सिलिकॉन वैली एस्ट्रोफिजिसिस्ट क्वांटिफाइंग फैशन

अंतरिक्ष शोधकर्ता स्वर्ग से दूर जाते हैं ताकि आपको यह तय करने में मदद मिल सके कि क्या पहनना है, क्या देखना है और क्या सुनना है। लेकिन मशीन लर्निंग के उपयोग से स्टार डेटा और स्टिच फिक्स स्टोर डेटा दोनों को संसाधित किया जाता है।

स्टिच फिक्स उन कंपनियों में से एक है जो अपने ग्राहकों की सभी शैली समस्याओं को बेहतर ढंग से समझने के लिए भौतिकी का उपयोग करते हैं।

क्रिस मूडी पहली बार ब्रह्मांड को जानता है। एक खगोल भौतिकीविद् के रूप में उन्होंने आकाशगंगाओं का अनुकरण किया, सुपर कंप्यूटरों पर ब्रह्मांड के विस्तार और आकाशगंगाओं के टकराव का अनुकरण किया। एक शाम, सांता क्रूज़ में कैलिफोर्निया विश्वविद्यालय में एक डॉक्टरेट की रक्षा करने के तुरंत बाद, वह एक गिलास बीयर के लिए अन्य खगोल भौतिकविदों के एक समूह के साथ मिले। लेकिन उस रात, उनमें से किसी ने भी आकाशगंगाओं की बात नहीं की। उन्होंने फैशन के बारे में बात की।

मूडी के मित्र, खगोल भौतिकीविदों के एक जोड़े ने हाल ही में विज्ञान छोड़ दिया था और एक ऑनलाइन स्टाइल कंपनी स्टिच फ़िक्स में चले गए, जिसकी कीमत अब $ 2 बिलियन है। मूडी ने उन्हें आश्चर्य में देखा। "उन्होंने मुझसे पूछा: क्या आपको यह काम दिलचस्प नहीं लगता?" वह कहता है। और उसने वास्तव में ऐसा सोचा था। हालाँकि, जब उसके दोस्त, "बायेसियन मॉडल" या "पोनकारे स्पेस" जैसे वाक्यांशों का उपयोग करते हुए, अपने काम को विस्तार से वर्णित करते हैं जिसमें ग्राहक किस तरह के कपड़े पसंद कर सकते हैं, यह अजीब लगता है कि वह जो काम कर रहा था, वह कैसा लग रहा था। डॉक्टरेट के लिए। उन्होंने पाया कि शैली का एक मात्रात्मक मूल्यांकन "सापेक्षता के सामान्य सिद्धांत के लिए एक बहुत करीबी सादृश्य बन गया है।"

चार साल बीत चुके हैं, और अब मूडी भी स्टिच फिक्स के लिए काम करता है। वह खगोलविदों से धीरे-धीरे बढ़ने वाले समूह से है, जिन्होंने अंतरिक्ष की खोज बंद कर दी और प्रौद्योगिकी उद्योग के लिए सिफारिश एल्गोरिदम और डेटा मॉडल बनाना शुरू कर दिया। वे Netflix, Spotify, और Google जैसी कंपनियों की डेटा साइंस टीमों के सदस्य हैं। और यहां तक ​​कि कुलीन विश्वविद्यालयों में, डॉक्टरेट की रक्षा के बाद कम और कम खगोलविदों, शैक्षणिक वातावरण में रहते हैं। इनमें से अधिक से अधिक लोगों को सिलिकॉन वैली भेजा जाता है।

यह समझने के लिए कि उपभोक्ता उत्पादों में शामिल स्टार्टअप्स के लिए एस्ट्रोफिजिसिस्ट आकर्षित हैं, आइए हम मशीन लर्निंग (एमओ) में रुचि के हालिया उछाल को याद करते हैं। आकाश में देख रहे शक्तिशाली दूरबीनों द्वारा एकत्र किए गए डेटा की बड़ी मात्रा में प्रक्रिया करने वाले खगोल भौतिकविदों ने प्रदान किए गए उदाहरणों के आधार पर कंप्यूटरों को कार्य करने के लिए एमओ मॉडल, "शिक्षण" का उपयोग किया है। कंप्यूटर को बताएं कि आपको अंतरिक्ष अंतरिक्ष की एक तस्वीर में क्या खोजने की आवश्यकता है, और वह शेष 30 मिलियन तस्वीरों के लिए ऐसा करने में सक्षम होगा, और फिर भविष्यवाणियां करना शुरू कर देगा। हालांकि, एमओ का उपयोग उपयोगकर्ता के व्यवहार की भविष्यवाणी करने के लिए भी किया जा सकता है, और 2012 में, निगमों ने उन लोगों को भर्ती करना शुरू किया, जो जानते थे कि इस पद्धति को कैसे लागू किया जाए।

आज, एमओ सब कुछ के बारे में सब कुछ के दिल में है, स्टिच फिक्स में कपड़े के बक्से से लेकर नेटफ्लिक्स पर व्यक्तिगत फिल्म सिफारिशों तक। Spotify ऐसे गीतों की भविष्यवाणी करने का प्रबंधन कैसे करता है जो आपको साप्ताहिक वैयक्तिकृत सूची में पूरी तरह से आश्चर्यचकित और प्रसन्न करेंगे? यह मशीन लर्निंग का काम करता है। और जबकि मास्को क्षेत्र पहले से ही अनुसंधान के अपने क्षेत्र का गठन करता है, क्योंकि खगोल विज्ञान जैसे वैज्ञानिक कई वर्षों से ऐसे मॉडल के साथ काम कर रहे हैं, वे डेटा विज्ञान के साथ काम करने वाली टीमों को भरने के लिए आदर्श उम्मीदवार बनाते हैं।

नेटफ्लिक्स के पूर्व खगोल वैज्ञानिक सुदीप दास ने कहा, "हम पहले से ही बड़े डेटा में लगे हुए थे, जबकि बड़ा डेटा एक अलग क्षेत्र बन गया।"

दास ने प्रिंसटन में अपने डॉक्टरेट का बचाव विकिरण की जांच करके किया - बिग बैंग से विद्युत चुम्बकीय विकिरण को छोड़ दिया [ अधिक सटीक रूप से, यह बिग बैंग के 380,000 साल बाद बनाया गया था जब "अंधेरे युग" समाप्त हो गए थे / लगभग। ट्रांस। ]। इसके बाद, उन्होंने कई वर्षों तक चिली में अटाकामा कॉस्मोलॉजिकल टेलीस्कोप द्वारा प्राप्त आंकड़ों का अध्ययन किया। हर रात दूरबीन ने अंतरिक्ष से डेटा की एक टेराबाइट के बारे में एकत्र किया, और डेटा के इस विशाल सरणी में, दास ने एक मायावी ज्योतिषीय संकेत की खोज की। यह वर्षों के सावधानीपूर्वक काम के लिए एक दुर्लभ इनाम था। इस खोज ने मिशिगन विश्वविद्यालय का ध्यान आकर्षित किया, जहां उन्हें सहायक प्रोफेसर के पद की पेशकश की गई।

हालांकि, दास ने इनकार कर दिया और इसके बजाय सिलिकॉन वैली चले गए - पहले बीट्स म्यूज़िक में डेटा विशेषज्ञ के रूप में काम करने के लिए, फिर ओपनटेबल में और अब नेटफ्लिक्स में।

इतने सारे कारकों ने वैज्ञानिक दुनिया को छोड़ने के फैसले को प्रभावित नहीं किया: वेतन अधिक है और नौकरी समृद्ध है। "कहते हैं, संस्थान के पूर्णकालिक सदस्य बनने में बाधाएँ हैं," वे कहते हैं। और सैन फ्रांसिस्को खाड़ी क्षेत्र में, न तो वह और न ही उसकी पत्नी - भी खगोलविद - उसे नौकरी खोजने के बारे में चिंता करने की आवश्यकता थी। हालांकि, उनके लिए एक वास्तविक आश्चर्य यह था कि प्रौद्योगिकी कंपनियों में काम वास्तव में दिलचस्प था। वह बीट्स पर "बौद्धिक जटिलता के समान कार्यों पर काम करने वाले समान विचारधारा वाले लोगों" से मिले। गणित एक ही है, आवेदन अलग है।

दास नोटिस करते हैं कि कैसे अधिक से अधिक भौतिक विज्ञानी वैज्ञानिक के भारी हिस्से को बदल रहे हैं - जहां आप दस साल के लिए पोस्टडॉक के अनिश्चित वित्तीय काम कर सकते हैं - प्रौद्योगिकी कंपनियों में आसान और अच्छी तरह से भुगतान किए गए काम के लिए। "मेरे सभी साथी छात्रों ने प्रिंसटन में अपने डॉक्टरेट की रक्षा की, केवल दो ही वाणिज्यिक कंपनियों में नहीं गए," वे कहते हैं। "वहाँ रहने के लिए, आपको एक वैज्ञानिक बनने की ज़रूरत है।"

इस बड़े धमाके ने पूरी इंडस्ट्री पर कब्जा कर लिया है। "एस्ट्रोफिजिसिस्ट हमारा नंबर एक समूह है," एरिक कॉलसन, स्टिच फिक्स में एल्गोरिदम के प्रमुख एमेरिटस विशेषज्ञ कहते हैं। “ज्यादातर लोगों के पास संख्यात्मक डेटा के साथ काम करने के क्षेत्र में डॉक्टरेट है, लेकिन अगर आप एक ग्राफ बनाते हैं, तो मुझे लगता है कि खगोल वैज्ञानिक पहले आएंगे। वे गणित को बहुत अच्छी तरह से पढ़ाते हैं - कई भौतिक विज्ञानी गणितज्ञों की तुलना में गणित में बेहतर पारंगत हैं। वे प्रोग्रामिंग भी अच्छी तरह से सिखाते हैं। वे अधिकांश कंप्यूटर वैज्ञानिकों की तुलना में बेहतर कंप्यूटर विज्ञान में पारंगत हैं। ”

2015 में कोल्सन में टीम में शामिल हुए मूडी ने एस्ट्रोफिजिक्स के क्षेत्र में काम करने के दौरान प्राप्त ज्ञान को निर्देशित किया, जैसे कि ग्राहक की "छिपी हुई शैली" को चिह्नित करना - कपड़ों में एक अद्वितीय व्यक्तिगत स्वाद। स्टिच फिक्स ग्राहकों को कुछ सामान्य लेबल का उपयोग करके उनकी शैली को परिभाषित करने के लिए नहीं कहता है। यह खरीदारी के लिए लोगों की वरीयताओं पर और स्टाइल शफल जैसे उपकरणों के साथ डेटा एकत्र करता है - एक प्रकार का कपड़ा टिंडर, जहां लोग यह चिन्हित कर सकते हैं कि वे कुछ चीजों को पसंद करते हैं या नापसंद करते हैं। इकट्ठा करने के बाद, यह सब डेटा एक "स्टाइल स्पेस" बनाता है - उन चीजों का एक नक्शा जो ग्राहकों को पसंद है और ये आइटम एक दूसरे से कैसे संबंधित हैं। मूडी और टीम इस मॉडल का उपयोग यह अनुमान लगाने के लिए करते हैं कि ग्राहक को और क्या पसंद हो सकता है। एल्गोरिथ्म यह निष्कर्ष निकाल सकता है कि यदि आप मोटी मोतियों को पसंद करते हैं, तो आप मनका मोती भी पसंद कर सकते हैं - इसी तरह, नेटफ्लिक्स एल्गोरिदम का सुझाव है कि आप मुख्य भूमिका में एक महिला के साथ एक और कॉमेडी देखना चाहते हैं।

मूडी का कहना है कि इस तरह के कार्य उन लोगों से अलग नहीं हैं, जिनके साथ उन्होंने डॉक्टरेट की नौकरी करते हुए काम किया है। हिडन स्टाइल कार्ड? “यह Poincare स्थान है। यह आइंस्टीन ने सापेक्षतावादी रिक्त स्थान का वर्णन करने के लिए इस्तेमाल किया है, ”मूडी कहते हैं।

अन्य भौतिक सिद्धांत छिपी हुई शैली को समझने में शामिल हैं। मूडी की टीम मैट्रिक्स के वर्णक्रमीय अपघटन जैसी चीज़ों का उपयोग करती है, अलग-अलग "नोट्स" को अलग-अलग शैली में रेखीय बीजगणित की अवधारणा - कुछ ऐसा "जैसे कि गिटार स्ट्रिंग खींचना और कुछ नोट्स सुनना"। एक ग्राहक को स्त्रैण चीजें पसंद हो सकती हैं, लेकिन पेशेवर लोगों की तुलना में अधिक आकस्मिक। प्रत्येक व्यक्ति की शैली में कई डेटा बिंदु होते हैं - कुछ लोगों को स्पष्ट रूप से परिभाषित शैलियों के लिए जिम्मेदार ठहराया जा सकता है - और मूडी का कहना है कि भौतिकी की मदद से, उनकी टीम ग्राहक की शैली के दृष्टिकोण की सभी जटिलताओं को बेहतर ढंग से समझती है।

मूडी कहते हैं, "भौतिक विज्ञान का अध्ययन करने वालों में से कोई भी कपड़े नहीं पहनता है, लेकिन यह पता चलता है कि यह क्षेत्र अभूतपूर्व रूप से समृद्ध है।" "विज्ञान के दृष्टिकोण से किसी व्यक्ति की व्यक्तिगत शैली के बारे में सोचने की कोशिश करना आश्चर्यजनक है।"

कोलसन का कहना है कि उनकी टीम में कई खगोल भौतिकविद कंपनी के काम करने के लिए आकर्षित हुए हैं "क्योंकि दृश्यमान परिणाम जो सैद्धांतिक विज्ञान में शायद ही कभी पाए जाते हैं।" यहां वे उत्पादन में एक चीज भेज सकते हैं और परिणाम देख सकते हैं। ” जब मूडी सब कुछ ठीक करता है, तो स्टिच फिक्स ग्राहकों को उन चीजों की पेशकश करने की अधिक संभावना है जो उन्हें पसंद हैं - और उनकी टीम दैनिक आधार पर इस मीट्रिक को ट्रैक और सुधार कर सकती है।

वैज्ञानिक दुनिया में, खगोलविद वर्षों तक एक ही कार्य से लड़ सकते हैं। एक पूर्व मशीन लर्निंग इंजीनियर और एस्ट्रोफिजिसिस्ट, और अब इनसाइट डेटा साइंस के एक कर्मचारी, एम्बर रॉबर्ट्स कहते हैं, सबसे दिलचस्प समस्याओं में से कई को पहले ही हल कर दिया गया है, जो वैज्ञानिकों को उद्योग में जाने में मदद करता है। “हमने ब्रह्मांड का आकार सीखा है। हमने प्रकाश की गति को मापा। हमें पल्सर मिली। हमें ब्लैक होल मिला। - इन प्रमुख खोजों में से कई, उदाहरण के लिए, अंतरिक्ष-समय या गुरुत्वाकर्षण विरूपण के सिद्धांतों की समझ ने लोगों को अंतरिक्ष अन्वेषण और ब्रह्मांड विज्ञान में दिलचस्पी दिखाई। हालाँकि, आप जो कर रहे हैं, वह ज्ञान के क्षेत्र के बहुत छोटे हिस्से का विस्तार कर रहा है, और तीन साल से एक वैज्ञानिक पत्र लिखने पर काम कर रहा है, जो दुनिया भर में एक दर्जन लोगों को दिलचस्पी देगा। ”

नेटफ्लिक्स के खगोल वैज्ञानिक दास का कहना है कि ब्रह्मांड की खोज के आसपास के रोमांस को छोड़ना मुश्किल है। "जब मैं समझाता हूं कि मेरे माता-पिता के साथ क्या हो रहा है, तो वे कहते हैं: आपने यूनिवर्स के साथ ऐसी भयानक चीजें कीं, और अब आप लोगों को फिल्मों की सिफारिश कर रहे हैं!" - दास कहते हैं। हालांकि, वह इस बात से सहमत हैं कि उनका नियमित काम तकनीकी मुद्दों से अधिक संबंधित है, जैसे "ब्रह्मांड की खोज करने के बजाय पैरामीटर को 50% से 5% तक मापने में त्रुटि को कम करने की कोशिश करना"।

नेटफ्लिक्स में, तकनीकी कार्य कुछ इस तरह दिखता है। लेकिन जब वह सोचता है कि वह वास्तव में काम पर क्या करता है - वह फिल्मों और कहानियों के साथ दुनिया भर के लोगों को एकजुट करता है जो उन्हें एक-दूसरे को बेहतर ढंग से समझने में मदद करेगा - वह अपने योगदान से कम संतुष्टि महसूस नहीं करता है जब उसने एक खगोल भौतिकीविद् के रूप में काम किया था। दास कहते हैं, "यह दूसरे ब्रह्मांड की खोज करने जैसा है।" "मानव का ब्रह्मांड।"