IBM×星球大战
41年前的1977年，乔治•卢卡斯的《星球大战》系列电影问世，以其独特的魅力，影响着一代又一代怀有科幻梦的年轻探索者，超越时代的界限，探索科技的远方。
近期，IBM与卢卡斯影业合作打造《科学与星球大战》系列短片，展示科技如何在现实中实现光剑、BB8智能机器人、微小芯片/再生液体、磁悬浮、原力、机械手指、AI、高成像头盔、太空旅行9大星战元素。
IBM副总裁、大中华区CMO周忆
作为连续25年获得美国专利最多的科技公司，IBM始终在尖端科研和信息技术应用领域不断突破，并正在让量子计算、IBM Watson人工智能和云计算、智能物联网等前沿技术成为推进科幻梦想成为现实的重要力量。
合作视频揭秘的星战元素
智能机器人：
可爱的BB8，机警的R2，还有多愁善感的C3PO，星战中每个机器人都个性独特又各有所长。其实， “AI伙伴”离人们生活并不遥远、已经开始在生活中帮助人类——不仅开始助力人们作诗、作曲、设计，还能帮助教师实现个性化教育、帮助律师征服法律文献的海洋、甚至充当酒店的“有理有节的礼宾员”——为顾客服务。
尽管人类离造出星战里的描绘的一些“高智商、高情商”机器人的目标还有一定距离，但是科学家其实正在造出越来越聪明的AI大脑——具有越来越强的URLI（理解、推理、学习和互动）的能力，比如，IBM科学家正在提升人工智能的“Social Intelligence”——社交智商，它们能与人们进行更深入的情感交流。
【案例1】2-5岁是孩子智力发展最为迅速的时期。为了充分开发孩子的潜能，家长们奔波于各种培训班。不同的孩子，却是相同的成长套路，这样的学习效果会好吗？美国知名教育机构芝麻街，正借助Watson，为孩子们定制个性化的课程和学习方案。Watson快速学习了芝麻工作室45年来积累的教育知识和经验，以及1,000多项有关幼儿学习的研究成果，理解并推理出不同阶段、不同类型孩子的独特需求，从而设计能达到最佳学习效果的游戏和节目。 此外，这个教育平台还能在与孩子们的每一次互动中不断进行调整和优化，以匹配孩子个性化的学习风格。 IBM与芝麻街工作室的合作将能够满足每个孩子在学习上的独特需求，让孩子告别千篇一律的教育，让他们站在一条最合适的起跑线上个性化成长，做最好的自己
【案例2】对于技术复杂严谨的油气开采公司，新手秒变专家是一个迫在眉睫的需求。油气开采作业需要对设备、天气、地理条件等多方面建立可持续的项目体系，每位轮流到现场作业的员工需要具备严谨的知识体系——相当于30年工作经验。“新伙伴”IBM Watson学习了积累了30年的 38,000份文件，可以分析各种关键数据，通过自然语言为工程师提供专业建议，让工程师节省了75%搜索专业知识的时间。
【案例3】Olli是利用IBM Watson物联网的基于云的认知计算能力，对嵌入在整辆车中的30多个传感器所提供的交通数据进行分析与学习的首款车辆。Local Motors开放式的汽车开发流程将允许公司基于乘客需求和当地习惯相应地添加并调整传感器。此外，该平台还利用4个Watson APIs（Watson developer API）– 语音到文本(Speech to Text)、自然语言分类(Natural Language Classifier)、物体识别(Entity Extraction)以及文本到语音(Text to Speech) – 实现车辆与乘客之间的平顺的交流。
【案例4】IBM杰出工程师、盲人科学家浅川智惠子博士开发出一款NavCog（视觉障碍导航系统）App，基于人工智能定位、识别、知识、地图四个技术领域，实现让有认知障碍人士可以同正常人一样行走，购物、知晓对面走过来的人是谁，聊天对象表情等。这一应用不仅适用于，同样适用于老年人。
巴克塔液体：
星战电影里就有一个神奇的“巴克塔箱”，里面装满了能让细胞再生的“巴克塔液体”，它能“愈合、修复”世界上最严重的伤口，而且不留一点疤痕。电影角色卢克•天行者在一场暴风雪中冻伤身体，也是在“巴克塔液体”中恢复的。类似的一幕，已经逐渐在医疗行业变为现实。例如，美容手术中常见的“皮肤修复术”，就是通过重新植入人造皮肤，让已经坏死的皮肤重新焕发新活力。
更进一步，人类还正在努力对疾病进行“预测”。 “纳米级疾病跟踪”能让人们高速、及时、便捷地从一滴血、一滴泪、一滴汗中发现疾病隐患。
IBM正在开发”芯片上的医疗实验室”技术（“lab-on-a-chip”）。根据IBM 年公布的“未来五年五大创新趋势”年度报告（“IBM 5 in 5”）预测：今后五年，它就像健康侦探，实现纳米级疾病跟踪，追踪体液里无法看到的信号。而且，“芯片上的医疗实验室”技术将被整合到便携式的手持设备中，让人们可以便捷地通过一滴血、一滴泪、一滴汗分析生物指标，可以被迅速地将信息从家里传送到云端。这样便可以与睡眠监测仪和智能手表等其他物联网设备的数据进行整合，然后交由AI分析，并返回结果。一旦实现，人们可以每周、甚至每天监测自己的健康，“永远走在疾病前面”——实现针对疾病的“早发现、早治疗”。
【案例】机器“相面”辅助诊疗，准确率超出人类专家
皮肤癌是一种高发疾病，其中黑色毒瘤致死率最高。专业的皮肤科医生可以利用 “皮肤镜”的影像技术，提早发现黑色素瘤，但面临两大挑战：一是掌握这类技术的医生数量严重不足，二是人非圣贤，孰能无过，经常出现误诊。IBM借助人工智能的计算机视觉技术，只靠图片就能准确诊断患者是否患有黑色素瘤。医护人员只需利用皮肤镜拍摄一张病变患处的图片，并上传到云端分析服务中心，就能获得详细的检测报告。随后，医生只需详细分析报告中的数据，就能判断病人是否患了黑色素瘤。目前，IBM对皮肤癌诊断的正确率高达97%，已经超出了专家的平均诊断水平（85%）。除了检测皮肤癌，医生还能根据报告数据，及时判定患者是否还有患其他疾病的可能。
高成像头盔：
《星球大战》中Boba的头盔的设计装有运动与声音传感器、红外线装置和通讯器于一体的可穿戴设备，以便Boba比敌人看得更清楚、视野更广。现实中，超过99.9%的电磁波谱无法被肉眼看到。
过去 100 年里，科学家发明了许多仪器，可以释放并感知不同波长的能量，而这些技术在当下被应用在医学成像领域，以检查牙齿中的空洞、检查机场行李、帮助飞机在浓雾天气降落。但这些设备都非常专业，且价格昂贵，且在技术上只能看见某些特定波长的电磁波谱。
IBM在2017年初发布的“Next 5 in 5”中预测，未来五年内，基于超级成像与人工智能，人类将拥有“超人”视觉。基于超级成像和人工智能技术的新型成像设备，能够集成众多波长的电磁波谱带，从而极大地拓展人类的视野范围，观测更为广泛的世界，揭露出有价值的或蕴含潜在危险的信号。最重要的是，这些设备都便于携带、价格低廉、易于使用，因此超人视觉可以成为我们日常体验的一部分。
如果能够看到周围所有无法看到或有些模糊的物理现象，便可帮助驾驶员和无人驾驶汽车更好地了解路况。例如，借助毫米波成像、摄像头和其他传感器，超级成像技术便可帮助汽车看透迷雾或暴雨，探测黑冰等难以看清的危险路况，或者帮助我们了解前方物体的距离和尺寸。认知计算技术能够分析这些数据，然后找出导致爆胎的原因：可能是由于横穿马路的动物或十字路口倾翻的垃圾桶，或者路上的坑洼地段。将这些技术运用到手机后，便可通过拍摄照片来分析食物的营养价值、判断食物是否安全可食用。在医药和银行领域使用超级成像技术则可以帮助用户识别欺诈行为。原本无法被人类看到的信息都将一一呈现在我们面前。
目前，IBM 科学家正在开发一套紧凑型超级成像平台，可以在该平台“看到”电磁波谱的特定部分，从而催生一系列实用且价格亲民的设备和应用模式。
光剑
光剑是《星球大战》中最具代表性的装备，同时也是众多科学家希望最先实现的技术。然而、多数人认为光剑的原理是释放激光，而光束是无法发生碰撞的，所以光剑技术也是绝大多数人认为星战科技中最无法实现的。
在现实中，基于激光的武器存在类似应用。如美军将为无人机配备的激光武器，发射出的激光可击落敌方无人机。此外，现实中也有好似光剑一样无坚不摧的应用，如可以用于抢先救援的高温热喷枪，同样可以通过瞬间喷发的超高温火焰，轻易据开障碍物，用于紧急施救领域。
在《科学与星球大战》系列视频里， IBM 的研究人员展示了，用离子体帮人们把一根金属瞬间达到极高温，实现类似光剑的“披荆斩棘”切割力。
太空旅行
《星球大战》中，最快的飞船“千年隼号”、超空间“星际跳跃”，是两个最吸引人的太空旅行科幻场景。然而，星战中飞船的超空间跳跃技术，需要难以想象的巨量数据运算。电影中的一个经典场景是：男主人公之一汉索罗驾驶飞船误闯小行星带，成功导航通过的几率仅有约3720：1。因此，星际探索的重要挑战之一是：针对海量数据计算，进行路径选择和优化，即以最快的速度、找到最安全路径，这对于传统计算机是极具挑战的任务。
IBM在量子计算上的研究为突破计算力的局限带来曙光。2017年11月，IBM公布了50量子比特位的量子处理器原型，这是人类在计算力上取得的一个重要进展。相比传统计算，量子计算可以实现基于量子叠加态的重叠计算。它可处理海量数据、海量因素、海量维度。其远远超过了传统计算机的运算速度，而且其使用范围不局限于航空领域，还能为化工、新药、新材料研发、金融安全等领域带来突破式创新。
原力：
作为星战中最为重要的科幻元素之一，“原力”的存在可以让影片中拥有它的人随意控制物体移动，控制物体、武器防御外来攻击。而在生活中，人们通过“全副武装”的可穿戴设备，可以远程开启智能音箱、打开空调、烧好热水。人们心跳的频率、眼睛的疲劳度也可直接与电脑开关相关。
IBM也有类似技术。IBM Watson IoT技术与智能头盔Emotiv Insight相结合，能让脑电波控制技术成为现实。而根据埃森哲的报告，在万物互联的时代，以智能互联设备和机器为基础的产业互联网能够帮助企业拓展新的数字化服务和商业模式，到2030年有望为全球贡献14.2万亿美元的新产值。
【案例1】电梯如果频繁故障、停机，不仅会威胁乘客安全，还会让楼宇价值和业主体验大打折扣。世界最大的电梯公司之一KONE（通力），同时运维百万部电梯和扶梯，每天承载10亿人，怎样万无一失地保证电梯安全运行不罢工？KONE电梯为其维修员“雇佣”了一个新搭档IBM Watson。通过每台电梯中的IoT传感器，Watson实时监控电梯的运行状况，不放过任何一个安全隐患，给电梯维修员赋予了提前预知电梯故障的“超能力” 。在电梯还没有发生故障之前，维修员就能赶到现场，消除安全隐患。
【案例2】本田研发部门采用IBM Watson物联网 (IoT) 技术监控并分析来自一级方程式 (F1) 赛车中160多个传感器的数据。车手和工作人员可以实时采用数据和分析而帮助优化性能并提高燃油效率，使车手能够做出实时比赛决策。
悬浮飞行器：
星战中有多达十余种飞行器，如雪上飞行器，飞行摩托等，可随意在天际穿梭。生活中，类似的技术正在映射在交通、低温超导、电力等行业与领域。在交通行业，磁悬浮列车目前已经实现；在低温超导领域，人们可以将电脑、手机永远在低功率状态下，实现超长待机；而电力领域也正在研发如何让电力传输的测试成本降低。
IBM的超导和磁电研究处于领先，包括将超导技术应用于IBM Q系统和量子生态的开发。近期，IBM宣布带有20 个量子比特的客户端系统已经可以使用；下一代的 IBM Q 系统正在开发之中，该系统将配备首个 50 量子比特处理器；IBM 还扩展了开源量子软件包QISKit；推出了全球最高级的量子计算生态系统。
IBM前沿技术在各行业专业领域的应用案例
营销与数据分析
1.每个营销人都能洞察客户需求
Watson Analytics的认知技术赋予欧唯特公司咨询师分析能力，更重要的是赋予他们从新的角度进行探索分析的能力，能帮助品牌更精准地了解客户需求。。原来咨询师们在研究产品维度时，已经形成固化的思维方式，会从性别，年龄，区域等角度进行拆解分析。当他们将某快消时尚品牌的数据导入Watson Analytics，进行引导式的数据探索与交互，在Watson的“探索模块”，惊喜的发现支付方式与产品之间有一定的关联，欧唯特公司立刻建议客户针对不同支付方式的人做精准的产品沟通。微信和支付宝合作，使用这两个方式支付的客人，支付之后会出现“一键注册会员”的界面，这种迎合客户需求，并且简单操作的活动，大大的促进了品牌会员转化率和用户体验满意度。
2.起亚利用IBM Watson提高营销效果
在2016年超级碗活动中，韩国汽车公司起亚和数字营销公司Influential合作，用IBM Watson分析了Twitter, Facebook、Instagram等社交媒体上”网红”们发布的内容，将他们分成了不同类，贴上了不同的标签，稳健、深刻、乐观、求变等等。起亚公司从中挑选了那些拥有”勇于改变、对艺术感兴趣、渴望成功”的上百个“网红”。接下来他们做了一件有意思的事：起亚公司给这些“网红”每人寄送了一款起亚汽车广告中的“彩色袜子”——在广告中，美国演员克里斯托弗•沃肯，在无聊、以灰色为主调色的衣柜中，选择了一双彩色袜子，用来彰显起亚汽车是如此的与众不同，充满生气与欢乐。很多人都看了这个广告，记住了那款独特的彩色袜子。“网红”们收到这些彩色袜子后非常兴奋，于是主动在社交媒体上进行各种“炫耀”，很多人还编了有趣的关于彩色袜子的故事。这些“网红”在社交媒体上的一系列行为传递了起亚的乐观、欢乐的价值观。“网红”们的行为得到粉丝的极大认可，在社交媒体上产生了互动与共鸣，有90%以上的粉丝还转发了“网红”的分享。这堪称一次绝妙的成功营销的活动，起亚所期望塑造的品牌形象通过这次活动在 “网红”粉丝心目中成功树立起来了。
3.家乐利用Watson给客户带来新奇体验
“家乐”是联合利华旗下的食品品牌，主要产品为汤料和调味品。作为大众品牌，其产品销往世界各地。他们与IBM合作，在全球引领了一场运动。借助IBM Watson增强智能，家乐设计了一项趣味测试，对人们在爱情上的喜好进行分析（即自己的心仪对象是什么类型的人），再研究心仪对象钟爱的食物味道。如果根据味道的喜好对人进行配对，他们在爱情上也会匹配。IBM帮助家乐研发了一个基于认知的味道分析工具。这个味道测试工具可以向参与者提问，了解并分析他们的信息，然后将参与者的专属味道资料创建出来。人们可以通过在线访问使用这个工具。“家乐”原本只是一个固体汤料和调味品品牌，它的产品通常只会被放在厨房的橱柜里，从没给人以炫酷的印象。但与IBM合作的这项趣味测试，却让“家乐”这一品牌变得很酷很潮。消费者很快就通过社交媒体了解到这个测试工具，并且将自己的测试结果分享到社交平台上，让 “家乐”的名气疯狂传播开来。这是一场非常巧妙的营销，策划者借助IBM增强智能，创造了一个非常巧妙的互动模式，再利用这个模式实现了巨大的广告效应。 “家乐”也因此拿到了联合利华当年所有的奖项，最终其销售额直线上升。
4.IBM认知型广告竞价优化工具提升营销效果
IBM正在研发 “认知型广告竞价优化工具”，将人工智能应用到程序化媒体购买中。与传统算法和普通程序化算法相比，这种AI算法更精细。比如，普通的广告投放方式无法区分用户当时所处的使用环境，但认知型投标优化工具就可以。在试验项目中使用这个工具，投放转化率有了大幅提升，提高了30%~40%。在一项特定的测试中，转化率提高了72%。结果十分惊人。试验数据表明，该工具对提高营销资金的使用效率意义重大。
5.认知营销让马姆莫斯度假村(Mammoth Resorts) 游客数量屡创新高
IBM宣布，美国加利福尼亚州领先的四季山地度假区企业马姆莫斯度假村(Mammoth Resorts) 正在使用 IBM 云上的 Watson 客户互动解决方案(Watson Customer Engagement)创建个性化的优惠信息，使每年前往该度假区的游客数量屡创新高。
借助基于云的 Watson客户互动解决方案，马姆莫斯度假村能够密切观察客户在网站上的活动，包括他们在何处花的时间最多，他们查看了哪些信息，他们购物车是否是空的等等。根据这些细节，马姆莫斯度假村发起响应式电子邮件营销活动，客户查看每款商品时都可以收到优惠交易信息，比如下次访问时免费住宿一晚。马姆莫斯度假村营销团队随后会跟踪哪些促销活动最成功地吸引客户回访其网站。
除了吸引新的旅客，IBM Watson客户互动解决方案还基于旅客过去的停留信息，根据每个人的偏好，开展及时、个性化的营销活动，帮助马姆莫斯度假村建立起了客户忠诚度。目前，IBM 正在帮助公司根据马姆莫斯度假村的要求，按他们需要的时间和方式将认知技术融入其营销、商务和供应链能力中。IBM 目前正与全球 17,000 多家公司合作，包括Amadori Group、American Eagle Outfitters、Boots、Ermes、Luxottica、Moosejaw Mountaineering、Office Brands、Performance Bicycle 和 REI。
6.利用Watson开启认知商业模式，印度Titan公司定制个性化营销方案
IBM公司日前宣布，印度手表及其他精美个人配饰的领先制造商Titan Company Limited正在使用客户互动解决方案和基于云的解决方案，帮助公司通过1,100万的忠诚客户提高年销量，同时利用Titan的独特产品吸引新客户。
作为总部位于印度班加罗尔的多类别、多品牌全球时尚生活产品制造商，Titan目前正在利用IBM Watson客户互动解决方案作为其电商平台的支柱，使公司能为其客户量身定制在线营销活动, 考虑客户的偏好和过去的购买情况（客户以前将钱花在何处，哪些交易会刺激购买行为）的同时，还会利用分析来研究客户的实时行为，以便随时调整营销活动，促使客户购买商品。
通过与IBM合作，Titan希望激励老客户，增加购买次数，并且增加3倍的购物品种，无论是在电脑端、手机端还是在实体店。Titan旨在利用IBM的平台将访问者引至其品牌网站，并引导逛街的人进入其遍布全印度的1,500家零售店和10,000个多品牌直销购物中心。目前，IBM是唯一一家帮助各类公司将认知技术无缝融入其营销、商务和供应链功能中的供应商。
7.North Face
IBM的一个美国合作伙伴，利用 Watson为著名的户外品牌 North Face 开发了一个个人购物助手。这个网购助手能够在背后调动 Watson 去阅读几百万产品页面、杂志文章、旅游攻略、博客文章，迅速理解用户问题，并马上推荐一系列的产品。你可以进一步提问，这些技术特征有什么意义或是用户评价，网购助手都会给你详细的解释。
艺术创意
1.机器让每个人都可以成为创作型歌手
亚力山大•格兰特（Alex Da Kid）是一个非常优秀而且抢手的音乐制作人，曾在2014年获得格莱美奖。但最早认识他的人，只知道他是一名专业足球运动员。随后他在朋友们的印象中转型成为了音乐制作人，但他最新的愿望是成为创作型歌手。他找到了Watson帮忙，Watson在以下三个方面参与了歌曲制作：首先，Watson分析了近五年的文化数据，包括诺贝尔和平奖演讲内容，纽约时报头版，最高法院的裁定，Getty博物馆的声明，维基百科文章，热门电影概要等等，并找到每一年的“情感温度”。同时Watson分析了相关社交内容如博客和推特，找出人们在社交媒体上展示最多的情感。其次，Watson从过去5年来每一周的歌曲排行榜中，选取Top100进行歌词解读，也就是说，它大概分析了26000首歌的歌词（有些是持续上榜歌曲），找出这些歌词背后的情感。综合这些分析，Watson发现“心碎”是一种普遍的情感，能够与公众产生共鸣。最后，Alex用Watson解读流行歌曲的作曲结构、节奏、音符、乐器等，重新组合创作歌曲，并演唱。Alex发表了第一支个人单曲《Not Easy》，表达“心碎”的感情。《Not Easy》在北美广受好评，而且在QQ音乐上也深受听众喜欢，听众表示“好听的想哭”，“好听到爆炸”。
2.《Morgan》预告片
一部电影的预告片，需要足够吸引人，电影剪辑师需要将影片看上数十遍，反复筛选最能表达电影主题、调动观众情绪的片段。通常，10天-1个月，才能完成一支预告片的剪辑。现在，Watson帮助21世纪福克斯公司的剪辑师用1天时间，就将《Morgan》预告片完成了。它对100部恐怖电影预告片的视觉、音频和场景构成进行深度分析和理解，理解了人类世界的恐怖、悬疑和惊悚这些感受和情绪。在这部影片中，Watson读懂了什么是“悬疑、恐怖和惊悚”，提炼出电影中代表这些情绪的镜头，进行组合拼接，给观众紧张刺激的体验。
3.服装设计：从Marchesa Dress到VOGUE李宇春
2016年，在美国的“时尚界奥斯卡”Met Gala上，捷克超模 KK (Karolina Kurkova)身着一条闪闪发光的“会思考”的裙子，婀娜多姿，惊艳了整个时尚界。Marchesa由两个年轻设计师共同创立，自2004年诞生以来就以昂贵的材质、特殊的剪裁和精细的手工赢得欧美女星名媛的追捧，这次，设计师在准备Met Gala的礼服时，希望展现浪漫、梦幻、永恒的气质。IBM Watson围绕这个目标干了这么几件事，辅助Machesha设计师打造了这一条“会思考”的认知裙子：
1.帮助设计师找出最合适的面料和颜色
其实是裙子上的花朵，它能发光。这对面料要求非常高，它必须质地轻薄通透、透光性极佳、气质优雅。Watson(Inno360)阅读了超过百万份面料材质的使用报告，从超过4万种面料中快速锁定了35种面料，并建议了35种既适合MetGala场合，也符合Marchesa一贯风格的颜色与之相配。最后设计师从Watson推荐的面料中选择了一种。
2.让裙子读懂社交媒体上的粉丝情绪，并且实时展示在礼服的花朵上
这条礼服不仅剪裁独特、气质梦幻，还能够根据网络评价发亮变色——礼服绣的150朵花里内置有LED灯，LED灯由Watson Tone Analyzer API实时监测Twitter上的发言，分析背后的情绪来改变颜色。例如用五种颜色分别代表了欢乐、忍耐、兴奋、鼓励和好奇，当社交平台的发言“欢乐”值较高，那么Tone Analyzer会让LED灯亮起明亮的玫瑰色；如果“兴奋”值偏高，那么灯花则会增加一层阴影。所以我们称它为“会思考的裙子”。
医疗
一名研究人员一年可以阅读200-300份医学文献。IBM Watson可以在10分钟内阅读和剖析20,000,000份医学文献、论文和病理。
在中国,顶级医疗资源难以全面覆盖每年300万-400万的新增癌症患者。IBM Watson正在肺癌，乳腺癌，胃癌，结、直肠癌，子宫颈癌等高发癌症专业治疗领域，协助医生为病人提供个性化专业治疗建议，普惠大众。
中国有290,000,000心血管病人,IBM中国实验室联合知名药厂及著名专科医院,运用认知风险分析模型发现27个新的风险因素，将预测中风发生的准确率显著提高60%，帮助每年至少1,200,000人躲避中风的危害,同时也减少了过度治疗。
2020年，我国65岁以上老龄人口将达1.67亿，认知IoT养老解决方案能通过各类IoT设备收集老人健康数据，并将数据交由核心引擎完成认知学习，实时监测老人身体状况，及时预警健康风险，便于子女照护老人，实现居家养老。
其他
1.【教育】每一个老师都能激发孩子的潜力
在美国德州的一所学校，人工智能正在帮助老师，让他们更全面、更及时的了解学生，并实时反馈。以代数课程为例,系统对每个学生每一个知识点的掌握情况给出评价。以颜色分类，绿色表示这个学生已掌握的知识点，红色表示这个学生没有完全掌握的知识点。系统给出具体的分析，让老师简洁明了地了解这个学生对各个知识点的掌握情况，从而根据这个学生的知识水平再结合他的兴趣爱好，帮助这个学生提升。
2.【律师】机器也能对答如流
由IBM研发的世界第一个人工智能律师Ross已经诞生。Ross基于Watson，目前就职于纽约 Baker &Hostetler律师事务所，处理公司破产等事物。它利用机器学习研读大量的法律案例与文书，并能对一个使用者的法律提问进行自然语意分析，从中找出最适合的法律意见的人工智慧服务。它可以理解语言、回答问题、提出假设并记录法律系统的变化发展。
3.【旅游】Ivy导游服务生
美国一家公司叫做WayBlazer，基于Watson开发了一个名叫Ivy 的 “导游服务生”，在拉斯维加斯的酒店已经用起来了。现在去拉斯维加斯，可以用自然语言直接去问 Ivy，它会用自然语言直接告诉你，有什么适合你的项目，帮忙安排行程、订餐、订票等。此外基于 Watson，有人还开发了一个导游应用。这个应用可以根据你的需要，一步到位的给你定制旅游攻略，美国城市Austin就使用了这个应用来服务游客。它可以向你推荐酒店，介绍本地的景点，帮你制定攻略。
4.【厨师】IBM Watson大厨
在诸多食材面前，如何为每一位挑剔的食客烹出恰到心头的美食，对于厨师而言，不仅需要熟悉各种食材的搭配和属性，还需要读懂食客的心。IBM与顶级美食杂志Bon Appétit，基于认知计算，开发出一款烹饪网页应用。这款基于Watson的免费应用能提取Bon Appétit数据库中超过一万道食谱，可能生成的食材搭配方案以数百亿亿计，从而更好地了解如何在不同菜肴与菜系中使用它们。为帮助每个爱好者成为最佳家庭大厨，IBM Watson的聪明之处还在于将现有食谱、食品化学及个人偏好等数据结合，并融入测试参与人员的宝贵意见。
5.【保险】保险理赔员
遭遇损失后，谁都不愿再为了应得的理赔金劳心伤神地与保险公司打“持久战”。因此，快速理赔是保险公司赢取客户的关键。由于保险业务涉及众多专业领域，如医疗、交通、金融等，保险理赔员需要对每个专业领域的法规了如指掌，花费大量时间去阅读相关文献和资料，再对理赔资料进行审核、定损。“新伙伴”IBM Watson 能够学习各种保险条款、理赔流程、评估标准等相关专业知识，帮助保险理赔员员快速地对理赔做出合理评估，使保险公司的理赔效率提高了25%。
6.【制造】飞机机械师：周末也能多出3小时的旅行计划
每每工作忙碌的时候，都希望即便是周末也能来一次说走就走的旅行。短短两日的行程，火车太慢，可飞机如果延误，耗时甚至比火车还长，哪里还有时间游览异地风光。所以无奈都挤在小长假和7天长假去和全国人民大合影，周末旅行想想都不现实。那么如果飞机每次都准时起飞和到达呢？很多航班延误都是飞机检修时间过长引起的。就像大韩航空的工程师们，除了日常检修，每年要面对20多万个维修任务，需要花大量时间去找到问题症结。而现在，工程师们迎来了一位“新伙伴”IBM Watson。它能够和飞机“对话”，从以往累积的维修记录、飞行数据等中，发现故障隐患，帮助工程师的维修效率提高了90%。甚至在飞行过程中，如果乘务组发现异常情况，也可以向地面维修人员汇报，并得到最及时的反馈，确保飞行安全。
7.【零售】哪个年份都能喝到最好的红酒
一杯红酒可以浸润一个浪漫片刻，可以微醺一席畅谈，但其中每一滴甘甜与酸涩，都有三天三夜也说不完的酒庄故事和酿造学问。如果红酒酿造于风调雨顺，气候适宜的年份，除了价格不菲以外，红酒发烧友更是恨不得从一丝转瞬即逝的微妙口感中，扑捉到一株葡萄“天时地利”的生长过程——恰当的水分，精确的日照时间，苛刻的土壤成分，不禁对大自然的完美馈赠感慨一番。天时地利可遇不可求，更何况再好的自然条件，也要讲求可持续种植，才能让佳酿继续传承。作为世界顶级酒庄之一，美国嘉露酒庄面靠这片土地酿造了80多年红酒，希望能最大限度地保持这片土地的生命力，用最少的灌溉水量，种出最好的葡萄。嘉露酒庄在葡萄种植的过程中加强了“人和”，为葡萄园的种植者请来了一位“新伙伴”IBM Watson，给每株葡萄提供最佳的生长环境。根据IoT传感器对土地湿度和气候的实时监测数据，Watson可以给每300平方米的葡萄园，提供精准的灌溉计划；相当于每半亩地就有一个专职种植者24小时精心呵护这里的葡萄。这不仅让葡萄的生长环境最优化，更是让酒庄节省25%的灌溉水量，从而建立起一套可持续的葡萄种植体系。
8.【零售】IBM区块链与连锁零售商共塑“食品安全”信任黄金链
很多人都可能遇到，保质期内的食品也有可能是变质的。超市产品经理遇到投诉时也常挠头。食品信息系统非常复杂，如果要追查哪个环节出问题了，往往要数天到数周时间。不仅把消费者的信任磨没了，对于猪肉养殖方、物流方和销售方（超市）也可能造成巨大的损失。
今年开始，有大型超市零售商与IBM联合起来，用区块链技术为消费者吃上“放心猪肉”尽一份力。这个可追溯、不可篡改的区块链体系（“食品全流程数字化追踪体系”）把食品的原产地、加工包装、有效期、存储温度、物流配送等海量数据都记录下来，并取得商业网络中的所有参与方认可，一旦达成共识，就永久记录，无法更改，让整个供应链变的透明化、可信任。
对于超市质检员来说，只需几分钟就能把全流程信息查清楚。零售商能提升品牌价值，销售业绩更佳。对于消费者而言，未来买猪肉、水果等美食，扫一下码能追溯它的一生，但更重要的是，能真正放心！
9.【体育】篮球教练：开启伯乐“天眼”
跟每个NBA球队一样，多伦多猛龙队求贤若渴，希望发掘潜力球星，让球队拥有持续不断的实力。运动员精湛的球技不可或缺，然而对于一支成功的篮球队而言，运动员的性格和团队合作精神也一样至关重要。现在有了Watson，它可以通过认知API分析球员球技的长短板，让球员之间形成有效互补。同时，它还通过分析球员社交媒体账号、采访等信息得出候选人球员的性格特征，为教练提供更全面、深入的洞察，帮助球队甄选最佳的人选。
量子突破：突破49个量子比特模拟大关
IBM 带有 20 个量子比特的客户端系统已经可以使用；下一代IBM Q系统还会远吗？
IBM全球副总裁、IBM 大中华区首席技术官沈晓卫
如今，量子计算的发展来到了一个临界点，开始解决其他更传统的方式无法高效计算甚至无法计算的重要问题。
想要跨过这个临界点，需要构建、测试和运行能够容纳至少 50 个量子比特的可靠量子计算机。
然而在约 50 个量子比特级别，现有的量子振幅计算方法要么需要的实际计算过多，要么对内存有着极高的要求（即使现有的超级计算机也无法做到），甚至有时同时对计算和内存有着很高的要求。
目前，IBM 研究院的一支团队专门研究这个问题，目的在于建造拥有 49 个量子比特及以上规模的短型系统电路（short-depth）。
作为该团队的成员之一，IBM 研究院杰出研究员 Edwin Pednault谈到，他在一个看似毫不相关的情况下受到了重要启发。
将量子门看成硬毛刷
量子比特是量子计算中基本的信息单位，就像传统计算领域中的比特一样。一个量子比特可以同时代表 0 和 1 两种不同的状态，而且，事实上它们是以一种加权组合的形式呈现（比如 37% 代表 0，63% 代表 1）。二个量子比特可以同时代表四个值：00、01、10 和 11，还是采用加权组合的形式。同理，三个量子比特可以同时代表 2^3 种状态，即 8 个值：000、001、010、011、100、101、110 和 111。五十个量子比特能同时代表超过千万亿个值，而 100 个量子比特代表的值超过千万亿的二次方。
五十个量子比特能同时代表超过千万亿个值，而 100 个量子比特代表的值超过千万亿的二次方。
在测量量子比特时，它们的量子态会“坍缩”至其中的一个值，而这些值的权重（即量子振幅）决定了观察到这些值的概率。量子计算的巨大前景在于，它有望对呈指数级增长的潜在结果执行并行计算，产生量子态。这种情况下，期望的计算结果拥有较大的振幅，因此，在测量量子比特时，这些结果更有可能被观察到。
我所说的这个看似不相干的时刻，其实就是有一天晚上，我在洗碗的时候，用了一把硬毛刷来清洗高脚杯。我突然发现，如果将应用在指定量子比特上的量子门放到一个栅极电路中来看，这些量子门就成了硬毛刷状，而这些刷毛就是应用到这个量子比特上的纠缠的量子门。从数学上来看，这个布满量子门的“硬毛刷”就好比一个个张量以及刷毛到张量的索引。在数学中，一个张量基本上相当于计算机科学中的 N 维数组。
这个发现很快让我想到了将栅极电路拆解成单个的“硬毛刷”，一个硬毛刷对应一个量子比特，然后计算相应的张量，最后将每个量子比特的张量整合在一起，计算整个电路的量子振幅。第二天上午，我发现了如何只使用 1 GB 内存，拆分由 16 个量子比特组成的集群，从而计算出一个 64 量子比特深度为 10 的电路的振幅。之后，这个思路就像滚雪球一样发展成更常规的方式，也就是将电路拆分成分支电路，分别单独模拟分支电路，然后按照不同的命令将这些分支电路的结果整合在一起，计算出期望的振幅。
第二天上午，我发现了如何只使用 1 GB 内存，拆分由 16 个量子比特组成的集群，从而计算出一个 64 量子比特深度为 10 的电路的振幅。
最终，我们得到了一个计算量子振幅的方法，这要求我们在原有方法的基础上大幅减少内存占用，同时确保针对每个振幅执行的计算量与当前最先进的方法有可比性。通过结合使用张量切片和前面提到的按切片计算电路的输出振幅的方法（而不必一次性计算或者保存所有振幅），我们可以满足减少内存占用方面的要求。
当计算测量结果的振幅时，只有那些对应实际测量结果的切片需要计算。换言之，为了根据测量结果评估量子设备的性能，你不必进行完整的模拟，而且随着量子比特的数量快速增加，也无需耗费额外的计算成本。这是我们的方法的一个重要优势。
但是，如果想要执行完整的模拟，我们的切片方法还有另一个优势，那就是切片能够以并行的方式完全独立地进行计算，这意味着这些切片可以轻松地隔离开来，从而在由松散耦合的高性能计算资源组成的网络中执行分布式计算。这项功能彻底改变了完整模拟的经济效应，让我们能够将不可能变为可能，成功模拟量子电路。
利用超级计算机，模拟 49 和 56 个量子比特电路
为了让后面这种可能性变成现实，我们的研究团队联系了劳伦斯利福莫尔国家实验室 (Lawrence Livermore National Laboratory, LLNL)。通过借助 LLNL 的超级计算机和最初由加州大学伯克利分校开发的 Cyclops Tensor Framework 对张量进行操作，我们首先选择了模拟一个 49 量子比特深度为 27 的全随机电路，该电路被视为所谓量子霸权的一个示例。在这个模拟过程中，计算步骤被分成 2^11 个切片，其中每个切片计算 2^38 个振幅，并且需要 4.5 TB 的容量来存储张量值。切片计算在六组处理器（四架处理器为一组）中以并行的方式运转，且每组处理器包含 4,096 个处理节点，共计占用 64 TB 的内存。模拟 49 个量子比特电路一度被认为是不可能的事，因为如果采用以前的方法，需要用到 8 PB 的内存，这超过了现有超级计算机的能力范围。
在接下来的演示中，我们选择了深度为 23 且包含 46 个比特的通用随机电路，而如果使用之前的方法，因为需要 1 EB 的内存，完全无法模拟这种电路。计算步骤被分成 2^191 个切片，其中每个切片计算 2^37 个振幅。但是在这次模拟中，出于演示的目的，我们选择仅计算单个随机所选切片的振幅；需要使用 3 TB 的内容来存储张量值，并在两架处理节点（2,048 个处理节点）上进行计算，总内存为 32 TB。
除了这些演示之外，我们还发现了对包含 49 个量子比特的电路进行分区的各种方法，确保只需 96 GB 的内存即可完成此次模拟，稍稍超出计算需求的两倍。我们还发现了需要 162 GB 内存的分区方法，其中计算需求几乎没有任何增加。因此，我们现在可以在高端服务器的集群上进行这些模拟，而无需使用超级计算机。
模拟的进展将有助于推动量子硬件的进展
尽管我们的方法究竟能实现何种程度的计算量尚未确定，但毫无疑问的是，这种进展将有助于我们突破包含 49 个或更多量子比特的短型(short–depth)量子电路模拟方面的局限。实际上，这些方法有助于我们测试和了解物理设备的运行情况，而且还有助于短型算法的开发和调试，用于解决采用量子计算相比传统方法更具优势的问题。
至少对于目前处于开发阶段或图纸设计阶段的量子设备而言，是否能够执行这些模拟的关键在于，如何通过经济性的方式获得计算资源量，而不是能否以物理方式实现这些模拟。举例来说，在我们的 56 量子比特模拟中，之所以未能完成完全模拟，是因为我们在 Vulcan 上的时间分配已超时。毫无疑问，完全的 56 量子比特短型电路模拟现在已经可以实现。同时受孤立计算系统上可用资源所限制的模拟运行时间也完全不是问题。由于切片计算能以并行的方式进行，因此仅需最少量的通信即可分布在松散耦合系统的网络中，进而实现较强的可扩展性，充分利用所有的切片。基于云的量子模拟最终可能还会实现超大量子电路的模拟。
这是否意味着我们就不再需要实际的量子计算机？并非如此。实际的量子计算机必不可少。在特定类型的应用中，我们需要物理量子计算机来执行计算，这些量子计算机要么需要过多内存，要么需要在传统计算机上以经济性的方式实现超强的计算能力。此外，从某种程度上来说，我们将会发现，对于一些特定的应用，量子计算机相比传统计算机更具优势。
这并不是所谓的“量子霸权”概念，而是说量子计算技术已经发展到了“就绪”阶段，使得我们能够充分利用已经上线的量子硬件、软件和工程设计功能。模拟已成为这种“量子就绪”阶段中不可分割的一部分。
IBM Q 体验可提供相关的资源，供我们进行学习和试验，而作为 IBM Q 体验的一部分，IBM 可以提供包含 5 个和 16 个量子比特的模拟器和实际硬件。此外我们还可提供量子 SDK，即量子信息软件工具包 (QISKit)，可轻松实现电路构建。为了帮助大家了解有关如何入门的更多信息，我们在github提供了Jupyter notebook 示例。
随着设备技术的发展，我们将会迈进一个量子优势时代；在这个时代中，大量的企业、科学家和工程师将能够充分利用量子硬件和量子计算能力，继续解决日益复杂的问题。在这个量子优势时代，无论是新量子算法的研究和开发，还是设备技术本身的发展，都需要借助高级模拟功能。
