有位父亲他对女儿的教育方式比较独特，他从来没有辅导过女儿做功课什么的，就是每天回来跟女儿聊十分钟，只聊四个问题，就完成了他的家庭教育。

这四个问题分别是：

1、学校有什么好事发生吗?

2、今天你有什么好的表现?

3、今天有什么好收获吗?

4、有什么需要爸爸帮助吗?

看似简单的问题背后其实蕴涵着丰富的含义:

第一个问题其实是在调查女儿的价值观，了解她心里面觉得哪些是好的，哪些是不好的;

第二个问题实际上是在激励女儿，增加她的自信心;

第三个问题是让她确认一下具体学到了什么;

第四个问题则有两层意思，一是我很关心你，二是学习是你自己的事。就是这简简单单的四个问题，包含了很多关爱关怀在里面，事实上也证明很有效。

问什么话其实反映了大人的生活态度，决定了孩子的人生观，会把孩子向正面或反面的方向引导。

家长应当避免经常对孩子说以下这几句话：

今天是不是没有吃饱?

今天老师批评你了吗?

有人欺负你吗?

上课开小差了吗?

说这些话时，家长给孩子传递的是学习的负能量：在家里衣来伸手饭来张口，父母都无比宠爱自己，而到学校后，和同学老师接触可能受委屈。这些话容易让孩子联想起上学的不愉快，对学校、老师产生抵触情绪。

除了可以借鉴上文中父亲教育女儿的方式，当孩子放学回家后，你还可以试着这样问：

今天遇到了什么有趣的事情?

你今天开不开心?

你的好朋友是谁?他有哪些优点?

讲一个你今天觉得特别好玩的事!

父母这样的询问，可以让孩子轻松讲述一天中的所见所闻，并把欢乐同父母分享。即便是孩子遇到不开心的事儿，父母可以稍加安慰，并且告诉孩子一天中还是有不少 令人高兴的事发生。不愉快是生活的一部分，接受了生活的不完美，关注我们值得关注的事情，我们才能快乐。这样孩子总是带着对上学的美好，自然喜欢上学了。

孩子是在家长潜移默化的影响下长大，正确地引导孩子，不妨从放学回家后的第一句话开始...

教育是三分教，七分等

三分教，是指教诲要适量。说教过多只会让孩子会产生逆反心理，适得其反。

七分等，是指父母要尊重孩子的天赋秉性、成长步调，对孩子要保有耐心，让孩子去尝试、去体验、去失败、去成功。孩子的成长，需时日和世事的打磨，绝不可能一蹴而就。揠苗助长，只能得不偿失。

2016年美国大学申请季已经完全结束，美国某教育网站根据各大州公布的平均SAT考试平均成绩，综合该州学生考试参与率，对各大州的SAT平均成绩进行了综合统计。

2016年美国大学申请季已经完全结束，美国某教育网站根据各大州公布的平均SAT考试平均成绩，综合该州学生考试参与率，对各大州的SAT平均成绩进行了综合统计。如果一个美国大州的平均SAT成绩如果排名很靠前的话，那么就说明这个大州的学校教学水平高，教育系统好，学生比较优秀比较聪明。

单从此表看，排名前三的分别是 ---

Massachusetts 马萨诸塞州：参与率84%，新SAT平均分1130;

Connecticut 康乃迪克州：参与率88%，新SAT平均分1126;

innesota明尼苏达州：参与率6%，新SAT平均分1107(由于参考人数比例较少，参考性较低)。

注：参与率是指SAT考生占高中毕业生的比例

下面是完整表格：

2016年美国各州SAT平均成绩统计：

单看这个表格的分数统计，亚裔的SAT成绩似乎在美国本土考生中相当有竞争力，不仅如此，CB在15年针对美国本土学生SAT成绩调查的结果也显示，美国高中SAT成绩有下降趋势，在15年降至近十年来最低水平：

不过，对于我们亚洲考生来说，这跟我们并没有什么卵关系。。。再来看下面一张关于亚裔与非亚裔的录取者在SAT分数上的差异：

达特茅斯学院 高113分

亚裔平均SAT: 2306

非亚裔平均SAT： 2193

普林斯顿 高109分

亚裔平均SAT： 2316

非亚裔平均SAT：2207

斯坦福 高94分

亚裔平均SAT： 2281

非亚裔平均SAT：2187

康奈尔 高90分

亚裔学生平均SAT： 2272

非亚裔学生平均SAT：2182

哥伦比亚 高78分

亚裔学生平均SAT: 2261

非亚裔学生平均SAT：2183

纽约大学 高71分

亚裔学生平均SAT： 2158

非亚裔学生平均SAT：2087

哈佛大学 高68分

亚裔学生平均SAT: 2285

非亚裔学生平均SAT:2217

宾夕法尼亚大学 高34分

亚裔学生平均SAT： 2251

非亚裔学生平均SAT: 2217

耶鲁大学 高137分

亚裔学生平均SAT： 2304

非亚裔学生平均SAT：2167

布朗大学 高35分

亚裔学生平均SAT： 2251

非亚裔学生的平均SAT：2216

在离开地球近２０年后，美国“卡西尼”土星探测器进入任务“大结局”，首次在土星和土星环之间穿越，近距离观测土星。

此前，从未有人类探测器从土星和土星环之间穿越。随后５个月内，“卡西尼”还将另外进行２１次这样的穿越。

在穿越期间，“卡西尼”将利用直径４米的碟状高增益天线作为“盾牌”，使用探测器上的无线电等离子体探测仪来收集数据，以便科研人员确定土星和土星环之间粒子的大小和密度，为“卡西尼”未来的穿越做准备。

“卡西尼”土星探测器１９９７年发射升空，２００４年抵达环土星轨道。它曾完成一系列重大发现，包括发现土卫二拥有全球性海洋、土卫六上存在液态甲烷海洋等。由于燃料即将耗尽，美国航天局决定于２０１７年结束它的探测使命。

马云在演讲中称，纯电商时代过去了，未来十年是新零售的时代，未来线上线下必须结合起来。

物流本质是消灭库存。

马云表示，未来30年必将是人类社会天翻地覆的30年，“电子商务”一词将会被淘汰，把握好未来五个新趋势，任何人都有成功的机会。

真正冲击传统行业的是传统的陈旧思想，是对未来的无知与拒绝。

在未来，互联网作为一种技术和思想将无处不在。

在未来的30年，技术会应用到人们的方方面面。

纯电商时代将很快结束，传统的电子商务在未来将会被淘汰。

电子商务只是一条通往河岸两端的摆渡船，而融入大数据、人工智能的新零售模式在未来将取而代之。

同时，包括新零售在内的“五大新”发展趋势

第一是新零售：

现在，传统零售行业无疑受到了电商的冲击。

但马云认为，他们只是看到了昨天的零售，而忽略了拥抱明天。

传统零售应该利用大数据、物流、电子商务来打造新零售。

而在新零售下的电商，又势必会对纯电商带来冲击。

所以零售从业者必须拥抱改变。

第二个是新制造：

过去的制造讲求规模化与标准化。

而未来30年的制造业必将讲求智慧化、个性化与定制化。

未来智能制造业必须实现个性与定制，否则制造业将被摧毁。

因为未来是IOT革命时代，人工智能将让机器变得智慧，而制造业也将从传统的B2C模式向C2B转变。

所以制造企业必须改变自己，适应市场，适应消费者。

第三个是新金融：

新金融的诞生将加快社会变革。

过去的金融支持了传统工业发展，符合典型的二八理论。

而未来，新金融将支持“八二理论”，支持80%的小企业，年轻人与消费者。

新金融的诞生也势必对过去金融有冲击，它能够创造出真正的信用体系，创造普惠金融，给创业者，小企业与消费者带来福利。

第四个是新技术：

过去PC时代的传统IT架构与技术。

将在未来大量向移动端转变，并且由物联网、大数据、人工智能带来的新技术，将会改变人们生活的方方面面。

第五个是新资源：

过去的资源是石油，煤炭。

而未来资源必将是数据。

数据是人类第一次自己创造的资源，它重复利用的价值比任何资源都高，是越用越值钱的资源。

未来大数据的价值将越来越大。

有人讲，互联网经济或者电子商务是一个虚拟经济。

我不认为它是虚拟经济，它是一个未来的经济。

很多人都在说，“互联网在冲击各行各业”，“电子商务打击、摧毁或者冲击了传统商业”。

我认为，电子商务没有冲击传统的商业，更没有打击传统商业。

电子商务只是把握了互联网的技术、互联网的思想，知道未来的经济将完全基于互联网。

我们抓住了互联网的技术，在上面创造出一个适应未来的商业模式，那就是电子商务。

真正冲击各行各业、冲击就业、冲击传统思想、冲击传统行业的，是我们昨天的思想，是对未来的无知、是对未来的不拥抱。

所以，我并不觉得我们今天在座的每个人要担心什么。

真正担心的，是我们对昨天的依赖。

世界的变化远远超过大家的想象，未来的30年，是人类社会天翻地覆的30年。

2017年4月25日，艾瑞深中国校友会网《2017中国大学评价研究报告》发布最新2017中国大学教学质量排行榜、报告显示，清华大学本科生和研究生教育教学质量和人才培养质量最高，问鼎2017中国大学教学质量排行榜800强榜首；北京大学第2，复旦大学第3。

你的大学排多少呢？

谷歌的低温恒温器在10毫开尔文温度下运行量子处理器

● 谷歌量子人工智能实验室科学家马苏特•穆赫辛尼（Masoud Mohseni）、哈特穆特•内文（Hartmut Neven）等人畅谈量子计算机的商业投资机遇及未来5年的开发前景。

从量子纠缠到大分子化学反应，基于二进制逻辑的传统计算机不能有效地描述世界许多特征。正如物理学家理查德•费曼在30年前就已经意识到的那样，解决方案是使用可同时多态混合的量子处理器。然而，要开发出有实用价值的量子计算机，还要克服许多技术屏障，包括噪声控制以及编码信息量子态的运行保真态的提升。

量子计算机绝大部分研究的最终目的都是构建出一种量子机器，一种噪声和错误都在可容许范围内、原则上可用于解决任何问题的数字量子计算机。理论上，这种由许多量子比特（或量子位）组成的大型处理器的计算速度比传统计算机更快，计算能力至少领先10年。纠错需要冗余，量子位的数量需要快速提升。举例来说，一天时间完成2000比特数的因式分解对于传统计算机来说是个难以完成的任务，但如果使用量子计算，即使每1万次操作只有1次出错，也需要1亿个量子比特，但目前我们还没有组装数十个量子位量子处理器的能力。

保守的观点认为，量子计算投资只能远期受益。但我们认为，随着未来5年里小型量子设备的出现，获得短期回报的可能性还是有的，虽然这些机器的纠错能力可能还不够完善。

理论上虽然不能保证，但也并不排除成功的可能性。将量子技术与传统计算机技术结合起来有可能支撑未来强大的应用前景。最近机器学习神经网络的成功就是一个很好的例子。20世纪90年代还没有能够训练深度神经网络所需的计算能力，这一领域内流行的是有很强理论基础的“convex”方法。今天这些方法并不适合于深度学习。神经网络的基础算法几乎没有什么改变，但在“摩尔定律”的作用下，新性能的开发取得了一个又一个令人震撼的里程碑式的成果。

同样，今天虽然不能证明不完美量子计算机的计算速度可以快到足以解决一些实际问题，但可能会有一些变化。模拟和数字量子硬件的规模、准确度和可控性都在稳步提高。我们预计，在未来几年内，得到较好控制的量子系统可用以执行某些任务，其速度将远超基于CMOS（互补性的金属氧化物半导体）技术的传统计算机。

我们在此重点介绍3种可进行早期商业化推广的量子计算设备：量子模拟、量子辅助优化和量子抽样。从人工智能、财政金融到医疗卫生保健等领域，更快的计算速度将具有商业上的优势。

量子技术的商业化，不仅需要跨学科合作，还需要科学家与企业家紧密配合。设备的可靠性和可控性要实现商业化推广需要硬件水平的提升，还需要开发出适合目前硬件条件限制的、可解决实际问题的启发式量子算法。一些研究人员正在研究“谷歌搜索”的量子计算，而我们的计划是在云服务方面推广量子处理器，以促进量子算法的开发，并在各个行业推广应用，真正造福社会。

三大商业化应用前景

如果一些可行技术的研究取得进展，我们相信正在崛起的量子处理器将大有可能胜任以下各类计算任务，并在未来几年时间内实现其商业化价值。

量子模拟。模拟化学反应和材料、建立计算机模型是最值得期待的量子计算实际应用之一。不需要花费数年时间，也不需要数亿美元的投入，研究人员可以通过计算机模拟，对数以百万计的候选方案进行研究，开发出少量新材料并确定其性能。无论是飞机制造需要的更强的聚合物、用于汽车的更有效的催化转换器、更高效的太阳能电池材料，还是疗效更好的药物或透气性更好的织物，更快的开发速度都将带来巨大的价值。

计算机材料的发现目前已是一个很大的产业。从定性描述到定量预测，量子计算机都将带来根本性的变化。化学反应率对分子能量非常敏感，其跨度范围远远超出传统计算机的处理能力。开发出稳健的量子算法，就有可能在不需要大量量子纠错的前提下，完成一些重要材料的模拟任务。已开发的一些算法有似乎不受量子位控制错误影响的“可变量子本征求解法”（Variational Quantum Eigensolver，VQE）。

各种商业模型可提供量子模拟器，实验室可提供付费访问，计算机公司可提供咨询服务，一些企业可能会通过股权交换换取量子辅助突破导致的创新材料开发成果。

量子辅助优化。物理学、社会科学以及各个行业中所有涉及量化计算的核心与困难的计算任务是优化。传统计算机难以解决这些问题是因为将所有数学解决方案测试一遍的计算速度太慢，因此好的解决方案很可能就隐藏在包括速度在内的一些技术屏障之后，统计计算中一般使用传统算法（如热能分布）来“越过”这些障碍。我们认为，这种类型的传统抽样可以量子现象的偶发性来达到强化效果，比如穿过障碍传递量子信息的隧道行为，发现罕见而高质量的解决方案。

例如，使用优化算法实施广告的在线推荐和报价策略，以最有效的方式应对消费者的需求和市场变化。建立在量子计算和传统计算机组合基础上的解决方案更强大，可在许多行业中用于提高产品质量和服务质量。物流公司可以优化调度、规划和产品分配。量子强化的算法还可用以提高病人医疗诊断的速度和准确性。如谷歌、微软、亚马逊和Facebook等大型信息技术公司的搜索质量或产品质量也可以得到增强。

这些6毫米见方的小芯片控制着6个量子位

量子抽样。通过概率分布的抽样方法广泛用于统计和机器学习。理论上，与传统电路相比，理想的量子电路可在同样的时间内在更大的概率分布范围内进行抽样统计。我们的计算表明，即使是相对较小电路的高保真量子门，也可以7×7量子位、层次深度25层的电路进行传统电路所难以企及的概率分布抽样。

事实上，以浅量子电路进行概率分布抽样子可能是“量子至上（或量子霸权）”最早的例子。“量子至上”这一术语是理论物理学家约翰•裴士基（John Preskill）提出的，用以描述量子处理器在短时间内完成某个明确定义数学任务的能力，即使是最大的传统超级计算机（如中国的神威太湖一号）也无法在任何合理的时间框架内完成这类任务。我们预测，在未来几年内将会出现量子霸权的实验。

量子抽样的应用前景包括机器学习中的推理和模式识别，为促进学术界和产业界的实验研究，我们计划通过云计算界面，为研究者开放和提供使用量子计算机硬件的机会。

需要克服的技术屏障

量子计算的商业化必须克服一些技术上的挑战。如：量子硬件需要扩大规模，以与传统硬件每10年呈指数级增长的速度相竞争；就像传统电路晶体管需要增益一样，量子比特也需要量子相干性以形成量子纠缠；如何实现规模化和相干性的结合也是量子系统工程的一个大挑战。这从根本上来说是很困难的，因为量子信息不能被复制，子系统互相纠缠，导致总体设计需要从全局来进行权衡。

谷歌用射频和微波电子产品制造可扩展控制硬件

我们认为，超导量子比特是量子计算机最有前途的硬件平台，以标准集成电路和超导技术为基础的硬件相对容易构建和控制。很多设计可能适合于数字和模拟量子处理器的不同要求，10量子比特的高保真系统的演示已表明了这种工程概念的可行性。

新技术的不断涌现有助于解决量子计算的扩展性问题，如超导撞击禁锢——一个用于信息处理和控制电路的双层架构。约1 000个量子位的量子退火设备原型已投入商业化应用。这些机器属于模拟量子处理器，可为某些优化任务提供高质量的解决方案。

今天的量子设备在实用性上还未达到尽善尽美的程度，需要进行多项改进。例如，浅量子电路需要更高的量子门保真度和稳定性，以限制消相干性。量子退火硬件需要一个在连接性、控制精度和性相干时间等方面都有所改善的新的方案。

商业机遇前景预测

一项新技术可以通过3种方式得到提升：增加利润、降低成本、降低对基础设施的投资。在数字时代，引入一项新技术可产生指数级的影响，即使产品质量得到1%的提升，都将导致用户数量和利润的显著增长，这就是在竞争、透明度和有效市场上起重要作用的“明星效应”。

早期量子计算设备即使可以获得计算速度的少量增加，最早的采纳者仍然可收获不菲的回报。作为竞争对手的一些公司如果想要获得同等质量服务和产品的竞争能力，就将面临更高的进入壁垒，这是因为早期能够编写量子算法的专门人才比较稀缺，企业需要时间来设计制定新的算法。最早接受这种变化的是那些需要处理大量信息和数字化程度最高的市场，包括金融服务、医疗保健、物流和数据分析等。

制定某个业务案例时，公司需要进行供需调查。需求可以做如下评估：首先，确定“最小可行产品”，早期只有拥有核心功能的量子创新才有机会进入市场。评估创新解决方案可包括某个现有的需求（产品与市场的契合度）、产品商业化所需要的时间（上市速度）和市场反应。

例如，通常在媒体上被描绘成数字量子计算机“杀手级应用”的加密破解，在市场契合度上得分不高，有一天会被不受量子攻击影响的密码系统所取代，大多数民营企业对破解加密系统也并不感兴趣。相比之下，需要即时数据反馈的投资组合优化和风险管理，可通过量子强化模式受益，更加高效的量子化学计算将在药物开发、催化转换器、太阳能电池和肥料生产领域导致根本性的变革。

量子辅助优化和推断技术可增强机器学习和人工智能系统的能力，从而提高可再生能源发电、遥感和预警系统的运行能力。这些技术还可用于在线商品定价和服务以及仓库自动化和无人驾驶汽车动态管理。

在供应方面，一些公司将通过对各自技术和团队的质量评估来为自己定位，在有开创精神的量子学者和企业家之间开展合作，但因学术界的激励机制与企业和产业界的并不相一致，这也将会是一个很大的挑战。

战略合作伙伴关系可以帮助企业脱颖而出。为吸引风险投资家，胜出的量子产品应该要有一种不需要很多资产、低制造成本的商业模式，以帮助客户显著增加收益。公司可通过云计算并利用现有的数据中心以两种方式受益：解决简单问题用传统解决方案，解决重要问题时则调用量子处理器。

量子计算领域将很快进入一个历史性的里程碑——量子霸权。目前还不清楚的是，使用不久后将问世的处理器，一些涉及各种应用程序的算法是否能够获得运行速度的大幅增加。但当量子硬件变得足够强大时，就可以进行测试并开发出新类型的算法。

在接下来的10年里，学术界、产业界和国家实验室应该共同努力发展量子模拟和量子机器学习算法。我们的计划是，通过云服务为缺乏必要资金、专业知识或基础设施的人提供使用谷歌量子处理器的便利，以支持这方面的研究。