Weltraumforscher wenden sich vom Himmel ab, um Ihnen bei der Entscheidung zu helfen, was Sie anziehen, was Sie sehen und was Sie hören sollen. Sowohl Sterndaten als auch Stitch Fix-Speicherdaten werden jedoch durch maschinelles Lernen verarbeitet.
Stitch Fix ist eines der Unternehmen, das Physik einsetzt, um alle Stilprobleme seiner Kunden besser zu verstehen.Chris Moody kennt das Universum aus erster Hand. Als Astrophysiker simulierte er Galaxien, simulierte auf Supercomputern die Expansion des Universums und Kollisionen von Galaxien. Eines Abends, kurz nachdem er an der University of California in Santa Cruz promoviert hatte, traf er sich mit einer Gruppe anderer Astrophysiker auf ein Glas Bier. Aber in dieser Nacht sprach keiner von ihnen von Galaxien. Sie sprachen über Mode.
Ein paar Freunde von Moody's, Astrophysiker, hatten kürzlich die Wissenschaft verlassen und waren zu Stitch Fix gewechselt, einem Online-Styling-Unternehmen, dessen Preis jetzt 2 Milliarden US-Dollar beträgt. Moody sah sie überrascht an. "Sie fragten mich: Findest du diese Aufgabe nicht interessant?" Er sagt. Und das hat er wirklich gedacht. Als seine Freunde jedoch mit Redewendungen wie „Bayesianischen Modellen“ oder „Poincaré-Raum“ ausführlich ihre Arbeit beschrieben, die darin bestand, vorherzusagen, welche Art von Kleidung ein Kunde mögen könnte, sah es seltsamerweise so aus, als würde er arbeiten für die Promotion. Er fand heraus, dass eine quantitative Bewertung des Stils "sich als sehr enge Analogie zur allgemeinen Relativitätstheorie herausstellte".
Vier Jahre sind vergangen und jetzt arbeitet Moody auch für Stitch Fix. Er gehört zu einer allmählich wachsenden Gruppe von Deserteuren aus der Astrophysik, die die Erforschung des Weltraums eingestellt und begonnen haben, Empfehlungsalgorithmen und Datenmodelle für die Technologiebranche zu entwickeln. Sie sind Mitglieder von Data Science-Teams in Unternehmen wie Netflix, Spotify und Google. Und selbst an Eliteuniversitäten bleiben immer weniger Astrophysiker nach der Verteidigung einer Promotion im akademischen Umfeld. Immer mehr dieser Menschen werden ins Silicon Valley geschickt.
Um zu verstehen, dass Astrophysiker von Startups angezogen werden, die sich mit Konsumgütern befassen, erinnern wir uns an den jüngsten Anstieg des Interesses an maschinellem Lernen (MO). Astrophysiker, die große Datenmengen verarbeiten, die von leistungsstarken Teleskopen zum Himmel gesammelt wurden, verwenden seit langem MO-Modelle und „lehren“ Computer, Aufgaben anhand der bereitgestellten Beispiele auszuführen. Sagen Sie dem Computer, was Sie auf einem Foto des intergalaktischen Raums finden müssen, und er kann dies für die verbleibenden 30 Millionen Fotos tun und dann Vorhersagen treffen. MO kann jedoch auch zur Vorhersage des Benutzerverhaltens verwendet werden. Seit 2012 rekrutieren Unternehmen Mitarbeiter, die diese Methode anwenden können.
Heute ist MO das Herzstück von fast allem, von Kleidungsboxen in Stitch Fix bis hin zu personalisierten Filmempfehlungen auf Netflix. Wie schafft es Spotify, Songs vorherzusagen, die Sie auf wöchentlichen personalisierten Listen so perfekt überraschen und begeistern werden? Es funktioniert maschinelles Lernen. Und obwohl das MO bereits ein eigenes Forschungsgebiet bildet, da Wissenschaftler aus Bereichen wie der Astrophysik seit vielen Jahren mit solchen Modellen arbeiten, sind sie ideale Kandidaten für die Besetzung von Teams, die mit Datenwissenschaft arbeiten.
"Wir haben uns bereits mit Big Data beschäftigt, noch bevor Big Data zu einem separaten Bereich wurde", sagte Sudip Das, ehemaliger Astrophysiker bei Netflix.
Das verteidigte seine Promotion in Princeton, indem er Reliktstrahlung untersuchte - elektromagnetische Strahlung, die vom Urknall übrig geblieben war [
genauer gesagt, sie entstand 380.000 Jahre nach dem Urknall, als das „dunkle Zeitalter“ endete / ca. perev. ]. Danach studierte er mehrere Jahre lang die Daten des Atacama Cosmological Telescope in Chile. Das Teleskop sammelte jede Nacht etwa ein Terabyte Daten aus dem Weltraum, und in dieser riesigen Datenmenge entdeckte Das ein schwer fassbares astrophysikalisches Signal. Es war eine seltene Belohnung für jahrelange sorgfältige Arbeit. Diese Entdeckung erregte die Aufmerksamkeit der University of Michigan, wo ihm die Position eines Assistenzprofessors angeboten wurde.
Das lehnte jedoch ab und zog stattdessen nach Silicon Valley - zunächst als Datenspezialist bei Beats Music, dann bei OpenTable und jetzt bei Netflix.
Nicht so viele Faktoren haben die Entscheidung beeinflusst, die wissenschaftliche Welt zu verlassen: Das Gehalt ist höher und der Job ist reicher. "Es gibt Hindernisse, ein Vollzeitmitglied des Instituts zu werden", sagt er. Und in der San Francisco Bay mussten sich weder er noch seine Frau - ebenfalls Astrophysiker - Sorgen machen, einen Job zu finden. Eine echte Überraschung für ihn war jedoch, dass die Arbeit in Technologieunternehmen wirklich interessant war. Er traf sich bei Beats mit "Gleichgesinnten, die an Aufgaben mit ähnlicher intellektueller Komplexität arbeiten". Die Mathematik ist die gleiche, die Anwendung ist anders.
Das merkt, wie immer mehr Physiker den großen Anteil des Wissenschaftlers - wo Sie zehn Jahre lang die prekäre finanzielle Arbeit eines Postdocs erledigen können - für eine einfache und gut bezahlte Arbeit in Technologieunternehmen verändern. "Von allen meinen Kommilitonen, die ihre Promotion in Princeton verteidigten, gingen nur zwei nicht in Handelsunternehmen", sagt er. "Um dort zu bleiben, muss man bis ins Mark ein Wissenschaftler sein."
Dieser Urknall hat die gesamte Branche erobert. "Astrophysiker sind unsere Gruppe Nummer eins", sagt Eric Colson, emeritierter Chefspezialist für Algorithmen bei Stitch Fix. „Die meisten Menschen haben auf dem Gebiet der Arbeit mit numerischen Daten promoviert, aber wenn Sie ein Diagramm erstellen, werden Astrophysiker an erster Stelle stehen. Sie unterrichten Mathematik sehr gut - viele Physiker kennen sich in Mathematik besser aus als Mathematiker. Sie unterrichten auch gut Programmieren. Sie kennen sich in der Informatik besser aus als die meisten Informatiker. “
Moody, der 2015 zum Team von Colson stieß, hat das während seiner Arbeit auf dem Gebiet der Astrophysik gewonnene Wissen auf die Lösung von Problemen wie das Markieren des „verborgenen Stils“ des Kunden gerichtet - ein einzigartiger persönlicher Geschmack in der Kleidung. Stitch Fix fordert Kunden nicht auf, ihren Stil mithilfe einiger gängiger Beschriftungen zu definieren. Es sammelt Daten über die Vorlieben der Menschen beim Einkaufen und mit Tools wie Style Shuffle - einer Art Kleidungszunder, mit dem die Menschen markieren können, ob sie bestimmte Dinge mögen oder nicht. Nach dem Sammeln bilden alle diese Daten einen „Stilraum“ - eine Karte von allem, was Kunden mögen und wie diese Elemente miteinander in Beziehung stehen. Moody und das Team verwenden dieses Modell, um vorherzusagen, was dem Kunden sonst noch gefallen könnte. Der Algorithmus könnte zu dem Schluss kommen, dass Sie, wenn Sie dicke Perlen mögen, vielleicht auch Perlenperlen mögen - ähnlich schlagen Netflix-Algorithmen vor, dass Sie sich eine andere Komödie mit einer Frau in der Hauptrolle ansehen möchten.
Moody sagt, dass sich solche Aufgaben nicht so sehr von denen unterscheiden, mit denen er sich während seiner Promotion befasst hat. Versteckte Stilkarte? „Dies ist der Poincare-Bereich. So hat Einstein relativistische Räume beschrieben “, sagt Moody.
Andere physikalische Prinzipien sind daran beteiligt, den verborgenen Stil zu verstehen. Moodys Team verwendet so etwas wie die
spektrale Zerlegung einer Matrix , ein Konzept der linearen Algebra, um einzelne „Noten“ in einem individuellen Stil zu trennen - so etwas wie „eine Gitarrensaite ziehen und ein paar Noten hören“. Ein Kunde mag weibliche Dinge, aber lässiger als professionelle. Der Stil jeder Person hat viele Datenpunkte - nur wenige Personen können klar definierten Stilen zugeordnet werden - und Moody sagt, dass sein Team mithilfe der Physik alle Komplexitäten der Einstellung eines Kunden zum Stil besser versteht.
"Keiner von denen, die Physik studieren, wird Kleidung machen, aber es stellt sich heraus, dass dieses Gebiet phänomenal reich ist", sagt Moody. "Es ist erstaunlich zu versuchen, den persönlichen Stil einer Person aus wissenschaftlicher Sicht zu betrachten."
Colson sagt, dass viele Astrophysiker in seinem Team von der Arbeit im Unternehmen angezogen werden, "wegen der sichtbaren Ergebnisse, die in der theoretischen Wissenschaft selten zu finden sind." Hier können sie etwas in die Produktion schicken und die Ergebnisse sehen. “ Wenn Moody alles richtig macht, bietet Stitch Fix seinen Kunden mit größerer Wahrscheinlichkeit Dinge an, die ihnen gefallen - und sein Team kann diese Metrik täglich verfolgen und verbessern.
In der wissenschaftlichen Welt können Astrophysiker jahrelang um dieselbe Aufgabe kämpfen. Viele der interessantesten Probleme wurden bereits gelöst, sagt Amber Roberts, ehemalige Ingenieurin und Astrophysikerin für maschinelles Lernen und jetzt Mitarbeiterin bei Insight Data Science, die Wissenschaftlern hilft, in die Branche einzusteigen. „Wir haben die Größe des Universums gelernt. Wir haben die Lichtgeschwindigkeit gemessen. Wir haben Pulsare gefunden. Wir haben schwarze Löcher gefunden “, sagt sie. - Viele dieser wichtigen Entdeckungen, zum Beispiel das Verständnis der Prinzipien der Raum-Zeit- oder Gravitationsverzerrung, haben die Menschen für die Erforschung des Weltraums und die Kosmologie interessiert. Was Sie jedoch wirklich tun, ist, einen sehr kleinen Teil des Wissensbereichs zu erweitern und drei Jahre lang daran zu arbeiten, eine wissenschaftliche Arbeit zu schreiben, die ein Dutzend Menschen auf der ganzen Welt interessieren wird. “
Das, ein Astrophysiker bei Netflix, sagt, es sei schwierig, die Romantik rund um die Erforschung des Universums aufzugeben. "Wenn ich meinen Eltern erkläre, was mit ihnen passiert, sagen sie: Du hast so großartige Dinge mit dem Universum gemacht, und jetzt empfiehlst du den Leuten Filme!" - sagt Das. Er stimmt jedoch zu, dass seine Routinearbeit eher mit technischen Problemen zusammenhängt, wie "dem Versuch, den Fehler bei der Messung des Parameters von 50% auf 5% zu reduzieren", anstatt das Universum zu erkunden.
In Netflix sieht die technische Arbeit ungefähr so aus. Aber wenn er darüber nachdenkt, was er wirklich bei der Arbeit tut - er vereint Menschen auf der ganzen Welt mit Filmen und Geschichten, die ihnen helfen, sich besser zu verstehen -, ist er mit seinem Beitrag nicht weniger zufrieden als als Astrophysiker. "Es ist wie die Erforschung eines anderen Universums", sagt Das. "Das Universum der Menschen."