关于“如今还真不是当物理学家的好时候”这样的表述，有个人Oscar是这么说的 ，他在佐治亚理工的物理系完成本科学习 ，之后在2002年于加州大学洛杉矶分校也就是UCLA拿到了物理学博士学位 ，就在四年前 ，瑞士大型强子对撞机的物理学家发现了希格斯玻色子 ，而希格斯玻色子是在20世纪60年代曾首次被预测存在的亚原子粒子 。
提到过，每个人都期待它被真正发现，可是，希格斯的发现没打破宇宙理论模型，没改变任何事物，也没给物理学家新研究方向。每当物理相关事情出差错，物理学家会兴奋，不过我们处在几乎不出差错的时代，有物理学家说这是令人沮丧的时代，并且薪水还不高。
Oscar
现在，他已不再身为一位物理学家，转而摇身变化成为硅谷的软件工程师，并且当下，恰恰是这类职业的黄金时代之时。
他在一家价值90亿美元的创业公司上班，此公司创建在线平台以助力企业收取在线付款。他的职责是协助构建及运行公司用于收集数据的软件系统，还得负责预测这些服务系统的未来走向，涵盖欺诈性交易发生的概率，以及具体可能发生的时间与途径。一方面，身为一名物理学家，他极其适配这项工作，因为该岗位极其需要强大的数学能力与抽象思维。然而，与纯物理学家不同物理学家的博客，他当下的工作领域能够给他提供无穷无尽的挑战与可能性。并且，薪水相当高。
倘若物理以及软件工程属于亚原子粒子，那么，硅谷已然成了粒子碰撞之所。他正与其他三位物理学家一同工作。去年12月，在通用电气并购机器学习创业公司Wise.io之际，通用的CEO Jeff打趣称，他刚得到了一家满是物理学家的企业，当中最为知名的便是加利福尼亚大学伯克利分校即UCB的天体物理学家Bloom。
开源的被称作H20的机器学习软件，是在来自瑞士的、曾于SLAC国家加速器实验室工作过的物理学家Arno的协助下得以开发的，此软件如今变成了全世界将近7万名从事相关研究的数据科学家所使用的研究工具。微软的数据科学主管Vijay身为一名天体物理学家，在他所带领的团队里工作的也还存在其他的几名物理学家。
并非这一切是经过精心策划而成的。总裁兼联合创始人John宣称，“我们并非进入物理世界的‘幼儿园’，还拐卖了一车儿童” ，“这样的事只是自然而然就发生了” 。并且，它在硅谷的每个角落都发生了。因为从结构以及技术的角度来讲，每个互联网公司所需做的事情，已越来越和物理学家的技术与知识相对口 。
一切都是顺其自然
彼时，物理学家于早些时候，于计算机技术范畴，便已施展关键效用，恰似其于众多别样领域存有重要功用那般。 牵涉到设计全球最早计算机之一ENIAC的John ，他乃是名物理学家。C语言之父 ，最初亦是一名物理学家。
然而，对于那些踏入计算机技术领域的物理学家而言，如今方才称得上时机成熟。鉴于机器学习的蓬勃兴起，促使机器借助对海量数据加以分析去学习任务物理学家的博客，那种新型的数据科学以及人工智能乃是最为契合物理学家的事物。
除此以外，神经网络是当前行业内热点，在此基础上开发的模仿人类大脑结构的软件也是热点。然而，神经网络堪称巨大工程，涉及诸多线性代数与概率论。计算机科学家未必在这些领域有过深入研究，可物理学家有。“对于物理学家而言，神经网络中最陌生的，仅是学习怎样优化这些神经网络并训练他们，不过这也是相对直截了当的一部分。”。讲道，“当中呢，存在着一种技术，它被称作‘牛顿法’，是以物理学家牛顿来命名的呦，可不是别的什么牛顿呀。”。
微软剑桥研究院实验室主管Chris，在三十年前有了同样感受，那时深层神经网络才刚开始在学术界显露出头角冒尖有所突出，这是致使他从物理学转变到机器学习领域的主要缘由，“一个物理学家进入了机器学习领域，这真是非常自然的一件事情”制度大全，他讲道，“甚至还要比对计算机科学家而言这么去做更自然一些。”。
更大的挑战空间
他感慨着，十年之前，众多他的身为物理学家的同僚纷纷竞相转入金融界。同样的数学知识体系在华尔街极为受用，可当作预测市场发展趋势的一种精确方式。其中最为重要的工具便是Black - 方程式，这是一种能够确定金融衍生物价值的法子，然而后来，Black - 在一定程度上也助力酿成了2008年的金融危机。如今，更多的物理学者会选择转向数据科学，以及其他种类的计算机科技领域。
十年前左右，物理学家着手进入顶尖科技公司，参与大数据软件的开发工作，此软件乃是那个能够在数百或者众多数千台机器之上使数据得以运行的系统。有三位来自 MIT 物理系的年轻人，他们曾参与那般某款名为的大数据软件的开发过程，这三位年轻人还曾在一家有着特定名为称呼的初创公司以内从而研发得到了大体类似的那款软件。物理学家对于该如何去处理数据是非常熟悉知晓的，并且靠着运用自身所拥有的强大抽象思维能力，进而构建出来一些相对较为复杂的系统。
在公司刚成立没多久时，有一位关键人物，他是负责构建大规模分布式系统的，还拥有斯坦福大学弦理论学的博士学位。Kevin Scott加入广告组后，负责从各处获取数据，用这些去预测哪几类广告最能得到许多点击量。为做这事，他雇了多得数不清的物理学家进小组帮忙。跟好多计算机科学家不一样，物理学家像是专为机器学习实验本质而生。“这真的完全就是一门实验科学。”如今的首席技术官Scott感慨道。
如今，大数据软件极为常见，它们助力机器学习模型开展各类预测，这为物理学家踏入硅谷开拓了更宽广的路径。其中，团队成员还有Roban（哥伦比亚大学物理学博士）， （哈佛大学物理学硕士）以及 （MIT物理学学士）。他们到来于此，是由于他们适配这样的工作。他们到来于此，亦是为了获取更丰厚的薪水。正如所讲，“科技公司的薪资着实离谱。”然而同时，他们到来于此，也是为了处理更多亟待破解的问题。
之所以他放弃了物理学博士，离开了哈佛，是由于他对当下物理学界的看法和别人一样，那是一种回报递减的纯学术追求。然而，互联网产业并非这般。他表示，互联网的涵盖面极为广泛，这使得互联网产业能够拥有更多的机会，与此同时，还扩大了它的挑战空间以及问题空间。可是，在这当中，他总能察觉到上升空间。
充满变化的未来
今天，物理学家正接连不断地进入硅谷公司，今后岁月里，类似现象会进一步扩展。机器学习不但会改变分析数据的办法，还会改变软件开发的办法。神经网络已从根本上改变了图像识别、嗓音辨别、机器翻译以及软件接口的实质。就像微软的 Chris 所说，软件工程正从基于逻辑搭建代码，转变为基于概率与不确定性的机器学习模型。类似大公司，已然开始用这种新的思维模式，重新培训他们的工程师。最终，全世界都会跟随他们的脚步前进。
反过来说，众多物理学家进入到硅谷工程师所涉及的范畴，这表明着更为巨大的改变就要光临。没过太长时间，全部的硅谷工程师也将会迈进物理学家所涉及的范畴 。