Реальные случаи применения искусственного интеллекта в индустрии туризма.

Введение
Туризм как отрасль экономики возник на том этапе развития, когда потребности в отдыхе и получении информации о новых местах стали обеспечены соответствующими ресурсами.
Основными факторами развития туризма, стали развитие транспорта и его инфраструктуры, способы связи, урбанизация, сокращение рабочего времени. Доля туризма в мировой торговле услугами составляет более трети. На мировом рынке туристский продукт занимает место близкое к объемам торговли энергоносителями. Туризм является весьма прибыльным видом экономической деятельности и использует до 7 % основного капитала.
Наука о туризме во всем мире переживают период переосмысления оснований, развития методов его учета, планирования, моделирования и управления. Публикации последних лет о туризме свидетельствуют о том, что туризм является одной из ведущих и наиболее динамичных отраслей мировой экономики. За быстрые темпы роста он признан экономическим феноменом столетия. Ожидается, что при сохранении сложившихся темпов роста число международных путешествий к 2010 году составит порядка 937 млн. человек.
Вместе с тем, растет число туристических фирм, что естественно, сопровождается конкуренцией между ними. Между туристическими фирмами идет борьба за клиентов. Чтобы удержаться на рынке туристических услуг, фирмы стремятся улучшать качество предоставляемого сервиса. Немаловажное значение имеет правильный подбор страны для туристического путешествия. Обычно, эта задача решается в результате консультаций менеджера по туризму с клиентом. Но здесь не исключены ошибки. Не всегда клиенту предлагается именно тот отдых (та страна), который бы наиболее соответствовал его запросам и желаниям, в результате чего качество получаемого клиентом сервиса падает.
Целью работы является создание компьютерной программы, способной взять на себя решение этой непростой задачи – обеспечить выбор именно той страны, которая больше всего отвечает запросам клиента в туристическом отдыхе. Помочь консультируемому специалисту разобраться в запросах и требованиях клиента.


Реальные случаи применения искусственного интеллекта в индустрии туризма
Инновации позволяют предприятиям адаптировать свое предложение к потребностям рынка. Источниками инноваций в туризме могут быть как смежные, так и базовые отрасли [5]. Одним из примеров инноваций представляют собой информационно- коммуникационные технологии (ИКТ), которые играют интегрирующую роль в инновационном развитии туризма (пример: онлайн-услуги в виде электронной регистрации, онлайн системы бронирования, онлайн оплата, выбор турпродукта, маршрута, транспорта и т. п.).
Технологии меняют потребности клиентов, их привычки и образ жизни, поэтому, чтобы остаться на рынке, компания должна изучать рынки и использовать ИКТ в своей деятельности. Инновации не подразумевают только новые продукты и услуги, они также могут относиться и к усовершенствованию самого процесса предоставления услуг и тем самым дают возможность конкурировать с лучшими предприятиями, обучать сотрудников как работать в новых условиях.
Одно из направлений в информационно-коммуникационных технологиях является использование методов искусственного интеллекта (ИИ) для создания инновационных продуктов для обслуживания туристов и для самих предприятий (см. [3; 4]).
В методах ИИ можно выделить несколько направлений [6; 2]: интеллектуальные агенты, знания, представления, выводы, неопределенность и знания, распознавание, анализ и синтез в естественных языках, прогнозы и планирование, роботы. Одним из перспективных методов ИИ является использование агентов для моделирования в экономике и, в частности, в туризме.
В агент-ориентированном моделировании (АОМ) система моделируется как множество автономных единиц, принимающих решения и называемых агентами. Каждый агент сам оценивает ситуацию, в которой он находится, и принимает решение, используя встроенные и полученные во время обучения знания и правила. Как правило, агенты используют разные стратегии поведения, например, для покупки или для продажи. Многократно повторяющиеся взаимодействия между агентами являются особенностью моделирования на основе агент-ориентированного подхода.
Одна из причин, лежащих в основе популярности АОМ, является простота их понимания. Действительно, когда кто-то слышал об АОМ, он обычно легко понимает её, но хотя метод АОМ технически прост, он концептуально гибок и глубок.
Основные преимущества АОМ, можно определить так: АОМ описывает экономические явления, принятым в экономике языком и понятиями; АОМ дает естественное описание системы; и АОМ является гибким.
На самом простом уровне модель состоит из множества агентов и отношений между ними

. Но даже простая модель может демонстрировать сложную динамику и предоставить ценную информацию о моделируемой системе и ее развитии. Агенты способны обучаться и адаптироваться к изменяющейся обстановке, т. е. эволюционировать и развиваться, что позволяет обнаруживать их неожиданное поведение. Сложная AОM обычно включает в себя и элементы нейронных сетей, и эволюционные алгоритмы, и другие методы обучения. Это дает возможность проводить их реалистичное обучение. Такие модели используют в большей степени когнитивные, а не технологические методы.
Далее приведен пример АОМ, ориентированного на принятие решений в туризме [1; 3].
Обычно при планировании туристических поездок, выбор вида транспорта является одной из важных составляющих, кроме этого таковым есть и резервирование мест в отелях или санаториях, а также, возможно, бронь автомобиля.
Для выбора аэропорта, аренды автомобиля или найма такси, часто используются решения на основе прошлого опыта или специальные приложения в смартфоне. При этом оценивается требуемое время и усилия для принятия решения, а также денежные затраты. По интернету можно проверить статус нужных рейсов или использовать службу, которая автоматически отправляет клиентам обновленную информацию о полетах. Однако, существует много событий, которые могут помешать реализации задуманной поездки: это могут быть задержки или отмены рейсов, проблемы с туроператорами, с таможней и т. п.
Система поддержки решений, использующая подход АОМ может состоять из нескольких агентов. Основным является управляющий агент, он управляет работой других агентов, в частности, агента, взаимодействующего с клиентом и агентами по сбору информации, каждый из которых, в свою очередь, специализируется в своей области. Можно выделить такие области специализации: перемещение, проживание, развлечения, платежи.
Кроме этого, есть агент-помощник по принятию решений клиентом. Агент решает, какие возможные варианты предложить клиенту. Управляющий агент координирует работу всех агентов и обеспечивает их централизованное снабжение информацией. Такая система обеспечивает интерактивный подход к составлению планов поездок, где вся информация, есть для принятия решения и выбор решений доступен для клиента.
Решения интегрированы и учитывают все варианты. По желанию пользователя, например, просто уведомлять о задержках рейсов, агент также отправляет SMS в отель и агентство по прокату автомобилей, чтобы уведомить их о задержках и обеспечить, чтобы номер в отеле и автомобиль были доступны для клиента. Аналогичным образом могут быть организовано информационное обслуживание, когда клиент прибывает в город для стыковочного рейса.


2. Создания нейросетевой математической модели
Сфера туризма, как и любая другая область бизнеса, нуждается в математическом компьютерном моделировании. Однако, ввиду плохой формализуемости знаний, а также большого количества факторов, влияющих на результат моделирования, качественные математические модели традиционными детерминированными методами в сфере туризма построить, как правило, не удается.
Филиалом РГУТиС в г.Перми совместно с рядом пермских университетов уже несколько лет практикуется применения сравнительно нового инструмента построения математических моделей – аппарата нейросетевых технологий [1]. Нейрокомпьютерные и нейросетевые технологии являются одной из наиболее эффективных стратегий искусственного интеллекта. Предложенные в основополагающих работах У.Мак-Каллока, В.Питтса и Ф.Розенблатта [4, 5] нейронные сети реализуются по принципам построения и функционирования человеческого мозга. Знания в них не закладываются изначально, а приобретаются автоматически в ходе обучения на примерах, характеризующих предметную область. Нейронные сети и нейрокомпьютеры наследуют от своего прототипа
– мозга его полезные свойства: способность извлечения знаний из статистических данных, способность обобщения их в виде законов и закономерностей предметных областей, свойство интуиции, как способность делать правильные заключения и строить прогнозы в
тех случаях, когда обычная логика оказывается бессильной.
Как убедительно показывает наш собственный опыт [1], хорошо спроектированные и правильно обученные нейронные сети способны самостоятельно выявлять законы природы и общества, закономерности бизнес-процессов, экономических, политических, социальных и другого рода явлений, выявлять связи и закономерности предметных областей и закладывать их в математические компьютерные модели