Loše je vrijeme da se danas bude fizičar.
Barem tako kaže Oscar Boykin. Diplomirao je fiziku na Tehnološkom institutu Georgia, a 2002. godine završio je doktorat fizike na UCLA. Ali prije četiri godine, fizičari sa Velikog hadronskog sudarača u Švicarskoj otkrili su Higgsov bozon, subatomsku česticu koju je prvi put predvidio šezdesetih godina. Kao što Boykin ističe, svi su to očekivali. Higs se nije upetljao u teorijske modele univerzuma. Ništa nije promijenilo niti je fizičarima dalo nešto novo čemu bi se mogli boriti. “Fizičari su uzbuđeni kada nešto nije u redu sa fizikom, a sada smo u situaciji u kojoj nema puno toga što nije u redu”, kaže on. “To je mjesto koje je obeshrabrujuće za fizičara.” Plus, plata nije previše dobra.
Boykin više nije fizičar. On je softverski inženjer u Silikonskoj dolini. I dobro je vrijeme da budete jedan od njih.
Boykin radi u Stripeu, startupu vrijednom 9 milijardi dolara koji pomaže tvrtkama da prihvate plaćanje na internetu. On pomaže u izgradnji i upravljanju softverskim sistemima koji prikupljaju podatke iz svih usluga kompanije, i radi na predviđanju budućnosti tih usluga, uključujući kada, gdje i kako će doći do lažnih transakcija. Kao fizičar, on je idealan za posao, koji zahtijeva i ekstremnu matematiku i apstraktnu misao. Pa ipak, za razliku od fizičara, on radi u polju koje sada nudi beskrajne izazove i mogućnosti. Plus, plata je velika.
Ako su fizika i softversko inženjerstvo subatomske čestice, Silicijska dolina se pretvorila u mjesto gdje se polja sudaraju. Boykin radi sa još tri fizičara u Stripeu. U decembru, kada je General Electric nabavio startup za mašinsko učenje Wise.io, CEO Jeff Immelt hvalio se da je upravo uhvatio kompaniju prepunu fizičara, a posebno astrofizičara UC Berkeleya Joshua Blooma. Softver za učenje mašinskog učenja H20, koji koristi 70.000 naučnika iz cijelog svijeta, izgrađen je uz pomoć švicarskog fizičara Arna Candela, koji je nekada radio u Nacionalnoj akceleratorskoj laboratoriji SLAC-a. Vijay Narayanan, Microsoft-ov šef nauke o podacima, je astrofizičar, a nekoliko drugih fizičara radi sa njim.
Nije namjerno, tačno. “Nismo otišli u dječji vrtić fizike i ukrali košaru djece”, kaže Stripe predsjednik i suosnivač John Collison. “Upravo se dogodilo.” I to se dešava u Silicijumskoj dolini. Jer strukturno i tehnološki, stvari koje gotovo svaka internet kompanija treba da radi su sve više prilagođene skupu vještina fizičara.
Prirodnjaci
Naravno, fizičari su igrali ulogu u kompjuterskoj tehnologiji još od najranijih dana, baš kao što su igrali ulogu u mnogim drugim oblastima. John Mauchly, koji je pomogao u dizajniranju ENIAC-a, jednog od najranijih kompjutera, bio je fizičar. Dennis Ritchie, otac programskog jezika C, je takođe bio.
Ali ovo je posebno zreo trenutak za fizičare u kompjuterskim tehnologijama, zahvaljujući usponu mašinskog učenja, gde mašine uče zadatke analizirajući ogromne količine podataka. Ovaj novi talas nauke o podacima i AI je nešto što fizičarima odgovara.
Između ostalog, industrija je prihvatila neuronske mreže, softver koji ima za cilj da oponaša strukturu ljudskog mozga. Ali ove neuronske mreže su zapravo samo matematika na ogromnoj skali, uglavnom linearnoj algebri i teoriji vjerovatnoće. Računari nisu nužno obučeni u ovim oblastima, ali fizičari jesu. “Jedina stvar koja je stvarno nova za fizičare jeste učenje kako optimizirati ove neuronske mreže, obučavajući ih, ali to je relativno jednostavno”, kaže Boykin. “Jedna tehnika se zove” Njutnov metod. “Njutn fizičar, a ne neki drugi Njutn.”
Chris Bishop, koji je na čelu Microsoftove istraživačke laboratorije u Kembridžu, osjećao se na isti način prije trideset godina, kada su duboke neuronske mreže počele pokazivati obećanja u akademskom svijetu. To ga je dovelo od fizike u strojno učenje. “Postoji nešto vrlo prirodno da fizičar ulazi u strojno učenje”, kaže on, “prirodnije od računarskog naučnika.”
Izazovni prostor
Prije deset godina, kaže Bojkin, mnogi njegovi stari fizičari prijatelji su se uselili u finansijski svijet. Isti okus matematike je takođe bio izuzetno koristan na Vol Stritu kao način predviđanja kuda će tržišta ići. Jedna od ključnih metoda je Black-Scholes Equation, sredstvo za određivanje vrijednosti finansijskog derivata. Ali, Black-Scholes je pomogao u podsticanju velikog sloma 2008. godine, a sada, Boykin i drugi fizičari kažu da se mnogo više njihovih kolega kreće u znanost o podacima i druge vrste računalnih tehnologija.
Ranije ove decenije, fizičari su došli u vrhunske tehnološke kompanije kako bi pomogli u izgradnji takozvanog Big Data softvera, sistema koji žongliraju podacima preko stotina ili čak hiljada strojeva. Na Twitteru, Boykin je pomogao da se izgradi onaj koji se zove Summingbird, a tri momka koji su se upoznali u odjelu fizike na MIT-u su izgradili sličan softver na startupu zvanom Cloudant. Fizičari znaju kako da obrađuju podatke – na MIT-u, Cloudantovi osnivači obrađivali su masivne skupove podataka iz od Velikog Hadronskog Kolajdera – i izgradnja ovih izuzetno kompleksnih sistema zahtjeva sopstvenu vrstu apstraktne misli. Onda, kada su ti sistemi izgrađeni, mnogi fizičari su pomogli da se upotrebe podaci koje su iskoristili.
U ranim danima Google-a, jedan od ključnih ljudi koji su izgradili masivno distribuirane sisteme u kompanijskoj strojarnici bio je Yonatan Zunger, koji je doktorirao teoriju struna iz Stanforda. A kada se Kevin Scott pridružio Googleovom oglasnom timu, zadužen za prikupljanje podataka iz čitavog Googlea i njegovo korištenje da predvidi koji su oglasi najvjerovatnije dobili najviše klikova, angažirao je nebrojene fizičare. Za razliku od mnogih kompjuterskih naučnika, oni su odgovarali vrlo eksperimentalnoj prirodi mašinskog učenja. “To je bilo gotovo kao laboratorijska znanost”, kaže Scott, sada glavni tehnološki direktor u LinkedInu.
Sad kad je Big Data softver uobičajen – Stripe koristi open source verziju onoga što je Boykin pomogao u izgradnji na Twitteru – to pomaže modelima strojnog učenja da pogone predviđanja unutar mnogih drugih kompanija. To fizičarima pruža čak i širi put u Silicijsku dolinu. U Stripeu, Boykin radi zajedno sa Robanom Kramer (doktor fizike, Columbia), Christian Anderson (magistar fizike, Harvard) i vođa tima Kelley Rivoire (prvostupnik fizike, MIT). Oni dolaze zato što su prilagođeni poslu. I dolaze zbog novca. Kao što Boykin kaže: “Plaće u tehnologiji su nesumnjivo apsurdne.” Ali oni dolaze i zato što ima toliko teških problema koje treba riješiti.
Anderson je napustio Harvard prije nego što je doktorirao jer je došao da vidi polje onako kako Boykin radi – kao intelektualnu potragu za opadajućim prinosima. Ali to nije slučaj na internetu. “Implicitno u” internetu “je opseg, pokrivenost,” kaže Anderson. “To čini prilike mnogo većim, ali i obogaćuje prostor za izazove, problemski prostor. Postoji intelektualni napredak.”
Budućnost
Danas fizičari prelaze u kompanije iz Silikonske doline. Ali u godinama koje dolaze, sličan fenomen će se proširiti mnogo dalje. Mašinsko učenje će promjeniti ne samo kako svijet analizira podatke, već i kako gradi softver. Neuronske mreže već otkrivaju prepoznavanje slika, prepoznavanje govora, mašinsko prevođenje i samu prirodu softverskih interfejsa. Kao što kaže Kris Bišop (Microsoft), softversko inženjerstvo prelazi iz ručno izrađenog koda zasnovanog na logici na mode mašinskog učenja na osnovu vjerovatnoće i neizvesnosti. Kompanije kao što su Google i Facebook počinju da obučavaju svoje inženjere u ovom novom načinu razmišljanja. Na kraju, ostatak kompjuterskog svijeta će ga slijediti.
Drugim rečima, svi fizičari koji ulaze u oblast inženjera Silicijumske doline je znak mnogo veće promjene koja dolazi. Uskoro će svi inženjeri iz Silikonske doline se gurnuti u carstvo fizičara.