Агентный ИИ для ответственных рекомендаций по туризму

Как могут рекомендательные системы на основе ИИ выйти за рамки оптимизации индивидуальных предпочтений, чтобы поддерживать более ответственный туризм? Мы начинаем с изучения эволюции от традиционных рекомендательных систем к рекомендациям на основе больших языковых моделей (LLM) и агентного подхода, исследуя, как LLM обеспечивают более богатое контекстуальное понимание, разговорное взаимодействие и аргументацию, и как агентный ИИ может интегрировать несколько целей и заинтересованных сторон в процесс рекомендации. Основываясь на этом переходе в практическом исследовании, мы освещаем два недавних проекта: Collab-REC, многоагентная структура, которая объединяет цели персонализации, популярности и устойчивости, и TRACE, интерактивная разговорная система, предназначенная для того, чтобы помочь пользователям понять и рассмотреть более устойчивые варианты путешествий. Используя Gemini и набор инструментов для разработки агентов от Google (ADK), эти проекты иллюстрируют, как развивающиеся агентные архитектуры могут трансформировать исследовательские идеи в практические системы ИИ. Смотря в будущее, по мере того как агентные рекомендатели становятся более автономными и персонализированными, возникают новые вопросы относительно конфиденциальности, прозрачности, оценки, ответственности и баланса между предпочтениями пользователей и социальным и экологическим воздействием. В выступлении исследуются эти открытые проблемы и возможности для создания систем ИИ, которые не только более способны, но и более ответственны. Кто должен присутствовать? Основная архитектура рекомендательных систем решает универсальное узкое место в ИИ для науки: как строить автономные агентные системы, которые согласовывают сложные, конкурирующие цели, а не оптимизируют для одного показателя. Независимо от того, балансируете ли вы терапевтическую эффективность и токсичность в лечебных схемах, сопоставляете механическую производительность с углеродными следами жизненного цикла в открытии материалов или учитываете экологические ограничения в геонаучном моделировании ресурсов, задача остается идентичной. Участники уйдут с практическими рабочими процессами для организации консенсуса многоагентной системы, закрепления генеративных агентов в строгих ограничениях домена и разработки прозрачного рассуждения с участием пользователя. Если ваше исследование требует рабочих процессов ИИ, которые осуществляют аргументацию через многосторонние компромиссы, этику и устойчивость, эта сессия предоставит действенный план, применимый в научных исследованиях и инженерии.