人工智慧並非新事物，被稱作“深度學習”的機器學習方式令人期待。不過，深度學習是否真的能夠解決旅遊業存在的問題？EyforTravcel在其最新報告中提出了這個問題。

近年來，深度學習有了較大的突破，在影像和模式識別、無人駕駛以及語音識別（也就是自然語言處理）方面有了巨大進步。人工神經網路就像人類大腦中巨大的神經網路一樣，支援著深度學習。其由一群相互連線的節點組成，但尚未真正達到人類大腦的發達程度。“神經網路仍然比生物神經網路更簡單，”EyeforTravel研究主管Alex Hadwick這樣解釋，“目前深度學習真正擅長的是以單個任務為重點，通常就是在極大量的資料中找出相互關係和模式。”

正是因為這個原因，深度學習在有豐富資料的旅遊業環境內受到了關注。航運公司Stena Line數字化創新主管Amer Mohammed顯然看到了深度學習的價值。但是，他認為“目前我們正在利用的是弱人工智慧，也就是僅限用於特定任務的人工智慧。我們需要設計出能夠真實瞭解世界的數學模型，而不只是假裝瞭解世界。”

然而，與此同時，深度學習已在旅遊業內用於完成定價、語言處理、影像識別、消費者分析和市場建模等任務。對於火車票零售商Trainline來說，利用人工智慧科技來預測可能出現的定價調整，是一種有趣的應用，因為這會讓客戶直接受益。據Trainline首席營運官Mark Brooker表示，其公司極大地以產品開發為重點，且正在投資能夠讓自己更深層次挖掘自身資料的科技,他說,“我們正在研究機器學習等科技，看人工智慧能夠帶來怎樣的成果，同時又始終以提供客戶行程質量為重心。”

那麼，是什麼在推動著這樣的增長？其中一個因素是“計算能力的大眾化和可在網際網路訪問資訊的能力，以及圖形處理器等專業計算機工具的開發。圖形處理器某種程度上是針對電子遊戲業而開發，其對於比特幣探礦機來說也是一項很好用的工具。”同時，“我們連網、電話預訂、瀏覽網站、在臉書上‘點贊’等行為，也使得數量驚人的資料聚集在一起，被儲存在了雲端。”

一大主要原因是科技投資成本已下降。Mohammed說，“如果我們要在七年前做目前正在做的事，就必須投入1200萬美元來購買一臺超級計算機。而如今我們想讓自己的演算法在亞馬遜上執行三分鐘，只需支付6000美元。”

提高智慧、解決問題

科技仍然在不斷快速進步，讓人工智慧不斷向人類接觸邁進。隸屬於Alphabet集團的DeepMind便在“解決智慧”方面取得了極大的進展。據DeepMind表示，其通過“長期的思考和學術界的跨學科合作以及投入大量精力、以最優秀的初創企業為重點”而實現了這樣的進展。

當然，人工智慧網路仍有一些問題和瓶頸需要解決，才能達到人類大腦的水平。例如：影像識別技術便說明“神經網路要發揮作用，就需要大量的分類資料並由人工來糾正神經網路的錯誤”。人工神經網路在IT方面的要求也是非常多的。人類大腦執行功率大概相當於20瓦特，而DeepMind開發的人工智慧，打敗了全球頂級棋手的AlphaGo執行時需要的功率是人類大腦的5萬倍。對此，俄羅斯元搜尋公司Aviasales分享了以下觀點：“唯一受限的是系統資源……同時，我們能夠實現一個全新層次的計算機效能，從而能夠提高生產力。”

有一點是明確的，那就是旅遊企業有著大把的機會。“旅遊業內幾乎所有事物都有著大量的變數，因為行程是複雜的，且有著多個決策點，這使得深度學習尤其適用於從大量資料中得出結論，” Hadwick解釋說。此外，資料和資訊的量在日益增大。因此，人工智慧進步後便能夠成為真正強大的個性化工具。

神經網路最終可能會由於其複雜性而成為黑匣子

但可能會出現倫理道德上的難題。“神經網路最終可能會由於其複雜性而成為黑匣子，並具備多個決策層。因此，你可能發現自己有答案，但卻不知道人工智慧是怎樣找到答案的。而僅僅這一點，就可能違反了歐洲的資料法規，”Hadwick警告說。他認為還存在著人類偏見和人類失誤悄然滲透的風險。

但這不能成為不應用人工智慧的理由。畢竟國際資料資訊公司（International Data Corporation）已預測：到2020年，人工智慧將推動全球旅遊業收入超過470億美元。“知道客戶在哪、客戶將去哪、客戶有何種行為”的聰明的旅遊企業便能夠分到很大的一塊蛋糕”。看來，未來最成功的旅遊品牌將受益於人工智慧，但前提是這些企業要以巧妙的方式應用人工智慧。

自 航旅同行