人工智能开始向“食住行游”渗透 ,更优的旅行方案靠机器?

在此前，大量的网站与旅行社在为人们提供服务，与各种各样的产品。但今天的自由行体验足够方便吗？依然不便捷。从产品的角度看，Priceline 去年给出数据，每个人在做旅行计划前平均参考 38 个网站。这是非常精准的、令人惊讶的、巨大的数字。

如果十年前出游选择住处，选择酒店即可。但如今，因为互联网提供了太多选择，有了民宿、华人酒店、帐篷区等供人挑选，虽然每个品类下还有无数的选择。好处是现今每个人都可选择非常个性的旅行计划，但坏处是因为选择太多，做最优决定太难。

当外部环境发生变化时，解决问题的方法也随之变化。

例如，十年前，互联网仅有几个页面，每个页面只有两三个简单结构时，雅虎是个非常好用的搜索引擎。但如今，不乏千亿级的页面，与错综复杂的链接结构，雅虎不再好用，需要谷歌来解决问题。

对于一个村落而言，走路是便捷的交通方式，但是对于城镇来讲，公交车更方便。如果是大型城市，地铁则更佳。即环境发生变化时，方法也应随之改变。对旅行而言，环境已经发生翻天覆地的变化，但人们依然使用传统的方法。所以，我们需要新的方法来对待旅游。

什么样的计划是好的计划

旅行方案的决策分两块，一块是主观决策，一块是客观决策。主观决策是，去巴黎还是去伦敦？在巴黎，去埃菲尔铁塔还是去卢浮宫？这是没有对错的主观决策，也许机器会展示，90% 的人去卢浮宫会逛一天，10% 的人会在那逛两天，但这并不代表 10% 是错的。

路上花最少的时间，最少的钱完成旅游，这才是最好的方案。在体验一样的情况下，即主观决策不变，用户不希望浪费一点钱，一点时间。而一旦有好坏之分，就能评分，能评分就能排序，能排序，机器就可给予更好的，更合理的建议。

命题是用户提出的，但方案是有标准可区分好坏的。因此，很容易即可衡量互联网上大量攻略是否合格。大量达人们的方案都是不靠谱的、较差的。虽超乎意料，但也可理解。因为当下旅行选择的复杂度，已经超出人类能驾驭范围。

机器跟人比，优势是什么，是不是能比人做得更好？

假设我有九天假期，我的需求是去马德里三天，巴黎三天，巴塞罗那三天。我应如何订购机票？常用的方法是，搜索从北京出发，看到哪最便宜。若发现到巴黎最便宜，到马德里贵。先去巴黎，然后发现巴黎到马德里比去巴塞罗那便宜。就先去马德里，最后去巴塞罗那。

在计算机中，这叫贪心算法，即每步都选择目前的最优方案。

但每步最优的方案，不能确保全局最优。前面的决策会影响后面的决策，即本质上，这种旅行的行程规划是一道数学题，是一个排列组合的问题。

而更难掌控的是，选择是动态的，最优解是变化的。

人有能力从几十亿种可能中找到最优解吗？我觉得很困难，人没有办法做到，但这不该由人做，而是应该让机器帮助人。所以，这是为什么在长时间规划中，机器能够带来比人更高效，或更好地解决问题的原因。

从另外一角度看这个问题，若去十个城市玩二十天，忽略共有多少种可能性，按上述算法，找寻最优解也需要做超大量的查询，而谁有能力瞬间做几万次查询？目前没有任何一家网站能够支持用户有几万个 PPS 同时间发出几万个请求！这不可能存在！

有人做一个试验：“一些首次到上海旅客，不知怎么玩，请大家投票帮他选择。大家用 H5 投票选择，各式景点或路线、去的景点、餐厅、旅店等一模一样且各景点游玩时间相同，但交通方式和游玩顺序需各自组织。”

这个试验要求是“尽量少花钱；尽量省出非游玩时间；去餐厅时得在饭点。征集最好的游玩方案。20 分钟后每个人都得出方案，并在大屏幕上用机器评出客观分数。因游玩之处与游玩时间相同，更能看出各方案的问题：走路耗时过长；花钱太多；无法赶在饭点到餐厅等。而第一名的同学，因是在旅行社上班，才能得出较好的方案。”

而机器是怎么计算？

点击计算，一秒钟，机器提供的方案，让用户只走 70 公里，节省近 3 小时于路途，剩下几十元且无一处错误。这依然是一道数学问题，而且能被证明这是超出人类能力的数学问题。