發佈日期：2024 年 10 月 15 日

圖1：旅遊資訊查詢系統RAG架構

ChatGPT 與 AI 浪潮

自 2022 年 ChatGPT 3.5 橫空出世，生成式 AI 的應用迅速崛起，成為科技與產業間熱議的話題。生成式 AI 在圖片生成、文本創作、程式開發、醫療診斷等領域取得突破性成果，並逐漸被應用於不同產業中。然而，旅遊業的應用尚未如其他領域般普及，且仍存在許多未解決的問題，例如數據的時效性、資訊的準確性，以及對於旅客日益增長的個性化需求。

對於旅遊企業主來說，AI 是否能真正創造更多利潤或節省成本仍是一個問號。他們面臨的主要問題是：如何將 AI 技術整合到日常業務中？如何有效利用這些工具來提升運營效率並改善客戶體驗？

生成式 AI 的優勢與侷限

生成式 AI（Generative AI）的優勢在於，它能根據大型語言模型（LLM）生成高質量、自然流暢的文本，這使其在客服、內容創作、數據分析等領域有著巨大的應用潛力。然而，生成式 AI 的應用也存在著明顯的侷限性，特別是當涉及到行業特定知識或最新動態時。

LLM 的訓練基於龐大的歷史數據，因此其生成的回答僅限於訓練時所能接觸的資訊。這意味著當面對涉及最新資訊或特定行業專有知識的問題時，生成式 AI 可能無法給出準確答案，甚至可能產生錯誤信息（即 "幻覺" 現象）。這種情況下，生成模型可能會生成看似合理但實際上錯誤的回答，尤其在涉及旅遊行程規劃、最新航班資訊等方面，這些錯誤回答會對客戶造成負面影響。

RAG（Retrieval-Augmented Generation）的登場

為了解決上述問題，檢索增強生成（Retrieval-Augmented Generation，RAG）技術應運而生。RAG 是一種結合了檢索系統和生成模型的人工智慧技術，旨在提升生成模型的準確性和可靠性。其工作原理如下：

• 檢索（Retrieval）：當用戶提出問題時，系統首先從預先準備的知識庫或外部數據來源中檢索出與問題相關的資訊。
• 增強（Augmentation）：將檢索到的相關資訊與用戶的問題結合，作為輸入提供給生成模型。
• 生成（Generation）：生成模型根據增強後的輸入，產生最終的回答。

RAG 的這種結構能顯著提高 AI 回應的準確性，因為它能在生成之前引入最新且具體的資訊。這意味著 RAG 可以有效地減少幻覺現象，提供更符合實際情況的回答，特別是在需要專業知識或最新資訊的應用場景中。

RAG 技術的優勢

• 提高準確性：通過引入外部知識庫或實時數據，RAG 減少了 LLM 產生幻覺的可能性，保證回答的準確性和權威性。
• 保持資訊的最新性：知識庫可以定期更新，因此 AI 回應的資訊總是基於最新的內容，這對於旅遊業等變化迅速的行業尤為重要。
• 靈活性與可定制性：RAG 可以根據不同企業的需求，構建專屬的知識庫，確保系統能回答與企業業務高度相關的問題，滿足行業特定需求。

RAG 在旅遊業的應用潛力

旅遊業的特性決定了它對即時信息和客製化服務的高度需求，例如航班變更、行程調整以及客戶個性化偏好等。RAG 技術在這些方面展現了巨大的應用潛力：