酒店与旅游业人工智能应用 课件 第一章 人工智能基础知识与应用概述-V

第一章人工智能基础知识与应用概述《酒店与旅游业人工智能应用》学习目标知识目标•了解人工智能的核心体系：定义、发展阶段与四层技术层级关系•认知机器学习和深度学习的关键技术：三类机器学习与Transformer等核心模型•掌握判别式AI与生成式AI两大主流范式：概念、原理、区别与适用边界•理解AI在旅游业的深度应用场景：行前、行中、运营全生命周期的典型模式技能目标•AI应用识别与技术分类能力：识别典型案例，判断技术类型与核心模型•旅游场景痛点与AI关联能力：把运营痛点对应到合适的AI技术路径•技术前瞻性洞察能力：把大模型新进展关联到旅游产品创新方向态度与素养目标•建立前瞻性思维：认识AI对产业结构升级与体验创新的颠覆作用•理解人机协同的重要性：AI是工具而非替代者，做复合型管理者•培养商业敏锐度与责任感：创造商业价值的同时坚守伦理与数据安全本章结构人工智能基础知识与应用概述01人工智能的发展历程和概念02人工智能的类型03酒店与旅游业人工智能典型应用场景案例导入：滕王阁景区的AI实践文化IP×人工智能：实景+文化+科技的三重体验背景2025年暑假，很多景区由于充满AI元素的新体验、新玩法而迎来客流高峰，位于江西南昌的滕王阁便是其中之一。问题高峰期人工导游资源不足，服务水平与个性化体验受限智能背序亭：全国首创运用AI技术在全国首创智能背序亭，以虚拟数字人“王勃”担任打分考官，检查游客背诵《滕王阁序》。AI导游“王勃”：从“能背”到“会带”2024年升级推出AI导游系统：智能讲述历史，可按喜好定制游览线路，具备点选讲解与图像识别功能。VR体验与客流增量《千年—序滕王阁》VR体验中心让游客穿梭数字复原的唐代宴席，获得实景＋文化＋科技的三重体验；暑期核心景区日均接待游客1.59万人次，同比增长44.54%。1.59万人次暑期核心景区日均接待游客同比增长44.54%同比增幅三重体验实景+文化+科技案例导入：滕王阁景区报道实景央视《朝闻天下》报道景区“AI讲解”线上服务界面滕王阁景区暑期“AI新玩法”让游客“留下来”——数字人“王勃”担任AI导游与背序考官，VR沉浸式体验成为客流新引擎。课前思考题请结合滕王阁案例，思考以下三个问题思考1在滕王阁景区中，数字人“王勃”不仅能够讲解历史文化知识，还能根据游客需求规划游览路线、回答问题、现场赋诗。请思考这些功能体现了人工智能的哪些特点？与传统人工导游相比有哪些不同？思考2案例中提到AI技术的应用帮助滕王阁景区在暑期实现了游客量的大幅增长，请结合案例思考人工智能技术在提升游客体验和提高景区运营效率方面发挥了哪些作用？这些技术的应用为什么能够吸引更多游客前来体验？思考3滕王阁通过AI导游、智能背序亭和VR沉浸式体验等数字化手段，让游客能够以更加生动的方式了解《滕王阁序》和滕王阁文化。请思考人工智能技术如何帮助旅游景区实现文化传承与创新传播？未来还可以开发哪些类似的智慧旅游应用？第一节人工智能的发展历程和概念01人工智能的概念02人工智能的发展历程03人工智能的基础技术体系01人工智能的概念人工智能的概念究竟什么是人工智能？学者们从不同视角提出了多种定义。约翰·麦卡锡（JohnMcCarthy，1955）“制造智能机器的科学与工程。”——简洁地确立了人工智能的初始目标及其工程属性。马文·明斯基（MarvinMinsky，1968）“让机器完成那些需要人类智慧才能完成的工作的科学。”——强调以人类智力能力作为衡量机器智能的参照标准。尼尔斯·尼尔森（NilsJ.Nilsson，2010）“人工智能是致力于使机器智能化的活动，而智能是使实体能够在其环境中恰当并有远见地行动的品质。”——将AI视为一种实践活动，指出智能与环境适应性、前瞻性行为的联系。如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能（ArtificialIntelligence,AI）正成为推动人类社会迈向智能时代的决定性力量人工智能的概念斯图尔特·罗素（StuartJ.Russell）与彼得·诺维格（PeterNorvig）“创建能够感知环境并采取行动以最大化成功机会的智能体的研究与设计。”——代表当前主流的“理性智能体”观点，智能的核心在于理性决策和目标导向的行动。中国国家标准化管理委员会（2018，《人工智能标准化白皮书》）人工智能是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。综合定义人工智能是一个跨学科的科学与工程领域，致力于创造能够模拟、延伸和扩展人类智能的机器或软件系统。这些系统通过获取和解释外部数据，从中学习知识，并利用这些知识通过灵活的适应性来推理、解决问题和制定决策，以实现特定的目标。其核心能力涵盖学习、推理、知识表示、感知、自然语言处理和决策制定。02人工智能的发展历程人工智能的发展历程人工智能的发展史是一部人类探索“如何制造智能”的进化史，发展过程中逐渐形成两条代表性技术路线：符号主义&连接主义理解全部发展历程的钥匙对比维度符号主义连接主义对智能本质的理解人类智能的本质在于逻辑推理与符号运算受人脑神经结构的启发实现路径通过规则、知识表示和逻辑推理机制实现机器智能通过构建人工神经网络，让机器从数据中自主学习知识和规律典型成果/代表技术规则推理系统、专家系统机器学习、神经网络、深度学习主导时期AI诞生后的前二十年、专家系统时期机器学习兴起之后逐渐成为重要方向人工智能的发展历程，本质上也是这两种技术范式不断竞争、融合与演化的过程。总体上经历了两次严酷的“寒冬”与三次主要的发展浪潮，最终实现从“人工赋予规则”到“机器自主学习”的根本性跨越。人工智能的发展历程从思想奠基与概念诞生，到深度学习革命与AI全面爆发，人工智能的发展划分为五个主要阶段思想奠基与概念诞生（1943年–1956年）01人工神经元模型1943年，沃伦·麦卡洛克与沃尔特·皮茨提出，首次尝试利用数学方法模拟人脑神经系统，为后来的神经网络研究奠定基础02图灵测试1950年，艾伦·图灵发表《计算机器与智能》，把抽象的智能概念转化为可操作的模仿游戏，为后世确立了评估标准03达特茅斯会议1956年，约翰·麦卡锡、马文·明斯基等在美国达特茅斯学院举行研讨会，首次正式提出“人工智能”术语，被公认为AI的诞生日在人工智能成为一门独立学科之前，关于机器智能的构想已在数学和哲学领域酝酿已久，这一时期的核心任务是确立“机器思维”的理论可能性早期推理与第一次“人工智能寒冬”（1956年–1980年）黄金时代符号主义主导，智能核心是逻辑推理微世界成功开发几何定理证明、聊天机器人ELIZA组合爆炸问题规模增长致计算复杂度指数级上升第一次寒冬《莱特希尔报告》批评，经费大幅削减AI诞生后的前二十年被称为“黄金时代”，主流技术路线是符号主义；然而过分乐观的预测，最终把行业推入第一次“寒冬”专家系统的兴起与衰落（1980年–20世纪90年代初）核心思路把人类专家的专业知识编码成大量“如果…那么…”（IF-THEN）规则存入计算机，模拟专家决策能力代表系统DEC公司的XCON能通过询问客户需求自动决定计算机部件搭配；MYCIN聚焦医疗诊断，可识别细菌感染并推荐抗生素治疗方案商业价值首次证明AI在特定垂直领域具有巨大商业价值，并催生了第一批AI上市公司局限暴露知识库构建维护成本极其高昂，系统非常“脆弱”，遇到规则库之外的异常情况就会失效第二次寒冬1987年前后Lisp机器市场崩溃，大量AI企业倒闭，产业泡沫破裂，寒冬延续至1990年代初进入20世纪80年代，人工智能研究重新回暖，研究方向转向面向特定领域的“专家系统”，仍属符号主义路线，但思路从通用智能转向领域专用智能机器学习的兴起（20世纪90年代–21世纪初）范式转变研究者不再手工编写规则来模拟智能，而是利用统计学方法让计算机从海量数据中自动学习模式路线转向联结主义路线逐渐成为人工智能研究的重要方向算法成果机器学习成为研究主流，诞生了支持向量机、集成学习方法等许多强大的算法标志事件1997年IBM超级计算机“深蓝”在国际象棋比赛中击败世界冠军卡斯帕罗夫事件意义技术上更多依赖强大的搜索能力，但公众层面极大提振了对机器智能的信心第二次寒冬之后，人工智能迎来一次至关重要的思维范式革命——从“知识驱动”转向“数据驱动”深度学习革命与AI全面爆发（21世纪10年代至今）2006年DBN辛顿提出深度置信网络，深度学习复兴起点2012年AlexNet图像识别竞赛压倒性获胜，深度学习时代开启2016年AlphaGo战胜围棋世界冠军李世石，展现复杂决策潜力2017年Transformer改变自然语言处理方向，为大语言模型奠基第三次也是迄今为止最迅猛的发展浪潮，由移动互联网带来的大数据普及、GPU带来的计算能力飞跃、深度学习算法的创新共同催生，AI已在感知智能领域超越人类性能，并在文本生成、图像生成等生成式领域展现惊人的内容创造与泛化能力五个阶段与三次浪潮思想奠基（1943–1956）确立“机器思维”的理论可能，AI成为独立学科早期推理（1956–1980）符号主义主导，“组合爆炸”致第一次寒冬专家系统（1980–1990年代初）转向领域专用智能，商业价值初现机器学习（1990年代–21世纪初）从“知识驱动”转向“数据驱动”深度学习（21世纪10年代至今）大数据、GPU与算法共振，AI全面爆发把五个阶段连起来看，人工智能走过了一条“起—落—起—落—再起”的曲线：两次寒冬来自“承诺无法兑现”，三次浪潮则来自“新技术范式打开新空间”03人工智能的基础技术体系人工智能的技术层级关系人工智能并非单一技术，而是由多个专门学科领域组成的集合人工智能的技术层级关系人工智能AI最广泛的概念，指使机器能够模仿或模拟人类智能的整个科学与工程领域，涵盖从简单规则系统到复杂神经网络的所有理论、方法和应用机器学习ML实现人工智能的核心子集和关键途径，与需为所有情况编写显式指令的传统编程不同，使计算机能从数据中自动学习模式并做出决策或预测深度学习DL机器学习中更专门化的子领域，利用“人工神经网络”的多层结构处理数据，尤其擅长从图像、文本、声音等非结构化数据中自动提取高层次特征生成式AI人工智能的一个分支，专注创造新的、原创的内容而非仅分析或分类现有数据，通常以大型语言模型、生成对抗网络等深度学习模型为技术基础机器学习机器学习是人工智能的一个子领域，也是人工智能的核心技术01收集和准备数据把业务问题翻译成机器能读的数据，决定模型能力上限02训练模型用已收集的数据训练一个模型，让它从数据中找出输入与输出之间的关系03预测与决策使用训练好的模型对新的数据进行预测和决策机器学习的主要类型类型数据与机制核心任务典型应用监督学习处理**标签数据**，训练数据含输入特征与正确输出标签，像教师指导学生一样给“带答案”的数据集学习输入与输出的潜在关系，预测结果或对新数据分类图像识别、垃圾邮件检测、预测性分析如识别旅游照片中的地标无监督学习处理**无标签数据**，没有事先给定的正确答案，模型自行发掘潜在结构聚类、关联、降维市场细分、文档聚类、图像识别如按预订与浏览数据划分客户细分市场强化学习智能体（Agent）与**环境互动**，依行动结果给予奖励或惩罚，通过“实践-反馈-改进”循环学习目标导向地试错学习，最大化长期预期收益无需监督信号AlphaGo自我对弈掌握围棋策略为航空公司训练动态定价系统机器学习主要分为以下三种范式，差别本质上取决于“数据有没有标签”与“反馈从哪里来”深度学习核心是人工神经网络其结构灵感来源于人脑的神经元网络，核心思想是通过模仿人脑神经网络的结构和功能，利用多层非线性处理单元即深度神经网络来自动提取数据中的特征，并解决复杂的模式识别问题。基本结构一个基本的神经网络由多层计算节点组成，包括一个接收数据的输入层、一个提供最终结果的输出层，以及多个位于中间的隐藏层。当神经网络拥有多个隐藏层时，它就被称为“深度神经网络”，这也是“深度学习”名称的由来。深度学习是机器学习的一个子领域，由于其在处理大规模非结构化数据和解决复杂问题方面的非凡能力，因而成为当前人工智能领域的核心驱动力深度学习的主要技术类型深度学习的主要技术类型包括以下四种，可以用“处理什么数据、解决什么问题”来区分卷积神经网络CNN为图像、视频等网格状数据专门设计，由卷积层与池化层组合而成，构建从低级到高级的特征层次，擅长图像分类、目标检测、人脸识别循环神经网络RNN为序列数据（时间序列或顺序信息）设计，能同时储存之前的信息形成持续记忆，在机器翻译、情感分析、语音识别等任务中表现卓越Transformer架构基于自注意力机制，由Vaswani等人在2017年《AttentionIsAllYouNeed》中首次提出，可并行处理整个输入序列并捕捉长距离依赖生成对抗网络GANs由伊恩·古德费洛于2014年提出，由生成器与判别器在“零和游戏”中对抗训练，最终生成高度逼真的新样本，用于图像生成、风格迁移、数据增强机器学习与深度学习的区别机器学习与深度学习的关键差异在于“特征由谁提取”：机器学习常需人工设计特征，深度学习则通过多层神经网络自动从数据中提取特征人工智能的核心应用分支自然语言处理最早的应用技术，致力于实现计算机与人类语言的有效交互，让机器理解、分析和生成语言，广泛用于搜索引擎、智能客服、翻译系统、创意写作计算机视觉赋予机器“看”的能力，从图像、视频中提取并理解物体含义、位置关系与背景环境；核心任务包括图像分类、目标检测、图像分割，已用于自动驾驶环境感知、安防人脸识别、医疗影像辅助诊断智能语音技术让机器具备“听”和“说”能力，包含语音识别（口述语音转为文本指令）与语音合成（文本转为自然流畅、富有情感的语音）两大方向，是智能音箱、车载语音助手与无障碍设备的核心基础人工智能是由多个专注于解决不同类型问题的应用领域组成的综合体，这些领域既有明确分工，又常在复杂应用中相互交织、协同工作人工智能的核心应用分支机器人技术人工智能与机械工程、电子工程深度融合的交叉学科，AI是机器人的“大脑”（路径规划、物体识别、操控决策、人机交互），机械本体与传感器构成“身体”，如自动化机械臂、扫地机器人、类人型机器人专家系统最早实现商业化的分支之一，由存储专业事实与规则的“知识库”和负责逻辑判断的“推理引擎”组成，在医疗诊断、设备故障排查、金融风险评估等垂直领域给出媲美甚至超越人类专家的方案推荐系统目前互联网应用中最普及的分支之一，专注解决信息过载，通过分析用户历史行为、兴趣偏好与社交关系自动筛选可能感兴趣的内容，是电商“猜你喜欢”、短视频与音乐推送的底层引擎除上述三项之外，机器人技术、专家系统与推荐系统构成了人工智能走向物理世界、垂直领域与商业变现的另外三条通路思维启迪与认知内化概念辨析：人工智能的发展历程见证了思维范式的根本转变：从早期依赖人工编写逻辑规则的符号主义、专家系统，演变为现代让机器从海量信息中自主找规律的机器学习、深度学习。请结合“滕王阁AI导游系统”的案例，分析在识别游客各地方言口音或微妙情绪这一具体任务中，为什么早期基于“固定规则”的方法难以奏效，而必须依赖现代基于“深度学习”的方法才能有效实现？场景理解：人工智能的基础技术体系包括人工智能、机器学习、深度学习和生成式人工智能的层级关系。请判断：一个基于决策树算法的“旅游产品价格预测模型”，它在人工智能的哪个技术层级？该模型与基于Transformer架构的“多语言机器翻译系统”相比，在技术复杂性上有何不同？协作探究与决策研讨议题：AI发展历史的商业启示背景：某旅游创业公司正考虑将核心业务从传统的OTA平台转向生成式AI驱动的行程定制服务。公司的投资人对AI的高风险性感到担忧，担心重蹈历史上两次“AI寒冬”的覆辙。任务：请全班分为两组进行研讨，最后达成一个“AI投入原则”。A组：引用深度学习革命以来的技术突破，论证当下技术成熟度高，是最佳投入时机。B组：引用AI寒冬的历史教训，提出应设定严格的“退出机制”和“风险隔离机制”，以防止技术失败导致公司破产。讨论焦点：请结合AI发展历史的教训，设计一套旨在保障商业可持续性的“AI技术投入三原则”。行动学习与场景迁移任务：历史理念的现代映射场景：你是一家酒店的IT运维人员，正在评估和维护一套早期部署的自动化系统。要求：请在手机上快速搜索一个国内旅游业中工作逻辑相对简单的自动化应用案例。然后，判断其核心工作原理与人工智能发展历史中的哪个阶段的理念最为接近，并用一句话简要解释你的判断依据。第二节人工智能的类型01人工智能的分类标准02判别式AI与生成式AI01人工智能的分类标准人工智能的分类标准人工智能作为一门模拟、延伸和扩展人类智能的技术科学，随着技术不断进步，AI系统呈现出多样化的形态和能力，形成了不同的类型体系基于能力水平分类狭义人工智能

（ANI，弱人工智能）通用人工智能

（AGI，强人工智能）超级人工智能

（ASI）基于功能分类反应式AI有限记忆AI心智理论AI自我意识AI基于人工智能的能力水平分类按能力水平，人工智能通常被分为三级，它们对应三种完全不同的“智能想象”狭义人工智能ANI亦称弱人工智能，专为执行某一特定任务而设计和训练，无法执行专业领域之外的任务，是今天所有商用AI的所在层级通用人工智能AGI又称强人工智能，理论上将拥有与人类同等的智能水平，能够理解、学习并解决任何人类能够解决的问题，目前仍是理论概念超级人工智能ASI一种假想的AI形式，将在几乎所有领域远远超越最优秀的人类智能，目前处于高度推测阶段狭义人工智能（ANI）典型案例智能手机上的语音助手（如Siri、Alexa）、电子邮件中的垃圾邮件过滤器、流媒体服务的推荐引擎、面部识别软件旅游场景旅游平台的智能客服、景点推荐系统、机票价格预测，都属于弱人工智能范畴能力边界通过在大型数据集上训练的机器学习算法来识别模式并做出预测，通常针对特定问题或领域优化，但能力严格受限于其编程和训练数据，缺乏跨领域学习和适应的能力狭义人工智能（ANI），亦称弱人工智能，被定义为专为执行某一特定任务而设计和训练的AI，在一个预先设定的范围内运作，无法执行其专业领域之外的任务通用人工智能（AGI）关键能力推理、运用策略、解决问题、在不确定性下做出判断、规划、学习、用自然语言交流，以及在无需针对特定任务重新编程的情况下，把知识和技能从一个领域迁移到另一个领域当前状态仍然是一个理论概念，尚未实现；全球各大科技公司正投入巨额资金开展相关研究假想示例一个能够学习烹饪的机器人，可以把它对化学反应和物理变化的理解，无缝迁移到实验室环境中做科学实验，而无需专门的重新编程通用人工智能（AGI），又称强人工智能，是理论上AI发展的下一个阶段，将拥有与人类同等的智能水平，能够理解、学习并运用其智力解决任何人类能够解决的问题超级人工智能（ASI）阶段定位代表AI发展的理论顶峰，目前仍处于高度推测阶段，更接近于科幻小说的范畴讨论焦点一方面围绕其巨大的潜在益处，例如解决气候变化、疾病等全球性难题；另一方面则是重大的伦理风险演进路径在AI的演进路径中，AGI被认为是通往ASI的必要踏板超级人工智能（ASI）是一种假想的AI形式，它将在几乎所有领域——包括科学创造力、普世智慧和社交技能等方面——远远超越最优秀的人类智能基于人工智能的功能的分类基于人工智能功能的分类方法由研究员阿伦德·辛茨（ArendHintze）提出，即根据AI如何运作以及与世界互动的方式划分，从简单的反应能力演进到理论上的自我意识反应式AI没有记忆能力，直接感知当前世界并根据所见采取行动，行为模式完全可预测有限记忆AI能在短期内存储和使用过去的信息，以指导不久的将来的决策，是当今绝大多数实用AI所属的类别心智理论AI将能理解其他实体拥有自己的信念、欲望、意图和情感，目前仍处于研发阶段自我意识AI将拥有意识、自我认知，并能理解自身的存在和内部状态，目前纯属理论构想反应式AI经典例子IBM的“深蓝”国际象棋计算机，能分析棋盘当前局势并预测最佳走法，但对棋局的历史进程没有任何记忆，每一次移动都是基于当前棋盘状态的独立计算另一类例子早期的垃圾邮件过滤器，根据邮件中是否包含特定关键词来做出判断，而不会考虑发件人的历史行为管理提示这类系统的可解释性最好，但也最“死板”——业务规则一变，它就无法适应反应式AI（ReactiveMachines）是最基础的AI类型，没有记忆能力，也无法利用过去的经验来指导当前的决策；它直接感知当前世界，并根据所见采取行动，行为模式完全可预测有限记忆AI有限记忆AI（LimitedMemory）能够在短期内存储和使用过去的信息，以指导其在不久的将来的决策，是当今绝大多数实用AI应用所属的类别自动驾驶汽车利用对周围其他车辆近期速度和方向的观察数据，来决定何时变道或刹车AI聊天机器人客服聊天机器人能够记住当前对话的上下文，从而提供连贯且相关的回答；如果一个机器人记不住用户上一句问了什么，对话就无法进行生成式AI像ChatGPT这样的工具依赖有限记忆，来根据句子中前面的词语预测下一个最有可能出现的词语心智理论AI为什么重要这是AI迈向真正社会互动的一步，需要AI不仅能识别情感，还能理解情感背后的意图和思想当前状态仍处于研发阶段，尚未完全实现与前一层的差别有限记忆是“记住发生过什么”，而心智理论是“推测别人在想什么”心智理论AI（TheoryofMind）是一种未来理论上的AI类型，将能理解其他实体各有自己的信念、欲望、意图和情感，并知道这些心理状态会影响它们的决策自我意识AI核心特征处于这一阶段的机器将拥有意识、自我认知，并能理解自身的存在和内部状态进一步设想这种AI将拥有与人类同等的情感、需求和信念常见出处这通常是科幻作品探讨的领域，例如电影《终结者》中的“天网”自我意识AI（Self-Awareness）是AI发展的最先进阶段，目前纯属理论构想02判别式AI与生成式AI判别式AI的概念判别式AI，也称为决策式AI，是一种通过学习数据的条件概率分布，对新场景进行判断、分析和预测的人工智能技术。其核心任务是学习如何区分或“判别”不同类别的数据，通过直接对输入特征和输出标签之间的关系进行建模，来实现对新数据的分类或预测判别式AI的核心原理判别式AI的核心原理是学习一个决策边界：设想图上有两种不同颜色的点，判别式模型的任务就是画一条线或一个更复杂的边界，把这两类点最有效地分离开来；训练完成后，新的点落在线的哪一侧，就能判断出它的类别判别式AI的应用场景判别式AI是当今许多数据驱动决策的基石，其应用渗透到各行各业人脸识别基于人的面部特征信息进行身份识别，通过分析和比对个体面部特征来识别或验证身份自动驾驶通过各种传感器实时收集道路信息、交通信号、障碍物位置等环境数据，经复杂算法做出加速、减速、转向、停车等驾驶决策智能推荐分析用户历史行为、偏好、评分等信息并结合内容属性，用推荐算法预测用户对未接触项目的偏好智能风控分析大量历史数据与实时数据，识别、评估和预防潜在风险，采取措施减轻或避免损失生成式AI的概念生成式AI是一种用于自动生成新内容的AI技术，使用语言模型、图像模型和深度学习等技术，自动生成新的文本、图片、音频和视频内容。生成式AI的核心原理生成式AI的核心原理可以比作一位艺术家通过研究成千上万幅画作，深入学习并理解了某个画派的内在规律，然后创作出一幅该画派风格的画作。它不是简单地复制或拼接训练数据，而是通过学习海量数据背后的潜在模式和分布，从而有能力生成与训练数据风格一致但内容全新的输出生成式AI的应用场景文本生成利用大模型自动生成连贯的文本内容，包括新闻、文字、诗歌和对话等形式，可应用于内容创作、营销和线上客服等领域图像生成利用大模型根据输入的内容生成新的图像，可用于艺术创作、游戏设计和虚拟现实等领域视频生成用大模型技术通过文字或图片生成视频内容，在影视制作和广告营销等领域应用潜力较大代码生成利用AI技术辅助编写或自动编写软件代码，可有效提高软件开发效率，可在软件和程序开发等领域落地应用一度火爆全网的ChatGPT，就是生成式AI的典型代表，不仅能完成高质量的连续对话，还能根据用户需求输出各种不同风格和语调的内容判别式AI和生成式AI的区别：技术原理VS判别式AI专注于区分不同类别或结果，通过学习数据的特征和模式，判断输入数据属于哪个预定义的类别例如在机票价格预测中分析历史价格数据和市场因素，预测未来价格趋势判别：给数据“归类”生成式AI侧重于生成新的数据实例，这些数据与训练数据具有相似的统计特性例如在个性化行程规划中，根据用户偏好和目的地信息生成全新的行程方案生成：造出“新数据”判别式AI和生成式AI的区别：应用场景/局限性对比维度判别式AI生成式AI主要局限依赖标注数据，泛化能力受限生成内容的可控性与准确性不足典型风险当旅游市场出现新趋势或突发事件时，可能无法准确预测或分类可能生成不符合实际的景点描述或行程安排应对方式持续补充新数据、及时更新模型需人工审核和优化，建立内容把关机制旅游场景需求预测、价格预测、评论情感分析行程生成、文案创作、多语言翻译思维启迪与认知内化概念辨析：请区分判别式人工智能和生成式人工智能在功能上的本质差异。如果一个人工智能模型被用于识别游客上传照片中的“不适宜内容”，这属于哪种人工智能？如果该模型被用于修复照片中被损坏的部分，这又属于哪种人工智能？场景理解：根据基于能力的分类标准，目前所有的智能客服和无人驾驶系统都属于狭义人工智能。请解释为什么狭义人工智能即使功能强大，也不能被称为通用人工智能，并指出两者在知识迁移和多任务学习能力上的核心区别。协作探究与决策研讨议题：判别式人工智能与生成式人工智能的战略选择背景：你是一家新型旅游内容公司的产品经理。公司正在权衡是投入资源开发一个判别式人工智能模型用于“精准筛选出最有可能购买高价套餐的VIP客户”，还是开发一个生成式人工智能模型用于“自动创作并生成数百套个性化的旅行宣传文案”。任务：请权衡两种模型的投入产出比、数据依赖性和战略风险，并为公司做出选择，重点阐述为什么放弃另一种选择。行动学习与场景迁移任务：判别式人工智能与生成式人工智能功能识别场景：你是一个正在上海出差的自由职业者，由于工作进展比预想的顺利，空出了2天时间，你正在使用一个具备人工智能功能的行程规划App为自己安排行程。要求：请在手机上使用某旅行App，输入需求“明后两天在上海，预算3000元，想体验艺术和美食，避免人多的地方”，根据APP生成的内容识别并写出能体现判别式人工智能功能和生成式人工智能功能的具体内容。第三节酒店与旅游业人工智能典型应用场景01行前阶段：从“信息检索”到“智能决策”02行中阶段：从“标准化服务”到“沉浸式体验”03运营阶段：从“人工创作”到“AI辅助内容生产”01行前阶段：从“信息检索”到“智能决策”行前阶段：从“信息检索”到“智能决策”超级策划师基于生成式AI的智能行程规划：理解复杂自然语言指令，基于海量数据“创造”出全新行程方案，把复杂的规划过程简化为一次对话精准营销官基于判别式AI的数据驱动精准营销：分析客流数据、消费偏好与人口统计学特征构建高精度用户画像，实现从“人找产品”到“产品找人”的转变在游客出发之前，人工智能主要扮演着“超级策划师”和“精准营销官”的双重角色，致力于降低游客的决策成本，同时提升企业的获客效率基于生成式AI的智能行程规划把复杂的规划过程简化为一次简单的对话用户动作传统方式需要游客在搜索引擎、OTA平台和社交媒体之间反复跳转，耗时耗力生成式AI助手一轮对话即可完成规划。技术能力传统判别式AI只能做关键词匹配生成式AI能够理解复杂的自然语言指令，并基于海量数据“创造”出全新的解决方案案例：AI游广州2025年8月上线、依托DeepSeek大模型，实现从咨询到规划的一站式服务；可按“带老人同行”“侧重早茶”等偏好生成完整攻略。同类案例“携程问道”、飞猪“AI行程助手”等，能调用实时库存数据，直接生成可下单的行程单案例：“AI游广州”小助手界面一览基于判别式AI的数据驱动精准营销判别式AI在营销端发挥着“高级数据分析师”的作用，把营销从“经验驱动”变成“数据驱动”分析对象海量的景区客流数据、游客消费偏好及人口统计学特征核心产出构建出高精度的用户画像，实现从“人找产品”到“产品找人”的转变管理价值系统不再盲目推送广告，而是向潜在客群精准推送组合产品，既提升企业的经济效益，也通过整合周边资源带动区域经济协同发展案例：杭州宋城的精准营销画像维度结合协同过滤算法，从200多个维度对游客画像进行深度分析，从中识别出潜在的亲子客群投放方式系统不再盲目推送广告，而是向潜在的亲子客群精准推送“演出＋餐饮”的组合套票成效数据套票转化率提升28%、获客成本降低35%、会员复购率增长30%，并整合周边资源带动了区域经济协同发展杭州宋城景区用一套精准营销引擎，把“盲推广告”变成了“算准了再推”行前阶段的两类AI分工对比维度生成式AI判别式AI行前角色超级策划师精准营销官典型任务智能行程规划：生成路线、攻略与可下单的行程单精准营销：构建用户画像、筛选目标客群、预测购买倾向关键动作生成判别代表应用“AI游广州”小助手、携程“问道”、飞猪“AI行程助手”杭州宋城精准营销引擎（协同过滤算法）价值锚点降低游客的决策成本提升企业的获客效率行前阶段的两种AI分工清晰——一个负责把需求变成方案，一个负责把方案送到对的人面前02行中阶段：从“标准化服务”到“沉浸式体验”行中阶段：从“标准化服务”到“沉浸式体验”当游客进入行程中，AI技术开始从云端落地到物理世界具身化服务无人驾驶与智能机器人服务：无人驾驶观光车、人形机器人导游、机器狗巡逻等，让AI以“具身智能”形态直接服务游客的物理移动与交互沉浸式体验虚实融合的沉浸式文旅体验：生成式AI与VR/AR技术结合，让“静态遗产”转化为“活态体验”实时智能导览利用实时数据分析解决排队与信息获取痛点，动态推送建议、调整预约系统，平衡园区客流压力无人驾驶与智能机器人服务的“具身化”AI技术通过“具身智能”形态，直接服务于游客的物理移动与交互无人驾驶智能观光车广州白云山景区：搭载多传感器融合系统，实时感知复杂路况、精准避障，并按客流密度动态调整发车频率，绿色零排放。机器人导游乌镇：通过计算机视觉技术“察言观色”，根据游客疲劳程度主动推荐休息区；人形机器人技术正从“模仿动作”向“创造动作”跨越。机器狗武功山：已加入警旅大队，既能辅助山岳巡逻，又能与游客进行舞蹈互动。智能机器人表演2025年北京“AI庙会”：从机器人乐队表演到双足人形机器人足球赛，为游客带来前所未有的科技文化体验。虚实融合的沉浸式文旅体验生成式AI×VR/AR：打破时空界限，让“静态遗产”转化为“活态体验”敦煌研究院“数字敦煌”利用AI修复技术，让游客在线上即可看清壁画中已经模糊的细节，仿佛穿越千年。2025年“浮海探蜀”特展通过多媒体互动装置与VR技术，让游客仿佛穿越回古蜀国，亲历三星堆的祭祀现场。实时智能导览与客流管理AI扮演“贴身管家”，用实时数据分析解决排队和信息获