เรียนรู้คอมพิวเตอร์ควอนตัมด้วยโปรเจ็กต์ทั้งเจ็ดนี้

เรียนรู้คอมพิวเตอร์ควอนตัมด้วยโปรเจ็กต์ทั้งเจ็ดนี้

เครดิตฟรี

ปีใหม่เป็นเหตุผลที่สมบูรณ์แบบในการเรียนรู้สิ่งใหม่ๆ เช่น วิธีเขียนโปรแกรมคอมพิวเตอร์ควอนตัมจริงๆ
คอมพิวเตอร์ควอนตัมเป็นอุปกรณ์ที่ใช้กฎทางคณิตศาสตร์เดียวกันกับพฤติกรรมของอนุภาคย่อยในการคำนวณ เราหวังว่าสักวันหนึ่งพวกเขาจะสามารถแก้ปัญหาในด้านฟิสิกส์ เคมี ธุรกิจ และสาขาอื่นๆ ได้เร็วหรือมีประสิทธิภาพมากกว่าคอมพิวเตอร์ทั่วไป สนามนี้ยังมีการเติบโตอีกมากที่ต้องทำ ดังนั้นตอนนี้เป็นเวลาที่เหมาะสมที่สุดที่จะเข้าร่วมและช่วยสร้างอนาคต ใครๆ ก็เขียนโปรแกรมคอมพิวเตอร์ควอนตัมได้อย่างแท้จริง — เพียงแค่ใช้ความเข้าใจพื้นฐานเกี่ยวกับภาษาการเขียนโปรแกรม Python คุ้นเคยกับหัวข้อทางคณิตศาสตร์ระดับมัธยมปลาย เช่น พีชคณิตเชิงเส้นและตัวเลขเชิงซ้อน และคอมพิวเตอร์ที่เชื่อมต่อกับอินเทอร์เน็ต

สล็อต

ไม่รู้จะเริ่มตรงไหน? คุณพบบล็อก Qiskit แล้ว ดังนั้นคุณก็ไปได้ดี Qiskit เป็นชุดพัฒนาซอฟต์แวร์โอเพนซอร์ซและชุมชนที่ทุ่มเทให้กับการเขียนโค้ดบนฮาร์ดแวร์ควอนตัมจริง เราได้เผยแพร่แหล่งข้อมูลการเรียนรู้มากมาย ตั้งแต่ซีรีส์วิดีโอCoding with QiskitและLearn Quantum Computation โดยใช้ตำราQiskitไปจนถึงหลักสูตรIntroduction to Quantum Computing และ Quantum Hardware ที่ครอบคลุมและฟรี
องค์ประกอบสำคัญของการเรียนรู้คือการทำ สมาชิกชุมชน Qiskit มักจะคิดค้นโปรเจ็กต์เจ๋งๆ ใหม่ๆ อย่างต่อเนื่องทั้งด้วยตัวเองและระหว่างแฮกกาธอนที่สามารถใช้เป็นแรงบันดาลใจ ฉันได้เชื่อมโยง เพียงไม่กี่ของพวกเขาที่นี่ นอกจากนี้เรายังได้สร้างโน้ตบุ๊ก Jupyter สำหรับโครงการที่เกี่ยวข้องซึ่งจะช่วยให้คุณเข้าใจอุปกรณ์เหล่านี้ แอปพลิเคชัน และเหตุผลที่เรารู้สึกตื่นเต้นเกี่ยวกับสาขานี้ หากคุณต้องการความช่วยเหลือในการติดตั้งและใช้งาน Qiskit โน๊ตบุ๊ค Jupyter คุณสามารถอ่านเอกสาร Qiskit ที่นี่หรือดูตอนที่ทุ่มเทของการเข้ารหัสด้วย Qiskit ที่นี่
สร้างเครื่องกำเนิดตัวเลขสุ่มควอนตัม
ความสุ่มเป็นหัวใจสำคัญของการคำนวณควอนตัม หลักการต่อต้านสัญชาตญาณประการแรกเบื้องหลังกลศาสตร์ควอนตัมคือมีระบบที่คุณสามารถรู้ทุกอย่างเกี่ยวกับ (เช่น ฟังก์ชั่นคลื่นที่อธิบายตำแหน่งของอิเล็กตรอนรอบอะตอม) และเมื่อคุณสังเกตระบบจริง ๆ ผลลัพธ์ (ซึ่งโคจรรอบคุณ) วัดอิเล็กตรอนใน) ดูเหมือนว่าจะถูกกำหนดแบบสุ่ม เราสามารถใช้แนวคิดนี้ เรียกว่า superposition เพื่อประโยชน์ของเราโดยการสร้างตัวสร้างตัวเลขสุ่ม
ที่แกนหลัก ตัวสร้างตัวเลขสุ่มควอนตัมตั้งค่าการซ้อนทับบนหนึ่งหรือหลาย qubits โดยใช้ประตู Hadamard ประตูนี้ย้าย qubits จากสถานะ 0 ไปเป็น superposition ที่เท่ากันของสถานะ 0 และ 1 ซึ่งหมายความว่าคุณมีแนวโน้มที่จะวัดค่า qubit เท่ากับ 0 หรือ 1 ที่จุดสิ้นสุดของวงจรควอนตัมเท่ากัน หากคุณปฏิบัติต่อสตริงของ qubits เป็นค่าไบนารี (1111 = 15 เป็นต้น) จากนั้นใช้ Hadamard gate กับทุกๆ qubit จากนั้นการวัดจะสร้างบิตสตริงแบบสุ่ม ดังนั้นจึงเป็นตัวเลขสุ่ม คุณสามารถใช้ตัวเลขสุ่มนี้ได้ทุกที่ที่ต้องการการสุ่ม ตัวอย่างเช่นโดยการสร้างบอทที่สุ่มเรื่อง Quantum Dad Jokes
ใช้อัลกอริทึมการค้นหาของ Grover
หนึ่งในแอปพลิเคชั่นที่พูดถึงมากที่สุดของคอมพิวเตอร์ควอนตัมในอนาคตคือความสามารถในการทำการค้นหาแบบไม่มีโครงสร้างผ่านฐานข้อมูลได้เร็วและมีประสิทธิภาพมากกว่าคอมพิวเตอร์แบบคลาสสิกด้วยความช่วยเหลือของอัลกอริทึมของ Grover อัลกอริธึมของ Grover สามารถเสนอการเร่งความเร็วกำลังสองในการค้นหาที่ไม่มีโครงสร้างเหล่านี้ ซึ่งหมายความว่าในขณะที่การค้นหาแบบคลาสสิกผ่านรายการขนาด N อาจใช้ระหว่าง N/2 และ N พยายามค้นหารายการ อัลกอริทึมของ Grover จะใช้ขั้นตอน √N เท่านั้น อย่างไรก็ตาม อัลกอริทึมของ Grover เป็นมากกว่าเครื่องมือค้นหา มันใช้รูทีนที่เรียกว่าแอมพลิจูดแอมพลิจูด ซึ่งอาจให้การเร่งความเร็วแบบกำลังสองสำหรับอัลกอริธึมอื่นๆ เช่นกัน
สมมติว่าคุณต้องการค้นหาผ่านรายการตัวเลขเพื่อดูว่ามีหมายเลขที่ระบุอยู่หรือไม่ อัลกอริทึมของ Grover เริ่มต้นด้วยฟังก์ชัน oracle ซึ่งทำเครื่องหมายค่าใดๆ ที่เป็นไปตามเกณฑ์ที่กำหนด แต่เพียงทำเครื่องหมายรายการไม่เพียงพอให้เราค้นหา จากนั้นเราใช้ฟังก์ชันอื่นที่เรียกว่าฟังก์ชัน diffuser ซึ่งทำให้อัลกอริทึมมีแนวโน้มที่จะส่งคืนตำแหน่งของรายการที่ทำเครื่องหมายมากกว่ารายการอื่นๆ เล็กน้อย การทำซ้ำโดยประมาณ √N ของกระบวนการนี้ โดยที่ N คือขนาดของรายการ จะขยายค่าแอมพลิจูดที่เกี่ยวข้องกับตำแหน่งของรายการที่ทำเครื่องหมายไว้มากพอที่จะส่งคืนตำแหน่งนั้นอย่างมั่นใจ
คุณสามารถค้นหา Jupyter Notebook ที่อธิบายวิธีการใช้อัลกอริทึมของ Grover ที่ลิงก์ไว้ที่นี่ซึ่งเป็นส่วนหนึ่งของหลักสูตร Introduction to Quantum Computing และ Quantum Hardware หรือดูหนังสือเรียน Qiskit
ใช้อัลกอริทึมของ Shor เพื่อแยกตัวประกอบตัวเลข
อัลกอริธึมควอนตัมบางตัวมีชื่อเสียงพอๆ กับอัลกอริธึมแฟคตอริ่งของ Shor เนื่องด้วยผลกระทบด้านความปลอดภัยทางไซเบอร์ที่อาจเกิดขึ้น ทุกวันนี้ การรักษาความปลอดภัยออนไลน์ของเราส่วนใหญ่ใช้การเข้ารหัส RSA (Rivest–Shamir–Adleman) โดยอาศัยข้อเท็จจริงที่ว่าตัวเลขจำนวนมากยากต่อการแยกตัวประกอบมากกว่าที่จะคูณเข้าด้วยกัน การคูณนั้นเป็นเรื่องเล็กน้อย แต่ความยากของแฟคตอริ่งจะเพิ่มขึ้นอย่างมากตามขนาดของอินพุต อย่างไรก็ตาม ด้วยคอมพิวเตอร์ควอนตัมที่มีพลังเพียงพอ ความยากในการแยกตัวประกอบของตัวเลขนั้นจะเพิ่มขึ้นเป็นพหุนามด้วยขนาดของอินพุต อาจต้องใช้เวลาหลายปีกว่าที่คอมพิวเตอร์ควอนตัมที่ใช้อัลกอริธึมของ Shor จะกลายเป็นปัญหาด้านความปลอดภัยในโลกไซเบอร์อย่างแท้จริง แต่คุณสามารถใช้อัลกอริธึมในการแยกตัวประกอบตัวเลขจำนวนน้อยได้แล้ว

สล็อตออนไลน์

ความมหัศจรรย์ที่อยู่เบื้องหลังอัลกอริธึมที่มีชื่อของ Peter Shor คือมันถือว่าแฟคตอริ่งเป็นช่วงเวลาในการค้นหาปัญหา นั่นคือปัญหาที่พบว่าใช้เวลานานเท่าใดสำหรับฟังก์ชันการทำซ้ำ คือการทำซ้ำ หากคุณจัดรูปแบบปัญหาอย่างถูกต้อง อัลกอริธึมสามารถคืนค่าปัจจัยของตัวเลข N ที่ระบุโดยมีความเป็นไปได้สูง ขั้นตอนวิธีการนี้เป็นโครงการที่คุ้มค่าไม่เพียง แต่สำหรับชื่อเสียงของมัน แต่ยังเพราะคุณจะได้เรียนรู้วิธีการที่จะใช้ควอนตัมที่สำคัญไม่กี่หัวข้อการคำนวณตามวิธีการรวมทั้งควอนตัมแปลงฟูเรียและขั้นตอนวิธีการประมาณควอนตัมเฟส
ค้นหาพลังงานสถานะภาคพื้นดินของโมเลกุลลิเธียมไฮไดรด์
เมื่อไม่กี่ปีที่ผ่านมา ทีมงาน IBM Quantum ได้พาดหัวข่าวโดยการจำลองพลังงานสถานะพื้นดินของโมเลกุลลิเธียมไฮไดรด์ ซึ่งเป็นคำใบ้ที่ยั่วเย้าถึงประโยชน์ที่เป็นไปได้ของคอมพิวเตอร์ควอนตัมสำหรับปัญหาที่ยากและเกี่ยวข้อง เราหวังว่าสักวันหนึ่ง การคำนวณด้วยควอนตัมจะพลิกบทในด้านเคมี ทำให้นักเคมีสามารถทำนายสิ่งที่อาจเกิดขึ้นในปฏิกิริยาเคมีก่อนที่จะเอื้อมมือหยิบบีกเกอร์ เรายังไม่ถึงจุดนั้น แต่คุณสามารถสร้างการทดลองนี้ขึ้นมาใหม่ได้ด้วยตัวเอง
โครงการเคมีเป็นการแนะนำที่สมบูรณ์แบบสำหรับอัลกอริธึมควอนตัมระยะใกล้ยอดนิยมที่เรียกว่า Variational Quantum Eigensolver (VQE) VQE เริ่มต้นด้วยสถานะควอนตัมที่เตรียมโดยวงจรควอนตัมที่เป็นพารามิเตอร์ เรียกว่า ansatz อัลกอริธึมส่งผ่านฟังก์ชันคลื่นที่สอดคล้องกันของรัฐไปมาระหว่างคอมพิวเตอร์คลาสสิกกับคอมพิวเตอร์ควอนตัม โดยปรับให้เหมาะสมโดยการเปลี่ยนแปลงพารามิเตอร์ของวงจรควอนตัม เมื่อสิ้นสุดการวิ่ง ควรส่งคืนชุดพารามิเตอร์ที่ใช้คำนวณสถานะพื้นของระบบโมเลกุล คุณสามารถใช้ผลลัพธ์ของอัลกอริธึมนี้เพื่อสร้างแผนภาพว่าพลังงานสถานะพื้นของโมเลกุลแปรผันตามระยะห่างระหว่างอะตอมได้อย่างไร
มีแหล่งข้อมูลมากมายให้คุณจำลองโมเลกุลอย่างง่าย เช่น โมเลกุลไฮโดรเจนหรือลิเธียมไฮไดรด์ด้วยตัวคุณเอง มีแหล่งข้อมูลอยู่ที่นี่และที่นี่หรือคุณสามารถลองใช้โมดูลเคมี Qiskitใหม่ได้
จัดการกับเสียงรบกวนด้วยการแก้ไขข้อผิดพลาด
หนึ่งในความท้าทายที่ใหญ่ที่สุดที่วิศวกรคอมพิวเตอร์ควอนตัมเผชิญอยู่ในปัจจุบันคือการจัดการเสียงที่เกิดจาก qubits ที่มีปฏิสัมพันธ์กับโลกภายนอก เรายังคงหวังว่าจะพบแอปพลิเคชันที่มีประโยชน์แม้ในอุปกรณ์ที่มีเสียงรบกวนในระยะใกล้ แต่คอมพิวเตอร์ควอนตัมเอนกประสงค์ที่สามารถให้ความเร็วคอมพิวเตอร์ที่มีประสิทธิภาพจำนวนมากจำเป็นต้องได้รับการปกป้องจากเสียงรบกวนนี้ จะต้องมีการแก้ไขข้อผิดพลาด
กลยุทธ์การแก้ไขข้อผิดพลาดมีอยู่ทั้งในระดับฮาร์ดแวร์และซอฟต์แวร์ เทคนิคการแก้ไขข้อผิดพลาดอย่างหนึ่งที่คุณสามารถลองใช้ได้ด้วยตัวเองคือโค้ดการทำซ้ำ ซึ่งรวมค่าของ qubit หลายตัวเข้าด้วยกันเพื่อเข้ารหัสลอจิคัลบิตเดียว (แทนที่จะเป็น qubit เชิงตรรกะ) คุณอาจจะไม่ได้ใช้รหัสซ้ำในอัลกอริธึมในอนาคตของคุณ แต่มันให้ข้อมูลเบื้องต้นเกี่ยวกับประเภทของสิ่งต่าง ๆ ที่โปรแกรมเมอร์ควอนตัมกำลังคิดเมื่อพยายามปกป้องอุปกรณ์เหล่านี้จากเสียงรบกวน
คุณสามารถดูคำแนะนำแบบละเอียดของรหัสการทำซ้ำได้ในหนังสือเรียน Qiskit ที่นี่และในสมุดบันทึก Jupyter นี้
สำรวจควอนตัมฮาร์ดแวร์ด้วย Qiskit Pulse
คอมพิวเตอร์ควอนตัมเป็นสาขาใหม่ที่โปรแกรมเมอร์จำนวนมากมักต้องการความรู้ในการทำงานของฮาร์ดแวร์ควอนตัมที่เป็นพื้นฐานของโปรแกรมสำหรับการทดลอง เมื่อคุณเขียนโค้ดด้วย Qiskit แสดงว่าคุณกำลังส่งคลื่นไมโครเวฟที่ปรับแต่งอย่างละเอียดไปยังวงจรตัวนำยิ่งยวดที่สั่น Qiskit ใช้ชุดพัลส์เริ่มต้นเพื่อแสดงการดำเนินการในวงจรควอนตัมของคุณ แต่คุณยังสามารถปรับแต่งพัลส์เหล่านี้เพื่อทำการทดลองจริงกับฮาร์ดแวร์ควอนตัมหรือพยายามสร้างเกตแบบกำหนดเองของคุณเอง
ขั้นตอนแรกที่วิศวกรทำก่อนที่จะพยายามตั้งโปรแกรมอุปกรณ์ควอนตัมคือขั้นตอนการสอบเทียบ เพื่อให้มั่นใจว่ากำลังส่งพัลส์ที่ถูกต้อง คุณสามารถหาคำแนะนำเกี่ยวกับการทดลองต่างๆ ที่เราทำเพื่อปรับเทียบและกำหนดลักษณะฮาร์ดแวร์ของเราได้ในหนังสือเรียน Qiskit ที่นี่และใช้การทดลองเหล่านี้เพื่อทำความรู้จักกับฮาร์ดแวร์ควอนตัมในรูปแบบใหม่ทั้งหมด เมื่อคุณคุ้นเคยกับ Qiskit Pulse แล้ว คุณสามารถลองทำประตูควอนตัมของคุณเองหรือลองรับรางวัล IBM Quantum Awards: Open Science Prize คุณยังสามารถลองใช้ Qiskit กับคอมพิวเตอร์ควอนตัมทำเองได้
[NPC4]จัดเรียงรูปภาพโดยใช้อัลกอริทึมการเรียนรู้ของเครื่องควอนตัม
แมชชีนเลิร์นนิงเป็นหนึ่งในสาขาวิชาที่ร้อนแรงที่สุดในปัจจุบัน ดังนั้นโดยธรรมชาติแล้ว นักวิจัยก็สนใจด้วยว่าคอมพิวเตอร์ควอนตัมอาจมีข้อได้เปรียบในด้านนี้หรือไม่ อย่างไรก็ตาม ก่อนที่คุณจะไปลงทุนในการเริ่มต้นระบบควอนตัมแมชชีนเลิร์นนิง (QML) คุณควรจะสามารถคิดออกเองว่าคอมพิวเตอร์ควอนตัมสามารถให้ข้อดีในการเรียนรู้ของเครื่องหรือไม่ และสามารถบอกได้ว่าอะไรจริงและอะไรคือโฆษณา
อัลกอริธึมการเรียนรู้ของเครื่องควอนตัมอย่างหนึ่งที่กำลังศึกษาอยู่คืออัลกอริธึมแบบแปรผันที่เรียกว่า Variational Quantum Classifier (VQC) หลังจากรอบการฝึกอบรมเกี่ยวกับข้อมูลที่มีป้ายกำกับ จะจัดเรียงข้อมูลใหม่เป็นหมวดหมู่ VQC เป็นพื้นฐานของQiskit Challenge Indiaที่ผู้เข้าร่วมทำงานเพื่อสร้างอัลกอริทึมที่จัดเรียงชุดตัวเลขที่เขียนด้วยลายมือออกเป็น 4 และ 9 ความท้าทายนั้นสิ้นสุดลง อย่างไรก็ตาม เอกสารยังคงมีอยู่หากคุณต้องการเจาะลึกโครงการการเรียนรู้ของเครื่องควอนตัมของคุณเอง
ได้รับการเตือนล่วงหน้า; ยังไม่ชัดเจนว่าแมชชีนเลิร์นนิงควอนตัมจะเร่งความเร็วได้มากเพียงใด แทนที่จะปฏิบัติต่อนี่เป็นโอกาสที่จะทำให้มือของคุณสกปรกในการสำรวจเขตแดนที่อาจเกิดผลหรือไม่เกิดขึ้นในอนาคต
นี่เป็นเพียงไม่กี่โครงการที่คุณสามารถตรวจสอบด้วยคอมพิวเตอร์ควอนตัม เรามีคลังเก็บแนวคิดอื่นๆ ทั้งหมดบนGitHub ที่นี่และ Qiskitters ก็มีแนวคิดใหม่ๆ เจ๋งๆ สำหรับโครงการที่ผลักดันให้ภาคสนามไปข้างหน้าอย่างต่อเนื่อง ต้องการเริ่มต้น? เริ่มต้นเส้นทางสู่การเรียนรู้ Quantum Computation โดยใช้ Qiskit
แบรนด์ผู้บริโภคและผู้ค้าปลีกมักพยายามทำความเข้าใจความต้องการของลูกค้าที่เปลี่ยนแปลงตลอดเวลา นั่นคือเหตุผลที่คุณมักจะพบไซส์ XL ในร้านแฟชั่นที่คุณชื่นชอบ และไม่มีไซส์ M นั่นคือเหตุผลที่คุณต้องใช้เวลาหลายชั่วโมงในการค้นหาสไตล์ที่คุณเห็นบน Instagram แต่ยังหาไม่พบ นั่นคือเหตุผลที่ค่าใช้จ่ายของสินค้าคงคลังที่ตายแล้วให้ร้านค้าปลีกแฟชั่นในสหรัฐอเมริกาเพียงอย่างเดียวเป็นที่คาดกันว่าจะเป็นมหันต์เหรียญสหรัฐ 50000000000 และนั่นคือส่วนหนึ่งของเหตุผลที่ว่าทำไมสหรัฐสร้าง16 ล้านตันของเสียสิ่งทอในปี 2014
นี่ไม่ใช่เพราะขาดความตั้งใจหรือความพยายามในอุตสาหกรรม แต่เป็นการยากที่จะเข้าใจผู้บริโภคในวงกว้าง การกำหนดลักษณะผู้บริโภคที่มีคำจำกัดความกว้างๆ เกี่ยวกับอายุ เพศ และรายได้นั้นไม่ได้ผลเนื่องจากความชอบของผู้บริโภคที่มีความหลากหลายและเปลี่ยนแปลงตลอดเวลา และผู้ค้าปลีกจำเป็นต้องพิจารณากลุ่มตลาดที่ละเอียดกว่านี้มากแม้กระทั่งเฉพาะบุคคล ผู้บริโภคกำลังขับเคลื่อนแนวโน้มมากกว่าที่ผู้ค้ากำหนดขึ้น และสิ่งนี้ไปควบคู่ไปกับการทดลองและการหยุดชะงักที่มากขึ้นในตลาด
ในการสร้างและขาย “สิ่งที่ยิ่งใหญ่ครั้งต่อไป” ในสภาพแวดล้อมที่ไม่หยุดนิ่งเช่นนี้ นักออกแบบ ผู้ซื้อ และผู้ขายสินค้าต้องใช้ความคิดสร้างสรรค์ของตนเอง แต่ยังพิจารณาด้วยความละเอียดที่ไม่เคยปรากฏมาก่อนว่าความชอบของผู้บริโภคเปลี่ยนแปลงไปอย่างไร และการออกแบบ การขายสินค้า และการตลาดจะแตกต่างกันอย่างไร . นี่คือที่มาของ AI และระบบอัตโนมัติ
ตัวอย่างเช่น พิจารณาผู้ซื้อขายปลีกแฟชั่น เธอมีหน้าที่รับผิดชอบต่อความสำเร็จทางการเงินของสินค้าที่เธอเลือกในฤดูกาลใดก็ตาม แต่เป็นไปไม่ได้สำหรับเธอที่จะคาดการณ์ประสิทธิภาพของการออกแบบใดๆ 12 เดือนก่อนถึงฤดูกาลเป้าหมาย หรือระบุวิธีการส่งเสริมการขายที่ดีที่สุดเพื่อใช้ในฤดูกาล เนื่องจากเธอมีทัศนวิสัยน้อยมากว่าความชอบของผู้บริโภคเปลี่ยนแปลงไปตามร้านค้าต่างๆ เมื่อเวลาผ่านไปอย่างไร และประสิทธิภาพของผลิตภัณฑ์คู่แข่งในตลาด
ลองนึกภาพระบบที่ขับเคลื่อนด้วย AI ที่สามารถวิเคราะห์ข้อความภาษาธรรมชาติของรีวิวลูกค้าออนไลน์นับล้านและรูปภาพของผลิตภัณฑ์ทั้งหมดในตลาดเพื่อสรุปความสัมพันธ์ที่สำคัญระหว่างความรู้สึกของลูกค้าเฉพาะสถานที่และคุณลักษณะของผลิตภัณฑ์ ตัวอย่างเช่น วิธีที่ลูกค้าตอบสนองต่อเสื้อสวมหัวบล็อกสีในแคนซัสซิตี้กับในบัฟฟาโล และคุณลักษณะใดที่น่าจะเป็นสาเหตุให้เกิดความเชื่อมั่นของลูกค้าต่ำสำหรับเสื้อสวมหัวบล็อกสีกับเสื้อสวมหัวบล็อกสีที่แข่งขันกัน ข้อมูลดังกล่าวสำหรับผลิตภัณฑ์ที่มีแผนจะซื้อและผลิตภัณฑ์ที่วางแผนไว้ใหม่จะช่วยให้เธอปรับปรุงการแบ่งประเภท การตั้งราคาและการลดราคา และแผนการตลาดได้อย่างมาก
[NPC5]ในทำนองเดียวกัน ให้พิจารณาผู้จัดการฝ่ายขายของแบรนด์โยเกิร์ต ด้วยระบบที่สามารถวิเคราะห์การขายข้ามแบรนด์ของอาหารทั่วประเทศเพื่อสร้างการคาดการณ์คุณภาพสูงเกี่ยวกับความต้องการโยเกิร์ตรสผักโขมอาติโช๊คที่ผลิตโดยบริษัท ผู้จัดการฝ่ายขายจึงสามารถเจรจาแนะนำผลิตภัณฑ์และแผนงานกับผู้ค้าปลีกได้ การเจรจาส่วนใหญ่ล้มเหลวในวันนี้เนื่องจากขาดความสามารถดังกล่าว
อันที่จริงการศึกษาล่าสุดของI BM เกี่ยวกับผู้นำผลิตภัณฑ์ค้าปลีกและผู้บริโภคมากกว่า 1,900 รายแสดงให้เห็นว่าการนำระบบอัตโนมัติอัจฉริยะมาใช้ในอุตสาหกรรมค้าปลีกและสินค้าอุปโภคบริโภคคาดว่าจะเพิ่มขึ้นจาก 40 เปอร์เซ็นต์ของบริษัทในปัจจุบันเป็นมากกว่า 80 เปอร์เซ็นต์ในสามปี .