人工知能がもたらす「新しいエンジニア」の時代には、物理学者がテック業界を支配する

写真拡大

シリコンヴァレーのテック企業が、こぞって物理学者を雇っている。ビッグデータと人工知能の波が引き起こしたトレンドは、物理学が現代に果たせる役割を激変させている。それだけではなく、コンピューターの世界における「エンジニア」の定義まで変えてしまうのだ。

「人工知能がもたらす「新しいエンジニア」の時代には、物理学者がテック業界を支配する」の写真・リンク付きの記事はこちら

いま、物理学者でいるのは困難な時代だ。

少なくとも、オスカー・ボイキンはそう考えている。彼はジョージア工科大学で物理学を専攻し、2002年にカリフォルニア大学ロサンゼルス校（UCLA）で物理学の博士号を取得した人物である。なぜ、彼はそのような考えに至ったのか。

話は4年前にさかのぼる。スイスの欧州原子核研究機構（CERN）に所属する物理学者が、その存在が1960年代から予測されていた「ヒッグス粒子」を発見した。ボイキンを含む誰もが、この世紀の発見に期待していた。だが実際のところ、ヒッグス粒子の発見は宇宙の理論モデルに何の影響も及ぼさなかった。何の変化をもたらすこともなく、物理学者が挑戦したくなるような新しい何かを与えることもなかった。

「物理学者は物理の常識とは異なる何かが見つかると興奮するものです。それなのに、最近そうした発見がありません」と、ボイキンは言う。「物理学者にとって、がっかりするような世界になってしまったのです」。それに、彼らの収入はそこまで高いわけでもない。

そんなわけで、ボイキンは物理学者ではなくなった。彼はシリコンヴァレーのソフトウェアエンジニアになったのだ。いまは、こうした転身に非常にいい時期である。

ボイキンが働いているのは、企業向けのオンライン決済サーヴィスを開発している90億ドル（約1兆円）の価値をもつスタートアップ、Stripe（ストライプ）だ。彼は同社のサーヴィス全体からデータを収集するソフトウェアシステムの構築と運用に加えて、いつどこで、どのような不正取引が起きるかを予測する役割も担っている。物理学者である彼は、ハイレヴェルな数学と抽象的な思考が求められるこの仕事に、理想的なほど向いている。そして彼は物理学者と違って、無限の挑戦と可能性のある分野で働いている。しかも、素晴らしい額の報酬を得ている。

GEからマイクロソフトまで巨大企業も次々に採用

ボイキンはストライプで、ほかに3人の物理学者と働いている。ゼネラル・エレクトリック（GE）が2016年12月に機械学習スタートアップのWise.ioを買収した際には、GEのCEOであるジェフ・イメルトが、物理学者たち、とりわけカリフォルニア大学バークレー校の天体物理学者ジョシュア・ブルームを擁する企業を手にいれたことを自慢した［日本語版記事］ほどだ。

世界中の7万人のデータサイエンティストが使用しているオープンソースの機械学習ソフトウェア「H20」は、かつてSLAC国立加速器研究所で働いていたスイスの物理学者アルノ・カンデルによってつくられたものである。また、マイクロソフトのデータサイエンス部門を率いるヴィジャイ・ナラヤナンは天体物理学者であり、数人の物理学者が彼のもとで働いている。

もちろん、物理学者はコンピューターテクノロジーにおいても当初から大きな役割を担ってきた。最初期のコンピューターのひとつである「ENIAC」の設計を手伝ったジョン・モークリーは物理学者だった。C言語の父、デニス・リッチーもそうだ。

ニューラルネットワークの構築で物理学者が存在感

しかし、現在こそがコンピューター技術に携わる物理学者にとって、とくに魅力的な時期といえる。機械が膨大な量のデータを分析してタスクを学習する、機械学習が登場したからだ。この新しいデータサイエンスとAIの波は、物理学者にぴったりと合ったのである。

とりわけ業界では、人間の脳の構造を模倣したニューラルネットワークの活用が進んでいる。これは実際のところ、線形代数と確率論からなる膨大な規模の数学でしかない。コンピューター科学者は、必ずしもこれらの分野の訓練を受けているわけではないが、物理学者にはその経験がある。「ニューラルネットワークの最適化とトレーニングの方法を学ぶことは、物理学者にとって比較的単純なのです」とボイキンは言う。

マイクロソフトのケンブリッジ研究所を率いるクリス・ビショップは、30年前の学会でディープ・ニューラルネットワークの可能性が最初に示されたとき、同じように物理学との親和性を感じたという。それが、彼を物理学から機械学習の分野へと導いたのだ。「物理学者が機械学習に取り組むのは、それをコンピューター科学者がやるよりずっと自然なことです」と彼は言う。

ソフトウェアのあり方が激変する

物理学者はデータをうまく扱う方法を知っている。クラウダントの創設者はMITで、ヒッグス粒子の発見に使われたことでも知られる大型ハドロン衝突型加速器の大規模なデータセットを処理した。こうした非常に複雑なシステムを構築するには、独特の抽象的な考え方が求められるのだ。

いまやビッグデータを扱うソフトウェアが普及しており、多くの企業が何らかの予測を行うための機械学習モデルを構築するのに役立っている。このことも、物理学者がシリコンヴァレーで活躍する道をつくり出している。そうした傾向はさらに強まるだろう。機械学習はデータの分析手法だけでなく、ソフトウェアを構築する方法を変えることになるのだ。

実際のところニューラルネットワークは、画像認識、音声認識、機械翻訳、そしてソフトウェアインタフェースの本質をすでに“再発明”している。ソフトウェアエンジニアリングは理論に基づいた手づくりのコードから、確率と不確実性に基づいた機械学習モデルへと移行しているのだ。グーグルやフェイスブックなどの企業は、この新しい考え方に沿って自社のエンジニアを訓練し始めている。ほかのコンピューティング領域も、この流れに従うようになるだろう。

つまるところ、シリコンヴァレーに進出しているすべての物理学者こそ、来るべき大きな変化の兆しなのである。

RELATED