这是一个糟糕的时间成为一个物理学家。
至少，这是奥斯卡·博伊金说的。他在乔治亚理工学院学习物理学，2002年他在加州大学洛杉矶分校完成物理学博士学位。但是四年前，瑞士大型强子对撞机的物理学家发现了希格斯玻色子，这是20世纪60年代首次预测的亚原子粒子。正如Boykin所指出的，每个人都期望它。希格斯没有混淆宇宙的理论模型。它没有改变任何东西，或给予物理学家任何新的努力。 “物理学家很兴奋，当物理学有什么问题，我们现在的情况下，没有太多的错误，”他说。 “这是一个令人沮丧的地方，物理学家进来。”加上，薪水不太好。
Boykin不再是物理学家。他是一名硅谷软件工程师。这是一个很好的时机成为其中之一。
Boykin工作在Stripe，一家价值90亿美元的创业公司，帮助企业在线接受付款。他帮助构建和运行从公司服务收集数据的软件系统，他致力于预测这些服务的未来，包括欺诈性交易何时，何地以及如何发生。作为物理学家，他非常适合这项工作，这需要极端的数学和抽象思维。然而，不像物理学家，他在一个领域工作，现在提供无穷的挑战和可能性。此外，薪水是伟大的。
如果物理和软件工程是亚原子粒子，硅谷已经变成了场地碰撞的地方。 Boykin与Stripe的其他三位物理学家一起工作。 12月，当通用电气收购了机器学习创业公司Wise.io时，首席执行官杰夫·伊梅尔特吹嘘他刚刚抓住了一家包装物理学家的公司，最着名的是加州大学伯克利天体物理学家约书亚·布卢姆。开源机器学习软件H20是由来自瑞士物理学家阿诺·坎德尔（Arno Candel）的帮助建立的，该软件由世界各地的7万名数据科学家使用，他曾在SLAC国家加速器实验室工作过。微软的数据科学主管Vijay Narayanan是一名天体物理学家，其他几名物理学家在他身边工作。
它不是故意的，确切。 Stripe总裁兼联合创始人约翰·科里森说：“我们没有进入物理幼儿园，偷了一篮子儿童。 “这只是发生了。”它发生在硅谷。因为在结构和技术上，每个互联网公司需要做的事情越来越适合物理学家的技能。
自然
当然，物理学家自从最早以来就在计算机技术方面发挥了作用，就像他们在许多其他领域发挥了作用一样。帮助设计ENIAC的John Mauchly是最早的计算机之一，是物理学家。 C语言的父亲Dennis Ritchie也是。
但是对于计算机技术的物理学家来说，这是一个特别成熟的时刻，由于机器学习的兴起，机器通过分析大量数据来学习任务。这种新的数据科学和人工智能是适合物理学家直到他们的袜子。
除此之外，业界已经接受了神经网络，旨在模仿人类大脑结构的软件。但这些神经网络真的只是一个巨大的规模，主要是线性代数和概率论的数学。计算机科学家不一定在这些领域接受培训，但物理学家。 “物理学家真正新鲜的唯一的事情是学习如何优化这些神经网络，训练他们，但这是相对直截了当的，”Boykin说。 “一种技术被称为”牛顿法“。牛顿是物理学家，而不是其他牛顿。
微软剑桥研究实验室主管Chris Bishop在三十年前感受到了同样的方式，当深层神经网络首先在学术界开始显示出希望。这就是他从物理学到机器学习的原因。 “有一个物理学家进入机器学习是非常自然的，”他说，“比计算机科学家更自然。
