如何,我们已经可以看到有不少物理学家正在占领硅谷公司的一席之地。雷锋网(公众号:雷锋网)估计这样的势头还会继续保持下去。

机器学习和人工智能不只是会改变全世界数据分析的方式,而且还将改变工程师们组建软件的方式。要知道,神经网络技术现在已经颠覆了图像识别、语音识别、机器翻译等等人们之前不敢想象的领域。就像微软 Chris Bishop 所言,软件正在从基于逻辑的人工编码转换成基于概率和未知性的机器学习模型。譬如 谷歌、Facebook 这种科技巨头已经开始用新的思维方式来训练自己的工程师。最后,计算行业的其他公司也必将跟上时代的脚步。

本文作者:刘子榆

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
师资研修|AI赋能教师教学能力转型-德阳某教育主管部门
近日,德阳市教育主管部门,面向全市中职院校的骨干教师,开展AIGC赋能教育教学师资培训。TsingtaoAI参与负责本次师资研修的教学。本次师资研修通过系统化、专业化的培训,帮助教师深入掌握AI大模型及生成技术在教学中的应用。课程以实践为核心,以案例为载体,涵盖AI提示词优化、教案与题库生成、PPT高效设计及AI数字人应用等核心内容,全面提升教师的教学效率与创新能力。
19 5
|
3月前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
7246 73
|
29天前
|
数据采集 人工智能 机器人
AMD的CIO谈AI驱动转型和IT的未来
AMD的CIO谈AI驱动转型和IT的未来
|
4月前
|
机器学习/深度学习 人工智能
智能化转型问题之大模型AI的出现对现有智能技术体系的影响如何解决
智能化转型问题之大模型AI的出现对现有智能技术体系的影响如何解决
49 0
|
1月前
|
数据采集 人工智能 搜索推荐
|
1月前
|
数据采集 人工智能 搜索推荐
大咖说|Data+AI:企业智能化转型的核心驱动力
在数字化浪潮的推动下,企业正面临前所未有的挑战与机遇。数据与人工智能的结合,形成了强大的Data+AI力量,尤其在近期人工智能迅速发展的背景下,这一力量正在加速重塑企业的运营模式、竞争策略和市场前景,成为适应变化、提升竞争力、推动创新的核心驱动力。本文将讨论企业采用Data+AI平台的必要性及其在企业智能化转型中的作用。
191 0
大咖说|Data+AI:企业智能化转型的核心驱动力
|
5月前
|
人工智能 移动开发 自然语言处理
在企业数字化转型中,设计人应如何拥抱AI?
**AIGC技术正在革新创意设计领域**,它从文本扩展到图像、视频生成,助力设计师高效工作。AI能快速提供设计方案,如商业运营的Banner、H5头图和专题设计,通过智能推荐素材、模拟用户体验及优化交互性。AI非替代人类创意,而是增强工具,设计师需掌握相关技能,如Adobe国际认证,以保持竞争力,实现与AI的协作创新。设计人应拥抱变化,通过学习进步,适应数字化时代的创意设计需求。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
快速消费品数字化和AI转型的真正价值
快速消费品数字化和AI转型的真正价值
|
5月前
|
人工智能 自然语言处理 搜索推荐
探索AI驱动的未来:Open API如何赋能企业数字化转型
【7月更文第21天】在当今这个数据为王、智能引领的时代,人工智能(AI)已不再是遥远的概念,而是深深融入到各行各业,成为推动企业数字化转型的重要引擎。随着技术的不断成熟与开放,Open API(开放应用程序接口)作为一种连接技术与业务的桥梁,正以前所未有的方式赋能企业,加速其智能化进程。本文将深入探讨Open API如何通过简化集成、促进创新、提升效率等途径,助力企业在AI时代中乘风破浪,实现数字化转型的华丽蜕变。
164 1