Freundschaft, die Google so groß gemacht hat

Jeff Dean und Sanjay Gemavat programmierten gemeinsam am selben Computer und veränderten den Kurs des Unternehmens - und das gesamte Internet. In der Abbildung: Die besten Google-Programmierer scheinen manchmal zwei Hemisphären desselben Gehirns zu sein. Zeichnung von David Plankert

Eines Tages im März 2000 versammelten sich sechs der besten Google-Ingenieure in einem spontanen Konferenzraum. Ein Notfall ereignete sich: Seit Oktober 1999 hielten die Crawler an. Benutzer erhalten zwar noch Suchergebnisse, sind aber seit fünf Monaten veraltet. Es stand mehr auf dem Spiel, als die Ingenieure erwartet hatten. Im Moment verhandelten Larry Page und Sergey Brin über die Bereitstellung der Google-Suche für das größte Internetportal Yahoo und versprachen, den Suchindex um das Zehnfache zu erhöhen, um mit dem World Wide Web Schritt zu halten, dessen Größe sich gegenüber dem Vorjahr verdoppelte. Wenn die Crawler nicht repariert werden, bleibt google.com in der Vergangenheit hängen, der Deal mit Yahoo schlägt möglicherweise fehl und das Unternehmen riskiert, seine Investition zu verbrennen und in Vergessenheit zu geraten.

Im Konferenzraum neben der Treppe legten die Ingenieure Türen auf das Portal, bauten spontane Tische und installierten Computer. An der anderen Wand saß ein trauriger Craig Silverstein: ein 27-jähriger dünner Jugendlicher mit einer dünnen Stimme. Craig war der erste Mitarbeiter bei Google: Er trat dem Unternehmen bei, als sich sein Hauptbüro in Brins Wohnzimmer befand, und er schrieb den größten Teil des Gründercodes persönlich um. Nach vier Tagen und Nächten Arbeit erreichten sie mit einem rumänischen Systemingenieur namens Bogdan Kokosel nichts: „Keiner der durchgeführten Tests ergab einen Sinn“, erinnerte sich Silverstein. "Nichts hat funktioniert, und wir wussten nicht warum."

Silverstein bemerkte kaum Sanjay Gemavat, einen bescheidenen 33-jährigen Brünetten mit dicken Augenbrauen und grauem Haar in den Schläfen, einen Absolventen des MIT. Sanjaya wurde erst vor wenigen Monaten im Dezember eingestellt. Er folgte seinem Kollegen, dem schlanken und energiegeladenen 30-jährigen Jeff Dean von Digital Equipment Corporation. Jeff verließ DEC zehn Monate vor Sanjay. Sie waren ungewöhnlich freundlich und zogen es vor, gemeinsam Code zu schreiben. Im "Kriegsraum" zog Jeff einen Stuhl an Sanjays Tisch und ließ seinen leer. Sanjay drückte auf die Tastatur, und Jeff lehnte sich neben ihm zurück und korrigierte und diktierte wie ein Produzent eines Kopfhörers für einen Nachrichtensprecher.

Jeff und Sanjay begannen, den festgefahrenen Index zu studieren. Sie stellten fest, dass einige Wörter darin fehlten: Sie gaben eine Abfrage [Mailbox] ein und erhielten keine Ergebnisse, während andere nicht in der richtigen Reihenfolge aufgeführt waren. Mehrere Tage lang suchten sie nach einem Fehler und tauchten in die Logik des Codes ein. Abschnitt für Abschnitt haben wir alles überprüft. Keine Bugs.

Programmierer präsentieren ihr Programm manchmal als eine Schichtstruktur, die von der Benutzeroberfläche auf grundlegendere Schichten übergeht. Am Ende dieser Struktur trifft Software auf Eisen: ein solcher Abstieg von platonischen Code-Abstraktionen zur Physik von Elektrizität und Silizium. Am fünften Arbeitstag begannen Jeff und Sanjay zu vermuten, dass das Problem nicht in der Logik des Codes lag, sondern eine physische Ursache hatte. Sie haben die Indexdatei in eine Binärdatei konvertiert. Sie wollten sehen, was sie Autos sahen.

Auf Sanjays Monitor erschien eine dicke Spalte mit Nullen und Einsen, wobei jede Zeile ein indiziertes Wort darstellt. Sanjay bemerkte: 0 ist anstelle von 1. Als Jeff und Sanjay alle verzerrten Wörter sammelten, sahen sie ein Muster: den gleichen Fehler in jedem Wort. Beschädigung von Speicherchips auf Servern.

Sanjay sah Jeff an. Bei Google gab es mehrere Monate lang immer mehr Hardwarefehler. Das Problem war, dass mit dem Wachstum von Google auch die Computerinfrastruktur erweitert wurde. Computerausrüstung stürzt selten ab, es sei denn, Sie haben viele Computer - dann fallen sie ständig aus. Kabel nutzen sich ab, Festplatten fallen auseinander, Motherboards überhitzen sich. Viele Autos fallen sofort aus; andere beginnen langsamer zu arbeiten. Seltsame natürliche Faktoren spielen eine Rolle. Bei einer Supernova-Explosion im Weltraum erzeugt eine Druckwelle energiereiche Partikel, die in alle Richtungen streuen: Wissenschaftler glauben, dass es eine Wahrscheinlichkeit ungleich Null gibt, dass eines der Partikel der kosmischen Strahlung in einen Computerchip auf der Erde gelangt und sich von 0 zu 1 ändert. Die zuverlässigsten Computersysteme der Welt Bei der NASA verwenden Finanzunternehmen und dergleichen spezielle Geräte, die vor Ein-Bit-Flips schützen. Aber Google arbeitete immer noch als Startup und kaufte billige Computer, die keinen solchen Schutz hatten. Das Unternehmen hat einen Wendepunkt erreicht. Der Computercluster ist so groß geworden, dass selbst unwahrscheinliche Hardwarefehler unvermeidlich werden.

Jeff und Sanjay haben gemeinsam Code geschrieben, um eine Fehlfunktion beschädigter Systeme auszugleichen. Bald wurde ein neuer Index erstellt - und der Notfall wurde erfolgreich gelöst. Silverstein war verwirrt. Er hat den Code wirklich getestet, aber hier versteckte sich die Antwort auf Hardware-Ebene. Jeff und Sanjay gingen tiefer.

Vor dem März-Fiasko arbeiteten Google-Systeme an Code, den die Firmengründer an der Stanford Graduate School geschrieben hatten. Page und Brin waren keine professionellen Programmierer. Sie waren Wissenschaftler, die ein Experiment in der Suchtechnologie durchführten. Als der Crawler fiel, zeigte er keine informative Diagnosemeldung an, außer dem Satz "Whoa, Pferd!"

Das von Page und Brin geschriebene BigFiles-System wurde von den ersten Mitarbeitern des Unternehmens scherzhaft BugFiles genannt. Das äußerst wichtige Indizierungsverfahren dauerte mehrere Tage, und wenn ich auf ein Problem stieß, begann es von Anfang an. Es war ein völlig nicht skalierbares System.

Wir sagen, dass wir im Internet suchen, aber tatsächlich ist es nicht so: Wir arbeiten mit dem Suchindex auf den Servern des Suchunternehmens. Als Google 1996 noch BackRub hieß, wurde der gesamte Index auf Computern abgelegt, die im Schlafsaal von Page installiert waren. Im März 2000 konnte kein einziger Supercomputer damit umgehen. Der einzige Ausweg für Google bestand darin, normale Computer zu kaufen und sie einem riesigen Cluster hinzuzufügen. Da die Hälfte der Kosten herkömmlicher Computer von Google als "Junk" eingestuft wird - Festplatten, Metallgehäuse -, bestellte das Unternehmen nur nackte Motherboards und Festplatten - und verband sie. Zu diesem Zeitpunkt hatte Google bereits 1.500 solcher hausgemachten Server an Zwei-Meter-Racks in einem Gebäude in Santa Clara, Kalifornien, angeschlossen. Aufgrund von Hardwarefehlern arbeiteten zu einem bestimmten Zeitpunkt nur 1.200. Fehler traten unvorhersehbar auf und störten das System weiterhin. Um zu überleben, musste Google Computer in einen einzigen, lebensfähigen, fehlertoleranten Organismus integrieren.

Für ein paar haben Jeff und Sanjay diese Arbeit übernommen. Wayne Rosing, der den Vorgänger Macintosh bei Apple entworfen hat, kam im November 2000 zu Google und versammelte ein Team von einhundert Ingenieuren. Sie arbeiteten neunzig Stunden pro Woche und schrieben einen Code, damit kein einziger Festplattenfehler das System stören würde. Sie haben dem Web-Traversal-Prozess Haltepunkte hinzugefügt, sodass das Crawlen vom Fehlerpunkt und nicht von Anfang an neu gestartet wird. Durch die Entwicklung neuer Codierungs- und Komprimierungsschemata haben sie die Fähigkeiten des Systems tatsächlich verdoppelt. Sie waren unerbittliche Optimierer. Beispielsweise hat Google die am häufigsten verwendeten Daten an die Außenseite der Festplattenplatten verschoben, wo eine höhere Rotationsgeschwindigkeit der Festplatte und daher eine höhere Lese- und Schreibgeschwindigkeit für Informationen vorliegt und die internen Bereiche der Platten leer bleiben. Jeff und Sanjay nutzten diesen Bereich, um vorverarbeitete Daten für allgemeine Suchanfragen zu speichern. Im Jahr 2001 haben sie vier Tage lang bewiesen, dass der Google-Index im schnellen RAM anstelle von langsamen Festplatten gespeichert werden kann. Die Entdeckung hat die Wirtschaft des Unternehmens völlig verändert. Page und Brin wussten, dass die Menge zu einem Dienst strömen würde, der sofort reagierte. Das Problem war, dass Geschwindigkeit Rechenleistung erforderte und Rechenleistung Geld kostete. Jeff und Sanjay gelang es, mithilfe von Softwareoptimierungen in das Nadelöhr zu drücken.

Alan Eustace leitete das Engineering-Team, nachdem Rosing 2005 gegangen war. "Paradoxerweise muss man die kleinsten Details kennen, um große Aufgaben zu lösen", sagte Eustace. Jeff und Sanjay verstanden das System auf Bitebene. Einmal verteilte Jeff eine Liste mit "Verzögerungsraten, die jeder Programmierer kennen sollte". Tatsächlich ist dies eine Liste von Zahlen, an die fast kein Programmierer denkt, aber diese Zahlen sind buchstäblich in das Gehirn von Jeff und Sanjay eingebaut: Zum Beispiel dauert das Aufrufen aus dem L1-Cache 0,5 ns oder das sequentielle Lesen von einem Megabyte aus dem Speicher 250 μs. Nach einer Reihe wichtiger Softwareoptimierungen wurde die Leistung von Google-Systemen um Größenordnungen skaliert. In der Zwischenzeit begannen die Techniker, in riesigen Rechenzentren gewundene Routen zu beschreiten, und folgten den Anweisungen der Software zum Ersetzen von Festplatten, Netzteilen und Speichermodulen. Selbst wenn die Teile abgenutzt waren und versagten, blühte das System auf.

Heute verfügen die Ingenieure von Google über ein einheitliches Klassifizierungssystem, das ab Stufe 1, dem technischen Support, beginnt. Stufe 2 - Hochschulabsolventen. Mitarbeiter der Stufe 3 haben häufig einen Master-Abschluss. Das Erreichen von Level 4 dauert mehrere Jahre oder erfordert einen Doktortitel. Die Karriere der meisten Mitarbeiter endet auf Stufe 5. Ingenieure der 6. Stufe sind die besten 10% der Mitarbeiter. Sie sind so talentiert, dass der Erfolg von Projekten von ihnen abhängt. Stufe 7 wird an Mitarbeiter der Stufe 6 mit einer langen Erfolgsbilanz vergeben. Tier 8-Chefingenieure sind für bestimmte Produkte oder Teile der Infrastruktur verantwortlich. Hervorragende Ingenieure der Stufe 9 werden respektiert. Der Titel Google Fellow (Stufe 10) wird den normalerweise weltweit führenden Experten auf ihrem Gebiet lebenslang zugewiesen. Jeff und Sanjay sind Senior Google Fellows, die ersten und einzigen Mitarbeiter der Stufe 11.

Der Google-Campus, der sich nur wenige Minuten vom Zentrum von Mountain View entfernt an der Autobahn befindet, besteht aus einer Reihe gedrungener, unattraktiver Gebäude mit getönten Scheiben. An einem Montagmorgen im Sommer 2017 gingen Jeff und Sanjay nach einer morgendlichen Pairing-Sitzung zum Mittagessen in die Cafeteria des Campus namens Big Table, benannt nach dem System, das sie 2005 entwickelt hatten, um unzählige Computer in ein praktisch einziges Gerät zu integrieren. Der große und dünne Sanjay in einem alten burgunderroten Henley-Hemd, einer grauen Hose und einer kleinen Brille mit Drahtkranz suchte nach einem Tisch auf der Terrasse und besetzte ihn schnell, öffnete einen Regenschirm und duckte sich im Schatten. In der Nähe in der Sonne stellte er einen weiteren Stuhl für Jeff ein, der eine Minute später eintraf, einen breitschultrigen Sportler in einem kurzärmeligen Hemd und eleganten Turnschuhen.

Wie Liebende erzählen Jeff und Sanjay gemeinsam Geschichten und ergänzen Teile des Gesamtbildes. Sie begannen sich an ihre ersten Projekte zu erinnern.

"Wir haben alles von Hand geschrieben", sagt Sanjay. Seine Brille verdunkelte sich in der Sonne. "Es war notwendig, den Code neu zu schreiben und dann plötzlich:" Oh, es sieht so aus, wie wir es letzten Monat geschrieben haben. "

"Oder eine etwas andere Stelle in unseren Indexdaten", fügte Jeff hinzu.

"Oder ein bisschen anders", sagt Sanjay. "Und so haben wir herausgefunden ..."

"Das ist der Punkt", sagte Jeff.

"... dass es ein allgemeines Muster gibt", schließt Sanjay seinen Gedanken.

Jeff nahm einen Bissen Pizza. Er hat Seemannsfinger, knotig und steif. Sanjay sieht im Vergleich zu ihm sehr zart aus. Er fragt sich, wie sie angefangen haben, Paarprogrammierung zu üben: "Ich weiß nicht einmal, wie wir beschlossen haben, dass es besser wäre."

"Wir haben das vor Google gemacht", sagte Jeff.

"Aber ich weiß nicht, warum wir beschlossen haben, einen Computer zu haben, nicht zwei", sagt Sanjay.

"Mein DEC war zwei Blocks von seinem Labor entfernt", sagt Jeff. - Und zwischen ihnen ist eine Eisdiele.

- Das ist also eine Eisdiele! - Sanjay ist begeistert.

Single Sanjay ist mit Jeff, seinen beiden Töchtern und seiner Frau Heidi im Urlaub. Jeffs Töchter nennen ihn Onkel Sanjay, und die fünf essen oft freitags zu Abend. Sanjay und Victoria, Jeffs älteste Tochter, begannen zu backen. "Ich sah sie wachsen", sagt Sanjay stolz. Nach dem Börsengang von Google im Jahr 2004 zogen sie in neue Häuser, die sechs Kilometer voneinander entfernt sind. Sanjay lebt in einem bescheidenen Haus mit drei Schlafzimmern in Old Mountain View, und Jeff selbst entwarf sein Haus in der Nähe des Zentrums von Palo Alto und stellte im Keller ein Trampolin auf. Während der Arbeit am Haus stellte er fest, dass er den Raum gerne entwirft, aber nicht die Geduld für die Details hat, die er als „Sanjay-orientierte Aspekte“ der Architektur bezeichnet: die Details der Balken, Befestigungen und des Lastausgleichs, die verhindern, dass ein ausgezeichnetes Design auseinanderfällt.

"Ich weiß nicht, warum andere nicht so arbeiten", sagt Sanjay über die Paarprogrammierung.

"Wir müssen einen Partner finden, der mit Ihnen kompatibel ist und denkt, dass Sie sich gegenseitig ergänzen", sagte Jeff.

Sie standen vom Tisch auf, suchten nach Softeis und gingen zwischen den hastenden Googlern am Big Table entlang. Während sie gingen, skizzierte Jeff seine Strategie für Softeis: „Ich spinne es. Ich denke, dieser Ansatz erhöht die Stabilität “, sagte er. Zufrieden und zielstrebig rollte Sanjay die Schokoladen-Vanille-Mischung in sein Glas.

In dem 2001 erschienenen Buch „Circles of Cooperation: Die Dynamik von Freundschaft und Kreativität“ untersuchte der Soziologe Michael P. Farrell enge kreative Gruppen: die französischen Impressionisten Sigmund Freud und seine Zeitgenossen. „Die meisten fragilen Ideen, die den Grundstein für eine neue Vision gelegt haben, entstehen nicht, wenn die gesamte Gruppe zusammen ist und nicht, wenn alle alleine arbeiten, sondern wenn sie paarweise zusammenarbeiten und interagieren“, schrieb er. Monet und Renoir arbeiteten im Sommer 1869 Seite an Seite. Sie schufen einen Stil, der zum Impressionismus wurde; Sechs Jahre Zusammenarbeit haben den Kubismus hervorgebracht. Pablo Picasso und Georges Braque haben oft nur die Rückseite der Leinwände signiert, um die Tatsache, dass die Arbeit abgeschlossen war, voreinander zu verbergen („Die Arbeit ist erst abgeschlossen, wenn wir beide das Gefühl hatten“, erinnerte sich Picasso später). In dem Buch „Double Power: Auf der Suche nach der Essenz der Innovation in kreativen Paaren“ zitiert der Schriftsteller Joshua Wolf Schenck 1971 ein Interview, in dem John Lennon sagte, er oder Paul McCartney hätten „ein paar leichte Notizen geschrieben, wie„ Ich lese heute die Nachrichten “oder solche Dinge. "Einer von uns steckte fest, bis der andere kam", sagte Lennon, "ich werde die Hälfte singen, und er war inspiriert, einen weiteren Teil zu schreiben und umgekehrt." Jeder kann in eine kreative Sackgasse geraten, aber kaum zwei Menschen gleichzeitig.

In der Phase der "theoretischen Konstruktion" einer neuen Wissenschaft oder Kunst ist es wichtig, den Horizont zu erweitern, ohne in einer Sackgasse zu stecken. Francois Jacob, der zusammen mit Jacques Monod einen Durchbruch bei der Untersuchung der regulatorischen Funktion von Genen erzielte, stellte fest, dass Mitte des 20. Jahrhunderts die meisten Forschungen auf dem Gebiet der Molekularbiologie paarweise durchgeführt wurden: „Gemeinsam ist es einfacher als Theorien, Theorien zu erfinden und Modelle zu bauen“, schrieb Jacob. - Wenn zwei Köpfe an einem Problem arbeiten, erscheinen Ideen häufiger und schneller. Sie springen von Partner zu Partner. Sie drehen sich wie Äste an einem Baum. Und falsche Illusionen werden im Keim erstickt. “ In den letzten 35 Jahren wurde etwa die Hälfte der Nobelpreise auf dem Gebiet der Physiologie und Medizin an Wissenschaftlerpaare vergeben.

Nach vielen Jahren der Zusammenarbeit entwickeln die Partner manchmal ihre eigene Sprache, wie es die Zwillinge tun. Sie ahmen sich in Gewohnheiten und Kleidung nach, sie haben einen gemeinsamen Sinn für Humor. Es wird unmöglich, den spezifischen Beitrag jedes Einzelnen in Zusammenarbeit zu bewerten. Solche engen Partnerschaften finden sich jedoch selten in der Softwareentwicklung. Obwohl Entwickler manchmal von „Paarprogrammierung“ sprechen, repräsentieren zwei Programmierer, wenn sie sich einen Computer teilen, einen „hinter dem Lenkrad“ und den anderen „Navigator“, normalerweise nur eine Arbeitsbeziehung, wie Piloten in einem Flugzeug. Im Gegensatz dazu scheinen Jeff und Sanjay manchmal zwei Hemisphären desselben Gehirns zu sein. In ihren bekanntesten wissenschaftlichen Arbeiten sind bis zu ein Dutzend Mitarbeiter aufgeführt. Bill Cochran, einer ihrer Manager, erinnert sich jedoch: "Sie waren so produktiv und so effektiv im Paar, dass wir oft nur Teams um sie herum gebildet haben."

1966 stellten Forscher der System Development Corporation fest, dass die besten Programmierer mehr als zehnmal effizienter sind als die schlechtesten. Seitdem Streitigkeiten über die Existenz des sogenannten "10-fachen Programmierers". Diese Idee betont die Individualität, während große Softwareprojekte vom Team erstellt werden. Bei der Programmierung wird isoliert wenig erreicht. Ironischerweise sehen viele Programmierer die Ergebnisse der Zusammenarbeit von Jeff und Sanjay als Beweis dafür, dass es einen 10x-Programmierer gibt.

Jeff wurde im Juli 1968 in Hawaii geboren. Sein Vater Andy war ein Forscher von Tropenkrankheiten; Virginia Lees Mutter ist eine medizinische Anthropologin mit einem halben Dutzend Sprachen. Zum Spaß bauten Vater und Sohn einen Computer aus dem IMSAI 8080-Kit zusammen. Sie löten Teile und studierten jedes Teil.

Jeff und seine Eltern zogen oft um. Mit dreizehn Jahren verpasste er die letzten drei Monate der achten Klasse, um ihnen in einem Flüchtlingslager in Westsomalia zu helfen. In der High School begann er ein Datenerfassungsprogramm für Epidemiologen namens Epi Info zu schreiben.Es ist zu einem Standardwerkzeug für Forscher geworden, in Dutzende von Sprachen übersetzt und hunderttausende Exemplare verkauft (auf der Website des Zentrums für die Kontrolle und Prävention von Krankheiten wurde ein Foto von Jeff aus seinem Abschluss veröffentlicht). Heidi, die Jeff am University of Minnesota College kennengelernt hatte, erfuhr erst Jahre später von der Bedeutung dieses Programms. "Er hat nicht mit so etwas geprahlt", sagt sie. "Alles musste aus ihm herausgezogen werden." Ihr erstes Date war bei einem Frauenbasketballspiel, bei dem Jeff das Publikum in einem Gopher-Kostüm unterhielt.

Jeffs Dissertation konzentriert sich auf Compiler. "Compiler selbst sind ziemlich langweilig", sagt Alan Eustace, aber andererseits "ist es ein sehr niedriges Niveau, nahe an der Hardware." Sanjay beschreibt Jeff und dreht einen Finger an seiner Schläfe: „Beim Schreiben von Code bildet sich ein bestimmtes Modell in seinem Kopf. Wie wird die Leistung dieses Codes sein? Er berechnet fast automatisch alle Grenzsituationen. “

Sanjay setzte sich im Alter von siebzehn Jahren zum ersten Mal an einen Computer, als er an die Cornell University ging. Er wurde 1966 in West Lafayette, Indiana, geboren und wuchs in Kota auf, einer Industriestadt in Nordindien. Sein Vater Mahipal war Professor für Botanik, Shants Mutter kümmerte sich um Sanjay und seine beiden älteren Brüder und Schwestern. Die Familie liebte Bücher: Sein Onkel Ashok Meta erinnert sich, wie er „Jackal Day“ für Kinder gekauft hat .Frederick Forsyth mit einer zerrissenen Bindung, und die Kinder lasen alle zusammen ein zerfetztes Buch und gaben sich gegenseitig Seiten, wenn sie fertig waren. Sanjays Bruder Pankaj war der jüngste Lehrer, der jemals eine Stelle an der Harvard Business School erhalten hat (er ist jetzt Professor an der New York University). Pankaj studierte an derselben Schule wie Sanjay und war als Mann der Renaissance bekannt: „Ich habe irgendwie im Schatten meines Bruders gelebt“, sagt Sanjay. Als Erwachsener behielt er diese Bescheidenheit bei. Als er 2016 an der American Academy of Arts and Sciences vorgestellt wurde, erzählte er es seinen Eltern nicht einmal. Sie erfuhren die Nachrichten von einem Nachbarn.

An der MIT Graduate School hat Sanjay Freunde gefunden. Trotzdem hat er dort nie Mädchen getroffen, und jetzt tut er es "sehr, sehr selten". Er sagt, dass er sich nicht geweigert hat, eine Familie zu gründen, es ist einfach so passiert. Seine engen Freunde lernten, ihn nicht zu stören, und seine Eltern hatten lange erkannt, dass sein Sohn Junggeselle bleiben würde. Vielleicht, weil es so geschlossen ist, hat sich um Google herum in Sanjay ein Hauch von Geheimhaltung entwickelt. Er gilt als ruhiger, aber solider Ingenieur - einer, der tief und mit außerordentlicher Klarheit denkt. Auf dem Tisch liegt seit fast zwanzig Jahren ein ordentlicher Stapel Mead-Notizbücher mit ordentlichen Listen und Diagrammen. Er macht sich immer noch Notizen von Hand: Er sagt, dass es hilft zu denken. Am MIT war seine Vorgesetzte Barbara Liskov, eine einflussreiche Informatikerin.die einschließlich der Verwaltung komplexer Codebasen untersucht. Ihrer Meinung nach ist der beste Code wie gute Literatur. Es sollte eine sorgfältig durchdachte Struktur haben und jedes Wort sollte funktionieren. Eine solche Programmierung erfordert Einfühlungsvermögen gegenüber den Lesern. Und der Code gilt nicht nur als Mittel zum Zweck, sondern auch als wertvolles Artefakt an sich. "Ich denke, er entwirft Systeme am besten", sagt Craig Silverstein. "Schauen Sie sich nur den Code an: Es ist wunderschön, wie ein Kunstwerk, wie eine Skulptur mit perfekten Proportionen.""Ich denke, er entwirft Systeme am besten", sagt Craig Silverstein. "Schauen Sie sich nur den Code an: Es ist wunderschön, wie ein Kunstwerk, wie eine Skulptur mit perfekten Proportionen.""Ich denke, er entwirft Systeme am besten", sagt Craig Silverstein. "Schauen Sie sich nur den Code an: Es ist wunderschön, wie ein Kunstwerk, wie eine Skulptur mit perfekten Proportionen."

Bei Google ist Jeff viel berühmter. Sie erstellen Memes über ihn wie über Chuck Norris. ("Chuck Norris hat ad infinitum gezählt ... zweimal"; "Jeff Deans Lebenslauf fasst Dinge zusammen, die er nicht getan hat: so kürzer").

"Wenn Jeff Dean ein Programm entwickelt, erstellt er zuerst eine Binärdatei und schreibt dann den Quellcode als Dokumentation."

"Jeff Dean hat den Turing-Test einmal nicht bestanden, weil er die 203. Fibonacci-Zahl in weniger als einer Sekunde richtig eingestellt hat."

„Einmal im Jahr 2002, als das Such-Backend getrennt wurde, beantwortete Jeff Dean zwei Stunden lang manuell Benutzerfragen. In dieser Zeit hat sich die Qualität der Suchergebnisse erheblich verbessert.

Aus dem Artikel "Jeff Dean von Google ist Chuck Norris unserer Zeit" - ca. trans.

Aber für diejenigen, die beide kennen, ist Sanjay gleich talentiert. "Jeff ist großartig darin, wilde neue Ideen und Prototypen zu entwickeln", sagte Wilson Sie, ihr langjähriger Kollege. "Sanjay baut Dinge auf seinem Gewissen auf." Im Leben ist Jeff geselliger, Sanjay zurückhaltender. Der Code ist das Gegenteil. Jeffs Programm ist umwerfend: Er kann schnell überraschende Ideen liefern, aber da er dies so schnell und mit Inspiration tut, kann er die Leser zurücklassen. Sanjaya-Code ist verständlicher.

"Einige Leute schreiben Code zu spärlich", erklärt Silverstein. Auf einem Bildschirm sind nur sehr wenige Informationen verfügbar. Ich muss es hin und her scrollen, um zu verstehen. “ Andere schreiben Code zu dicht: „Sie sehen ihn sich an und denken:„ Wow. Ich möchte das nicht verstehen. " Sanjay schafft es irgendwie, ein Gleichgewicht zu finden. Sie sehen sich den Code an und denken: "Okay, ich kann ihn verstehen", und auf einer Seite befinden sich immer noch viele Informationen. Silverstein fährt fort: „Wann immer ich Sanjays Code um neue Funktionen erweitern möchte, schien er dies vorauszusehen. Ich fühle mich wie Salieri. Ich sehe Größe, aber ich verstehe nicht, wie das möglich ist. "

Am Montagmorgen dieses Frühlings standen Jeff und Sanjay in der Küchenzeile des Gebäudes 40, in dem sich der größte Teil der KI-Abteilung von Google befindet. Dahinter befindet sich eine Tafel mit Matrixalgebraformeln, auf dem Tisch ein Artikel über wettbewerbsfähige Netzwerke ohne Lehrer. Jeff in einem verblassten T-Shirt und Jeans sieht aus wie ein Strandgänger, der den Weg der Korrektur eingeschlagen hat. Sanjay in einem Pullover und einer grauen Hose. Hinter den hellen Fenstern stehen hohe Kiefern, dahinter ein Feld. Überall, wo Jeff für Google arbeitet, werden immer Espressomaschinen eingesetzt. Das meterweite La Marzocco summt auf dem Küchentisch. "Wir sind spät dran", bemerkt Sanjay über der Kaffeemühle. Um 8:32 Uhr

Nach dem Cappuccino gehen sie zu den Computern. Jeff rollt einen Stuhl von seinem schmutzigen Tisch zu Sanjays makellos sauberem Tisch. Er setzt seinen Fuß auf den Nachttisch und lehnt sich zurück, während Sanjay den Bildschirm studiert. Es sind vier Fenster geöffnet: links ein Browser und ein Terminal zum Starten von Analysetools; Auf der rechten Seite befinden sich zwei Dokumente im Emacs-Texteditor: Eines hat eine Aufgabenliste im Editor, das andere ist mit buntem Code gefüllt. Eines von Sanjays Notizbüchern liegt neben einem Computer.

- Okay, was haben wir gemacht? - fragt Sanjay.

"Ich denke, wir haben die Größe des TensorFlow Lite-Codes analysiert", sagt Jeff.

Dies ist ein großes neues maschinelles Lernprojekt: Jeff und Sanjay sind besorgt über eine aufgeblähte Codebasis. Wie Literaturredakteure suchen sie nach Möglichkeiten, die Lautstärke zu reduzieren. Dazu haben sie ein neues Tool erstellt, das an sich optimiert werden muss.

"Ich habe versucht herauszufinden, wie langsam es ist", sagte Sanjay.

„Ziemlich langsam“, beugte sich Jeff vor, immer noch entspannt.

"Dieser war einhundertzwanzig Kilobyte", sagt Sanjay, "und es dauert ungefähr acht Sekunden."

"Einhundertzwanzigtausend Stapelaufrufe, keine Kilobyte."

"Nun, Kilobyte Text, na ja ... darüber."

- Oh ja, tut mir leid.

"Ich weiß nicht, welchen Schwellenwert ich für die Größe des Geräts wählen soll", fragt Sanjay. - ein halbes Mega?

"Scheint in Ordnung", stimmt Jeff zu. Sanjay klopft an die Tastatur und Jeff klammert sich an den Bildschirm. "Also schreiben Sie, wenn es mehr als das angegebene ist, wählen wir einfach ..." Er machte eine Pause. Sanjay beantwortete die Frage mit einem Code.

Wenn Sanjay ein Auto fährt, legt er seine Hände auf zehn und zwei und schaut vorsichtig nach vorne. Die gleiche Disziplin hinter der Tastatur. Beine schulterbreit, gerader Rücken, als würde er an der Haltung arbeiten. Dünne Finger laufen sanft um die Tasten. Die ersten Programmierer kamen im Büro an.

Bald erreichten sie einen kleinen Meilenstein und Sanjay rekrutierte ein Team, um den Test durchzuführen. Er sah erschöpft aus und überprüfte die Post. Der Test ist abgeschlossen. Er bemerkte es nicht.

- Hey! - Jeff schnippte mit den Fingern und zeigte auf den Bildschirm. Obwohl er im Gespräch Witze und Wortspiele bekommt, kann er am Computer mit Sanjay selbstbewusst, unhöflich und missbilligend werden. Sanjay hält das für selbstverständlich. Wenn es ihm so vorkommt, als würde Jeff sich zu schnell bewegen, hebt er die Hände von der Tastatur und spreizt die Finger, als wollte er sagen: „Stopp.“ Dies ist der naheliegendste Anschein eines Streits: Zwanzig Jahre lang können sie sich nicht erinnern, wann sie ihre Stimmen erhoben haben.

Sanjay blätterte durch die Seite, ein neuer Codeabschnitt erschien auf dem Bildschirm.

"Du kannst daraus eine Routine machen, oder?" Fragte Jeff.

- Mmm ...

Jeff knackte mit den Fingerknöcheln.

- Es scheint möglich. Wird es tun?

Sanjay eingezäunt:

- Nein ich…

"Also, ignoriere das Problem?" - fragt Jeff empört.

"Nein, ich meine, wir versuchen nur herauszufinden, was los ist." Um sich dazu Notizen zu machen, richtig?

„Gut.“ Jeff war eindeutig gut gelaunt. Sie diktierten zusammen eine Notiz.

Das Mittagessen rückte näher. Sie arbeiteten zwei Stunden lang mit einer zehnminütigen Pause und unterhielten sich die meiste Zeit (der Junior, der sie beobachtete, war am meisten beeindruckt von der Tatsache, dass sie nie aufhörten und nicht feststeckten). Die übliche technische Praxis besteht darin, den Code für die Überprüfung einzureichen, aber Jeff und Sanjay überspringen diesen Schritt, indem sie lgtm markieren (sieht für mich gut aus). In gewisser Weise sind sie mit kleinen Dingen beschäftigt. Ihr Code wird jedoch auf einer Google-Skala ausgeführt. Die Kilobyte und Mikrosekunden, die ihnen wichtig sind, vervielfachen sich milliardenfach in Rechenzentren auf der ganzen Welt - riesigen, lauten Rechenzentren, in denen endlose Server-Racks durch Wassertanks gekühlt werden. Wie Sie wissen, kommt Jeff an solchen Tagen nach Hause und sagt seinen Töchtern: "Heute haben Sanjay und ich die Suche von Google um zehn Prozent beschleunigt."

Im Jahr 2003, in vier Monaten, haben Jeff und Sanjay das vielleicht größte Update in der Geschichte von Google vorgenommen. Sie haben dies mit der MapReduce-Software gemacht. Die Idee kam, als sie den Crawler und Indexer Google zum dritten Mal umschrieben. Sie erkannten, dass jedes Mal, wenn sie ein wichtiges Problem lösen: die Koordination der Arbeit in einer großen Anzahl von geografisch verteilten, unzuverlässigen Computern getrennt. Wenn Sie die Lösung verallgemeinern möchten, ist das Problem für immer gelöst. Daraufhin wird ein Tool angezeigt, mit dem jeder Programmierer bei Google Maschinen in Rechenzentren steuern kann, als wären sie alle ein Computer von der Größe eines Planeten.

Jeff und Sanjay malten MapReduce in einem Eckbüro mit Blick auf einen Ententeich. Dieses Tool hat einen atemberaubend komplexen Prozess für immer rationalisiert. Zuvor musste jeder Programmierer unabhängig herausfinden, wie Daten geteilt und verteilt, Arbeit zugewiesen und Hardwarefehler berücksichtigt werden können. MapReduce bietet eine strukturierte Möglichkeit, diese Probleme zu lösen. Während der Küchenchef die Zutaten zubereitet, bevor er mit der kulinarischen Arbeit beginnt, unterteilt MapReduce die Aufgaben in zwei Phasen. Zunächst gibt der Programmierer jeder Maschine eine „Karte“ der Aufgabe (z. B. zählen Sie die Anzahl der Verweise auf ein Wort auf einer Seite). Dann schreibt er Anweisungen, um die Ergebnisse aller Maschinen zu „reduzieren“ (z. B. durch Summieren). MapReduce behandelt die Verteilungsdetails und verbirgt sie somit.

Im folgenden Jahr haben Jeff und Sanjay das Crawler- und Indizierungssystem von Google im Hinblick auf MapReduce-Aufgaben neu geschrieben. Bald erkannten andere Ingenieure, wie leistungsfähig dieses System war - und verwendeten MapReduce, um Videos zu verarbeiten und Kacheln in Google Maps zu rendern. MapReduce war so einfach, dass neue Aufgaben von selbst auftauchten. Google hat einen täglichen Ladezyklus: Tagsüber mehr Verkehr als nachts, und MapReduce-Aufgaben begannen, Leerlaufkapazität zu absorbieren. In einem Traum verarbeitet das menschliche Gehirn die tägliche Erfahrung. Jetzt begann Google, seine Daten nachts zu verarbeiten.

Es gibt seit langem Beweise dafür, dass Google tatsächlich ein KI-Unternehmen ist, das nur vorgibt, eine Suchmaschine zu sein. Im Jahr 2001 beschloss Noam Shazir, der das Büro mit Jeff und Sanjay teilte, das Rechtschreibprüfungssystem, das Google von einem anderen Unternehmen lizenziert hatte, neu zu gestalten. Dieses System machte weiterhin unangenehme Fehler. Zum Beispiel schlug sie vor, das Wort TurboTax durch Steinbuttaxt (Flunder im Nordatlantik) zu ersetzen.

Die Qualität der Rechtschreibprüfung hängt vom Wörterbuch ab. Shazir erkannte, dass Google im Internet Zugriff auf das größte Wörterbuch hat, das jemals in der Geschichte der Menschheit existiert hat. Er schrieb ein Programm, das die statistischen Eigenschaften von Text im Internet verwendete, um festzustellen, welche Wörter wahrscheinlich fehlerhaft eingegeben wurden. Das Programm verstand, dass "Pritany Spears" und "Brinsley Spears" "Britney Spears" bedeuteten. Als Shazir das Programm auf dem wöchentlichen Treffen zeigte, versuchten viele Mitarbeiter wiederholt, es zu täuschen, aber meistens erfolglos. Shazir hat in Zusammenarbeit mit Jeff Dean und einem Ingenieur namens Georges Harik ein ähnliches System entwickelt, mit dem Anzeigen auf den Inhalt von Webseiten ausgerichtet werden können. Diese Ausrichtung brachte eine Lawine von Geld mit sich, die das Unternehmen an seine Computerinfrastruktur sandte. Dies war der Beginn einer Rückkopplungsschleife: Die wachsende Infrastruktur verbessert die Rechenfähigkeiten und die Intelligenz von Google. Computerkenntnisse werden zu einer Gewinnquelle, und mit Gewinn können Sie eine Infrastruktur aufbauen. Diese Rückkopplungsschleife hat dem Unternehmen eine außergewöhnliche und beispiellose Marktbeherrschung gebracht.

Einfallsreiche Programmierer verwendeten MapReduce, um verschiedene Erkenntnisse aus Google-Daten zu gewinnen: Es wurde möglich, Sprachnachrichten von Benutzern zu transkribieren, ihre Fragen zu beantworten, Abfragen automatisch zu vervollständigen und Texte in mehr als hundert Sprachen zu übersetzen. Diese Systeme wurden unter Verwendung relativ einfacher Algorithmen für maschinelles Lernen entwickelt. "Wenn Sie jedoch viele Daten haben, funktionieren sehr einfache Methoden unglaublich gut", sagte Jeff. Da „Daten, Daten, Daten“, die mit BigTable, MapReduce und ihren Nachfolgern gespeichert und verarbeitet werden, das wichtigste Kapital des Unternehmens sind, ist die globale Infrastruktur von Google flexibler und skalierbarer geworden. Die Idee des verteilten Rechnens ist längst entstanden. Die Konzepte „Cloud Computing“ und „Big Data“ existierten vor dem Aufkommen von Google. Durch die intelligente Verwaltung der Infrastruktur für verteilte Programme durch normale Programmierer bringen Jeff und Sanjay Google auf die nächste Stufe. Die Nutzer hatten das Gefühl, dass sich etwas geändert hat - die Google Cloud wird intelligenter.

Im Jahr 2004 dachten Jeff und Sanjay, dass das System für Astronomen, Genetiker und andere Wissenschaftler mit vielen zu verarbeitenden Daten nützlich sein würde. Dann veröffentlichten sie den Artikel „MapReduce: Vereinfachte Datenverarbeitung in großen Clustern“ . Das Dokument erschien als Gott aus dem Auto. Billige Geräte, das Wachstum von Webdiensten und angeschlossenen Geräten führten zum Datenfluss, aber nur wenige Unternehmen verfügten über Software zur Verarbeitung solcher Informationsfelder. Zwei Ingenieure, die Schwierigkeiten hatten, eine kleine Suchmaschine namens Nutch zu skalieren - Mike Cafarella und Doug Cutting - waren von der Bedeutung von MapReduce so überzeugt, dass sie beschlossen, einen kostenlosen Klon dieses Systems von Grund auf neu zu erstellen. Am Ende benannten sie ihr Projekt Hadoop nach dem Namen des Spielzeugelefanten, den Cutting's Sohn liebte.

Allmählich übernahm die Hälfte der Fortune 50-Unternehmen Hadoop. Dies ist zum Synonym für Big Data geworden. Facebook verwendete Hadoop MapReduce zum Speichern und Verarbeiten von Benutzermetadaten - Informationen zu Klicks, Likes und Anzeigenansichten. Zu einem bestimmten Zeitpunkt hatte Facebook den größten Hadoop-Cluster der Welt. Hadoop MapReduce hat zum Erfolg von LinkedIn und Netflix beigetragen.

Der frühere NSA-Technologiedirektor Randy Garrett erinnert sich daran, dass er NSA-Generaldirektor Keith Alexander die Technologie gezeigt hat. Hadoop erledigte die Analyseaufgabe 18.000 Mal schneller als das vorherige System. Dies wurde zur Grundlage für einen neuen Ansatz zum Sammeln von Informationen, den einige Beobachter als "vollständige Sammlung von allem" bezeichnen.

Jeff hat einen unruhigen Charakter: Für ihn verliert das Problem das Interesse, wenn er eine Lösung sieht. Im Jahr 2011 eroberte die Cloud-Technologie die Welt und Jeff Dean begann mit Andrew Eun, einem Informatikprofessor in Stanford, zusammenzuarbeiten, der in Google ein geheimes Projekt zur Erforschung neuronaler Netze leitete. Jeff begegnete in seinen Studienjahren neuronalen Netzen, aber dann konnten sie keine wirklichen Probleme lösen. Eun sagte Jeff, die Situation habe sich geändert. In Stanford erzielten die Forscher beeindruckende Ergebnisse, indem sie neuronalen Netzen Zugriff auf große Datenmengen gewährten. Eun schlug vor, dass neuronale Netze in großem Maßstab nicht nur nützlich, sondern auch leistungsfähig werden können.

Neuronale Netze unterscheiden sich stark von herkömmlichen Computerprogrammen. Ihr Verhalten wird nicht durch gewöhnliche Befehle bestimmt, sondern das Netzwerk wird mithilfe von Eingaben und Rückmeldungen „trainiert“. Jeffs Wissen über neuronale Netze entwickelte sich seit seiner Studienzeit nicht weiter, und Heidi sah zu, wie sich ihr Badezimmer mit Lehrbüchern füllte. Jeff begann ungefähr einen Tag in der Woche einem Projekt namens Google Brain zu widmen. Viele bei Google bezweifelten diese Technologie. "Eine Verschwendung von Talent", erinnert sich Alan Eustace, Jeffs damaliger Manager. Auch Sanjay konnte die Entscheidung des Freundes nicht verstehen: "Sie arbeiten an der Infrastruktur, was haben Sie dort vergessen?"

In den nächsten sieben Jahren entwickelte das Google Brain-Team neuronale Netze, die die weltweit besten Ergebnisse bei maschineller Übersetzung, Sprach- und Bilderkennung zeigten. Letztendlich ersetzten diese neuronalen Netze die wichtigsten Algorithmen von Google für das Ranking von Suchergebnissen und die Ausrichtung von Anzeigen, und Google Brain wurde zu einem der am schnellsten wachsenden Teams im Unternehmen. Claire Tsui, seit 2001 Google-Ingenieurin, sagt, Jeffs Entscheidung sei ein Wendepunkt für die Entwicklung der KI bei Google gewesen: "Einige haben es geglaubt, andere nicht. Jeff hat bewiesen, dass es funktionieren kann. “

Es stellte sich heraus, dass die KI dringend eine Skalierung benötigte, und der Systemingenieur Jeff Dean stellte sie zur Verfügung. Im Rahmen dieses Projekts leitete er die Entwicklung eines Programms namens TensorFlow - es war ein Versuch, etwas wie MapReduce nur für AI zu erstellen. TensorFlow vereinfacht die Verteilung neuronaler Netze in einem Computercluster und verwandelt sie in ein einziges großes Gehirn. Im Jahr 2015, als TensorFlow für die Öffentlichkeit freigegeben wurde, wurde es zum De-facto-Standard für die Arbeit mit KI. CEO Sundar Pichai gab kürzlich bekannt, dass das Kerngeschäft von Google die künstliche Intelligenz ist, und hat Jeff mit der Leitung aller KI-Initiativen beauftragt.

Jetzt widmet Jeff vier Tage die Woche die Verwaltung von Google Brain. Er leitet die Arbeit von 3.000 Menschen. Er reist zu Verhandlungen, hält wöchentliche Besprechungen ab, um an einem neuen Computerchip (einem speziell für neuronale Netze entwickelten Tensorprozessor) zu arbeiten, und hilft bei der Entwicklung von AutoML, einem System, das neuronale Netze zum Entwerfen anderer neuronaler Netze verwendet. Er hat nur einmal pro Woche Zeit, mit Sanjay zu programmieren.

Die Geschichte löscht technische Meisterleistungen. Wir erinnern uns an die großen Entdecker des achtzehnten Jahrhunderts - James Cook, George Vancouver -, aber nicht an John Harrison, einen Zimmermann aus Yorkshire, der die Uhr nach jahrzehntelanger Arbeit zuverlässig genug machte, um die Länge auf See zu messen.

Jeff und Sanjay genossen kürzlich Margaritas und Enchiladas im Palo Alto Sol, ihrem Lieblingsrestaurant in Mexiko. Jeff holte sein Handy heraus und fragte: "Wann ist Google Mail herausgekommen?" Das Telefon antwortete: "1. April 2004." Sanjay, Etikette am Tisch, schien den Impuls des Freundes nicht zu schätzen, aber Jeff war begeistert. Jetzt kann Google mit einem Stapel von Programmen, die einfach zu integrieren und weitgehend unsichtbar sind und von seinem Telefon bis zu Rechenzentren auf der ganzen Welt reichen, sprechen, zuhören und Fragen beantworten.

Heute sind ihre Rollen auseinander gegangen. Sanjay bei Google ist als "einzelner Teilnehmer" bekannt - ein Encoder, der alleine arbeitet und niemanden kontrolliert. Dafür ist er dankbar. "Ich würde nicht wie Jeff arbeiten wollen", gibt er zu. Derzeit entwickelt er eine Software, die es Ingenieuren erleichtert, Dutzende von Programmen - Nachrichten, Fotos, Preise - zu integrieren und zu verwalten, die funktionieren, sobald der Nutzer in das Google-Suchfeld eingibt. Einmal pro Woche trifft er sich mit einer Gruppe von Technologieführern, dem Jedi Engineering Council bei Google, um technische Entscheidungen zu treffen, die das gesamte Unternehmen betreffen. Wenn Google zu Hause wäre, würde Jeff eine Erweiterung bauen und Sanjay würde das Fundament stärken, die Balken verstärken und die Schrauben festziehen.

Während ihrer Programmiersitzungen am Montag starteten sie etwas Neues. Dies ist ein KI-Projekt: Wie Jeff sagt, ein Versuch, ein „riesiges“ ML-Modell zu trainieren, um Tausende oder Millionen verschiedener Aufgaben auszuführen. Jeff hat viele Jahre über diese Idee nachgedacht; Er hat kürzlich entschieden, dass dies möglich ist. Er und Sanjay planen, einen Prototyp zu bauen, um den das Team wachsen kann. In der Software-Welt basiert die beste Art, Ihr Team zu verwalten, auf Programmcode.

"Ich denke, sie vermissen sich", sagt Heidi, Jeffs Frau. Die Familienessen am Freitag erschienen, als sich ihre Zusammenarbeit verlangsamte.

Am Sonntag im März trafen sich Jeff und Sanjay zu einer Landreise. Das Wetter ist klar, obwohl es heiß in der Sonne ist. Jeff kam mit einem Bernie-Autoaufkleber 2016 auf dem blauen Tesla Roadster zum Wanderweg. Sanjay folgte ihm bald auf dem roten Model S. Sanjay las am Morgen das Buch, Jeff spielte Fußball (das Gerät an seinem Handgelenk zeigte, dass er 11 Kilometer gelaufen war. Zwei Jahrzehnte später Nach der Reparatur dieses Index ähnelt Jeff einem pensionierten, gebräunten, robusten Athleten.

Der Weg ist eine 10 Kilometer lange Schleife durch dichte Wälder. Jeff ging zuerst. Im Wald erinnerten sie sich daran, wie schnell Google wuchs.Sanjay erinnerte sich daran, wie der Klempner nach der ersten Erweiterung des Unternehmens zwei Toiletten im selben Badezimmer im Männerzimmer installierte. "Ich erinnere mich an Jeffs Kommentar", sagte er. "Zwei Köpfe sind besser als einer!" Er lachte.

Sie stiegen vom Wald zu einem trockenen offenen Gebiet hinab. Ein Geier flog in den Himmel.

"Die Berge sind kühler als ich dachte", gab Jeff zu.

- Und jemand sagte, dass dies eine flache Kampagne ist.

"Ich denke, deshalb gibt es keine Radwege."

Sie kletterten zurück in den Wald. Jeff stieg bergauf und sah eine Lücke zwischen den Bäumen: „Irgendwann wird es eine gute Aussicht geben“, sagte er.

Der Weg führte zur Spitze des Hügels, hoch und breit, ohne Wald, mit Panoramablick. Der Dunst am Horizont bedeckte nicht die Santa Cruz Mountains im Süden und den Mission Peak im Osten. "Sanjay, hier ist dein Büro!" - sagte Jeff. Sie standen zusammen und schauten über das Tal.