Сейчас плохое время, чтобы быть физиком.
По крайней мере, так говорит Оскар Бойкин. Он изучал физику в Технологическом институте Джорджии, а в 2002 году защитил докторскую степень в Лос-Анджелесе. Четыре года назад на Большом адронном коллайдере в Швейцарии был обнаружен бозон Хиггса — субатомная частица, впервые предсказанная в 1960-е годы. Как отмечает Бойкин, все этого ждали. Но бозон Хиггса не перевернул теоретические модели Вселенной. Он ничего не изменил и не дал физике чего-то нового, к чему можно стремиться. «Физики находятся в возбуждении, когда есть какая-то проблема, а сейчас мы находимся в ситуации, когда этих проблем не так много, — говорит Бойкин. — Это не то, что нужно физикам». К тому же, платят в этой сфере не слишком хорошо.
Поэтому Бойкин больше не физик. Он инженер-программист в Кремниевой долине. И для этого сейчас очень удачное время.
Бойкин работает в Stripe: это стартап стоимостью $9 млрд, который помогает компаниям принимать онлайн платежи. Он разрабатывает софт, который собирает данные из разных служб компании, а также занимается прогнозами, например, мошеннических операций. Как физик он идеально подходит для этой работы, которая требует математического и абстрактного образа мыслей. В этой сфере, по его мнению, есть бесконечные вызовы и возможности, в отличие от физики. И платят хорошо.
В Stripe Бойкин работает с тремя другими физиками. В декабре, когда General Electric приобрела стартап машинного обучения Wise.io, генеральный директор Джефф Иммельт хвастался, что он отхватил компанию, «полную» физиков; в первую очередь это Джошуа Блум из Калифорнийского университета в Беркли. Программное обеспечение машинного обучения с открытым исходным кодом H20, использующееся тысячами ученых по всему миру, было разработано с помощью швейцарского физика Арно Кендела, который когда-то работал в Национальной ускорительной лаборатории SLAC. Руководитель департамента науки о данных в компании Microsoft Виджей Нараянан — астрофизик, и еще несколько физиков работают под его началом.
Это, конечно, не нарочно. «Мы не ходили в детский сад физиков, чтобы украсть корзину детей», — говорит президент и соучредитель Stripe Джон Коллисон. — Просто так случилось». И это происходит по всей Кремниевой долине. Потому что структурно и технологически то, что почти каждая интернет-компания должна делать, все больше и больше соответствует набору навыков физика.
Конечно, физики играли определенную роль в развитии компьютерных технологий с самого начала, как и во многих других областях. Джон Мокли, который участвовал в разработке одного из самых ранних компьютеров, ENIAC, был физиком. Деннис Ритчи, отец языка программирования C, тоже.
Но именно сейчас для физиков в области компьютерных технологий наступил звездный час благодаря росту машинного обучения, где машины осваивают задачи на основе анализа больших объемов данных. Новая волна науки о данных и искусственного интеллекта — как раз то, что подходит для физиков больше всего.
Это касается и нейронных сетей, программного обеспечения, которое стремится имитировать структуру человеческого мозга. Но эти нейронные сети в действительности просто математика: в основном, линейная алгебра и теория вероятности. Компьютерных специалистов не всегда этому учат, в отличие от физиков. «Единственная вещь, которая действительно нова для физиков, — это изучение путей оптимизации нейронных сетей, их обучение, но это относительно просто», — говорит Бойкин.
Крис Бишоп, который возглавляет Кембриджскую исследовательскую лабораторию Microsoft, чувствовал себя так же тридцать лет назад, когда нейронные сети впервые начали появляться в академическом мире. Это то, что привело его из физики в область машинного обучения.
Десять лет назад, рассказывает Бойкин, многие из его старых приятелей-физиков перешли на работу в финансовый мир. Математические навыки были чрезвычайно полезны на Уолл-стрит для прогнозирования развития рынков. Одним из ключевых методов было уравнение Блэка-Шоулза, позволяющее определять стоимость финансового инструмента. Но эта модель стала одной из причин разразившегося в 2008 году финансового краха, и теперь Бойкин и другие физики говорят, что гораздо больше их коллег начинают заниматься обработкой данных и и другими видами компьютерных технологий.
В начале этого десятилетия физики пополнили ряды топ-менеджеров ведущих технологических компаний, чтобы работать над софтом для Big Data, для управления данными через сотни или даже тысячи машин. В Twitter Бойкин помог создать такую систему под названием Summingbird, а три парня, которые встретились на факультете физики MIT, разработали аналогичный софт для стартапа Cloudant. Физики знают, как обращаться с данными — в MIT основатели Cloudant обрабатывали огромные базы данных, полученные на Большом адронном коллайдере, — и строительство этих чрезвычайно сложных систем требует особого абстрактного мышления.
На заре Google одним из ключевых людей, строящих массово распределенные системы в компании, был Йонатан Зангер, который получил докторскую степень в Стэнфорде в области теории струн. И когда Кевин Скотт присоединился к рекламной команде Google, чтобы на основе данных прогнозировать, какая реклама соберет наибольшее количество кликов, он нанял массу физиков. В отличие от многих компьютерных специалистов им подходил весьма экспериментальный характер машинного обучения. «Это была почти научная лаборатория,» — вспоминает Скотт, теперь работающий директором по технологиям в LinkedIn.
Теперь, когда программное обеспечение для Big Data стало обычным делом — Stripe использует версию с открытым исходным кодом, которую Бойкин разрабатывал в Twitter, — это помогает системам машинного обучения выдавать прогнозы для многих других компаний и открывает еще больше дорог для физиков в Кремниевой долине. В Stripe Бойкин работает вместе с Робаном Крамером из Колумбийского университета, Кристианом Андерсоном из Гарварда и Келли Ривойре из MIT. Они приходят, потому что подходят для этой работы. Они приходят из-за денег. «Зарплаты в технологических компаниях бывают заоблачные», — говорит Бойкин. Но также они приходят, потому что есть масса больших проблем, которые нужно решать.
Андерсон бросил докторскую программу в Гарварде, потому что, как и Бойкин, все больше сомневался в научной работе. В интернете все не так. «В интернете колоссальные масштабы, — говорит Андерсон. — Интернет дает гораздо больше возможностей, но также он открывает новые вызовы и проблемы. Там есть потенциал интеллектуального роста».
Сегодня физики переходят в компании Кремниевой долины. Но в последующие годы все пойдет гораздо дальше. Машинное обучение изменит не только то, как мир анализирует данные, но и то, как разрабатывается программное обеспечение. Нейронные сети уже изменили принципы распознавания образов, речи, машинного перевода и саму природу программных интерфейсов. Как говорит Крис Бишоп, в разработке софта мы переходим от ручного написания кода на основе логики к моделям машинного обучения на основе вероятности и неопределенности. Такие компании, как Google и Facebook, начинают обучать своих программистов этому новому подходу к мышлению. В конце концов остальная часть компьютерного мира последует этому примеру.
Другими словами, физики, пробившиеся в царство инженеров Кремниевой долины, служат признаком еще более масштабных грядущих изменений. Вскоре всем инженерам из Долины придется заниматься физикой.