Agenticzne AI dla Odpowiedzialnych Rekomendacji Turystycznych

Jak systemy rekomendacyjne wspierane przez AI mogą przekroczyć optymalizację indywidualnych preferencji, aby wspierać bardziej odpowiedzialną turystykę? Zaczynamy od zbadania ewolucji od tradycyjnych systemów rekomendacyjnych do rekomendacji wspieranych przez LLM i agentów, badając, jak LLM-y umożliwiają bogatsze zrozumienie kontekstu, interakcję konwersacyjną oraz rozumowanie, a także jak agenticzne AI może integrować wiele celów i interesariuszy w procesie rekomendacji. Osadzając tę transformację w praktycznych badaniach, zwracamy uwagę na dwa ostatnie projekty: Collab-REC, wieloagentową ramę, która łączy cele personalizacji, popularności i zrównoważonego rozwoju oraz TRACE, interaktywny system konwersacyjny zaprojektowany, aby pomóc użytkownikom zrozumieć i rozważyć bardziej zrównoważone wybory podróży. Używając Geminiego i Zestawu Narzędzi Rozwoju Agentów Google'a (ADK), te projekty ilustrują, jak nowoczesne architektury agentów mogą przekładać pomysły badawcze na praktyczne systemy AI. Patrząc w przyszłość, gdy agenticzne rekomendatory stają się coraz bardziej autonomiczne i spersonalizowane, pojawiają się nowe pytania dotyczące prywatności, przejrzystości, oceny, odpowiedzialności oraz równowagi między preferencjami użytkowników a wpływem na społeczeństwo i środowisko. Wykład bada te otwarte wyzwania i możliwości budowania systemów AI, które są nie tylko bardziej zdolne, ale także bardziej odpowiedzialne. Kto powinien wziąć udział? Podstawowa architektura systemów rekomendacyjnych rozwiązuje uniwersalny wąski punkt w AI dla nauki: jak zbudować autonomiczne systemy agentów, które negocjują złożone, konkurencyjne cele, zamiast optymalizować dla jednego wskaźnika. Niezależnie od tego, czy równoważysz skuteczność terapeutyczną z toksycznością w reżimach medycznych, balansujesz wydajność mechaniczną z cyklem życia emisji w materiałach odkrywczej, czy nawigujesz ograniczeniami ekologicznymi w modelowaniu zasobów geonaukowych, wyzwanie jest identyczne. Uczestnicy wyjdą z praktycznymi procedurami do orkiestracji konsensusu wieloagentowego, osadzania agentów generatywnych w ścisłych ograniczeniach domeny i projektowania przejrzystego rozumowania użytkowników w procesie. Jeśli Twoje badania wymagają procesów AI, które rozumują w kontekście handlu między różnymi interesariuszami, etyką i zrównoważonym rozwojem, ta sesja dostarcza wykonalny plan działania, który można zastosować w odkryciach naukowych i inżynierii.