21
用AI和MCTS實現智能行程設計的思路
背景介紹
人工智能這個詞，自從AlphaGo打敗了圍棋高手李世石之後火的不行。而早在1956年，美國計算機科學家約翰·麥卡就在“錫達特矛斯會議”上提出了人工智能的概念。但是到目前還沒有人能用數學理論來證明人工智能算法，但它確實是行之有效的。AI出現之前，我們要實現複雜算法是困難的，但對於人工智能，隻需要準備足夠的樣本集就能解決所有問題。所以，大數據是人工智能的基礎。人工智能能雜亂無章的數據中總結出規律甚至做出預測，這就是它的魅力所在。
蒙特卡羅算法並不是一種算法的名稱，而是對一類隨機算法的特性的概括。舉個例子，假如筐裏有100個蘋果，讓我每次閉眼拿1個，挑出最大的。於是我隨機拿1個，再隨機拿1個跟它比，留下大的，再隨機拿1個……我每拿一次，留下的蘋果都至少不比上次的小。拿的次數越多，挑出的蘋果就越大，但我除非拿100次，否則無法肯定挑出了最大的。這個挑蘋果的算法，就屬於蒙特卡羅算法。
懶豬行作為致力於為商家和遊客提供靠譜出境玩樂產品S2B平台，我們一直在醞釀一個智能行程設計的產品，現在已經逐步完善了境外玩樂產品線和全球POI，以期在不久的將來，可以通過EUSS搭載智能行程設計為終端遊客提供行程規劃和產品預訂服務。
AlphaGo與出境自由行智能行程設計
機器下棋的算法本質都是搜索樹，圍棋難在它的樹寬可以達到好幾百（國際象棋隻有幾十）。在有限時間內要遍曆這麼寬的樹，就隻能犧牲深度（俗稱“往後看幾步”），但圍棋又是依賴遠見的遊戲，甚至不僅是看“幾步”的問題。所以，要想保證搜索深度，就隻能放棄遍曆，改為隨機采樣——這就是為什麼在沒有MCTS（蒙特卡羅搜樹）類的方法之前，機器圍棋的水平幾乎是笑話。而采用了MCTS方法後，搜索深度就大大增加了。
而對於智能行程設計，全球景點、酒店、機場、車站等組成的POI集合就相當於棋譜上的點，智能行程設計算法就相當於AlphaGo。與AlphaGo不同的是，智能行程設計算法會要求用戶輸入遊玩偏好，比如價格偏好、時間安排偏好等，從而能夠從數以萬計的潛在遊玩項目中找出最適合遊客胃口的出遊路線。對於平台而言，產品庫存和促銷方案會即時反饋到行程算法中，這為提升服務質量的提升也具有重大幫助。
遊客出行之後，會對行程線路的評價和反饋。等積累的數據足夠多了，AI算法就可以發揮作用了。對海量數據進行分析挖掘，優化行程算法模型，從而為遊客提供越來越靠譜的遊玩體驗。
走，我們來一次說走就走的旅行。懶豬行在手，出境玩樂無憂。
作者信息：劉遠程，杭州懶豬行CTO。知名信息安全企業產品經理出身，曾多次創業並擔任技術總監和CTO，具有豐富的互聯網產品設計、開發和團隊管理經驗。
最後更新：2017-09-04 16:02:45