旅游場景下應用人工智能有美好的前景，同時也有很多問題亟待解決。

語音交互被視為人工智能時代的重要入口，而家庭又是一個噪音較少、網絡穩定、需求明確而有限的場景，所以各大廠商都想搶占這一入口。今年以來各大智能音箱促銷大戰此起彼伏，促銷力度一浪接著一浪，從小愛mini的99元，到天貓精靈方糖的89元，到叮咚mini的79元。低價新奇的智能音箱銷量可觀，教育了大眾，更多的人也實實在在的接觸到了人工智能。

本文從旅游場景用戶需求出發，暢想一下人工智能在這一場景下的應用。

一、旅游場景

傳統的旅游人群去景區主要是看房子，看看樹，看看山，看看景。

自然景區無可厚非，游客就是領略自然風光，看看名山大川；但是到了人文景區，比如故宮、天壇，絕大多數人都只有一個大概的認識，知道這是古代皇帝住的地方，這是古代皇帝祭祀的地方。轉了一會，發現房子到處都一樣，逐漸的失去了新鮮感，失去了興趣。旅游不過也就是我去過那里了，打過卡了。

人們去人文景區的意義在哪？

大家都會說感受傳統文化，感受革命精神，感受歷史的氣息。那這種感受到底是什么？如何感受？

這里的核心是意義感。

如果游客知道他站的那個地方在幾百年前發生了什么事，這些事為什么會發生，甚至這件事或者事里的人他還知道，那這種感覺就更強烈了。游客可以想象在這個地方發生這件事的景象，而自己在旁觀，這時，游客就感受到了強烈的歷史感，可能還多了些夢幻。

所以，讓游客在旅游過程中有意義感，真正感受到歷史，可能唯一的方式，就是及時了解相關故事，而且故事細節越多越好，展示方式越形象越好。其實景區一直都知道這個問題的存在，也一直在著手解決這個問題。

告訴你康熙在武英殿智擒鰲拜這個故事讓你產生聯想（上圖），比僅僅讓你看武英殿這個建筑（下圖）要有意義得多

景區的方案

為論述方便，先定義下本文中的景區和景點，下文會經常出現：

• 景區：具備相應的旅游設施并提供相應的旅游服務的獨立管理區。比如故宮，頤和園，天壇都是景區。
• 景點：景區內的一處景觀。比如故宮中的太和殿，武英殿、坤寧宮、御花園都是一個個景點。一個景區內包含多個景點。

一般景區，在入口處會有介紹整個景區的石板，里面的每個景點旁，有介紹每個景點的石板。上面有名稱以及簡介，告訴你歷史由來、相關的人和事，可你要多加了解就要站在那耐著性子讀完。真實的場景是，游客已經走得很累了，曬得或凍得不行了，你還要讓他在一個看不清字的石板上看故事，用戶體驗可想而知。

更先進的方案是自動導覽工具，近年來才開始在景區普及。大多為手機APP，可以根據地理位置判斷你走到了哪個景點，一旦檢測到你進了某個景點的觸發范圍，就可以自動觸發語音講解。這種方式能讓游客將了解文化/故事這一需求通過聽的方式滿足，眼睛就集中在觀賞上，兩個感官得到的信息互相對照，比在石板上看故事好了很多。

但是，問題依然明顯：

• 所觸發的講解基本上就是直接讀出石板上的字。
• 你不能對這種方式觸發的講解明確加以控制。你得明確的到某個景點的觸發范圍，但你又不知道具體的觸發范圍在哪，你又不知道一個景點會不會有語音導覽（除非你掏出手機或講解器看一下）。
• 定位準確度還有待提升。
• 它每次觸發就是從頭到尾念一遍，根本不管你是不是正在和別人說話，如果哪里沒聽明白或是想重聽，那就還要掏出手機，重新播放，或者去百度。在旅游中碰到不懂的地方再去動手查資料，想想就很煩。
• 手機開著自動導覽，超級費電（主要是因為定位）！

上圖是一個典型的自動導覽APP界面

除了更了解景點本身，另一個在景區里的高頻需求是找衛生間和買水的地方。傳統方式就是放眼四處看、問工作人員、找牌子。當然，現在導覽APP中都有相關的標注，甚至有些APP還提供導航功能，方便了不少。

總結一下，游客在景區內的主要需求：

1. 了解某個景點的具體故事
2. 知道該如何游覽景區（路線規劃）
3. 找服務設施（衛生間、賣水和食物的地方、休息處等）
4. 娛樂（聊天、小游戲等）

這些問題，如果可以在一個移動智能設備上解決，這個設備，目前看來，可能是智能耳機。

智能耳機

智能耳機就是把耳機加入人工智能，通過這個設備，你能用語言和外界自由的交換信息。

為什么是語音交互？

Mary Meeker在2016年互聯網趨勢報告中分析指出（如下圖），語音交互有下面幾個核心價值：

• 解放雙手
• 更快得到結果
• 有趣/酷
• 避免某些設備輸入困難和讓人眼花繚亂的菜單

預計應用場景為：

• 隨身場景（19%），相關載體為手機、手表、手環、耳機等
• 汽車場景（36%），相關載體為整車系統、后視鏡、行車記錄儀等
• 家庭場景（43%），相關載體為電視、音箱、空調、臺燈等
• 辦公場景（2%），不知道會不會是錘子TNT……

海銀資本王煜泉認為：

語言是人類擁有的一項偉大的進化產物，使得我們協作的效率和復雜程度大大提升。在機器不能達到人類智力水平的時候，我們只好遷就機器，用機器能懂的方式和它交流。但是當機器逐漸具備了理解人類的能力時，我們就應該回歸到對自己來說最有效，也最自然的溝通方式，就是語音。

總之，語音交互更自然、效率更高，在旅游場景下的應用就是隨身場景的一種，在這一場景下，最好的載體就是耳機。

戴著智能耳機去旅行

1.展開想象的翅膀

基于上面的種種需求（加粗部分），我們如果不考慮技術實現，只是想象的話，那電影《她》（Her，導演：Spike Jonze）里面的機器人一定是最佳選項了。

她是一個同時具有人類情感，并且能瞬間獲取信息并給出反饋的AI，如果你在旅游的時候帶著她（其實就是戴著耳機），她可以給你講解，給你指路，對你噓寒問暖，同時你們也可以閑聊，把你的看法和感受告訴她，反正她一定是你喜歡的樣子。

《她》劇照（右耳智能耳機）

甚至造出來生活中你最樂意相處的人（見《黑鏡》第二季第一集），讓一個完全真實的“人”來陪你，可這樣要不要多買門票呢？

2.現實一點

拋開科幻不談，在可預見的未來，結合上面加粗部分需求我們或許能得到這些體驗：

（1）用戶靈活提問，讓智能耳機充當導游（了解某個景點的具體故事）

這是在景區內最核心的需求，讓用戶通過介紹和故事得到意義感。比如在故宮，用戶走到太和殿前，直接就可以和智能耳機說：

用戶：介紹一下太和殿
耳機：……明清兩朝，太和殿均是用來舉行各種典禮的場所，如皇帝登基、冊立皇后、命將出征出征等。清初，太和殿還是舉行殿試的場所，乾隆四十五年后改在保和殿……
用戶：皇帝怎么登基??？
耳機：……先要由禮部的官員分別到天壇、先農壇、太廟告知祖先?！爸習r，鳴鐘鼓，皇帝袞服御奉天門?！泵鞒幕实壑挥性谔貏e盛大的儀式中才穿黃色的袞服，他們日常所穿的是黑色繡龍形的常服……

還可以基于用戶定位，比如用戶站在太和殿前：

用戶：牌匾上寫的是什么字??？
耳機：牌匾上是建極綏猷四個字，寓意為：天子承擔上對皇天、下對庶民的雙重神圣使命，既須承天而建立法則，又要撫民而順應大道。
用戶：那對聯呢？
……

用戶可以開放性的問自己想知道的問題，在耳機回答的過程中，用戶還可以根據自己感興趣的點，繼續追問下去。

難點：開放性問題，AI要在場景中以非?？斓乃俣日业阶銐蚝线m的答案，這在目前看來還是很難的。

因為同一個問題在不同的場景下用戶想要的答案會很不同，比如上面那個“皇帝怎么登基??？”，如果是一個學歷史的學生問這個問題，那他是想得到一個詳細的答案，可能包括詳細的流程，細化到穿什么衣服，什么人要做什么事，為什么要做這些事，等等（當然要耳機提供這種答案是很扯的了，還是對一臺TNT說靠譜）。

有的人，可能就是想知道每一步做什么，三言兩語就說清楚了。在旅游的這個場景下，可能用戶想要的是一個一兩分鐘的簡短介紹。這種一兩分鐘的介紹怎么找，如果沒有現成的要怎么辦？

我們是不斷提高人工智能快速檢索信息，然后再造出適合當下場景回復的能力？或者，有一個公司把每個部分（包括歷史典故、構建經歷、文化等）都編成適合旅游這個場景下的高質量講解，這些講解組成了一個信息源，人工智能只要檢索相關數據庫就可以了。這，可能會成為旅游場景下的得到。

（2）幫助規劃線路

通過對用戶本人的了解，通過簡單的詢問和交流，可以規劃出合適的旅游路線。同時，在游玩途中，可以記住用戶行走的路線，并根據關門時間、旅游計劃、景區內人流分布等，規劃后續的最佳路線。

（3）幫用戶找服務設施

比如用戶想找衛生間：

用戶：這周圍哪里有衛生間？
耳機：最近的衛生間距您500米，您要現在出發嗎？
用戶：現在就去
耳機：好的，您右拐一直走……左拐……

難點：是否可以在耳機中放置傳感器，讓智能耳機知道用戶面向哪個方位。

（4）娛樂

在景區內，可以有語音版的貼吧、留言墻、彈幕墻，游客們可以抒發感想、說出游覽趣事、吐槽，這些內容可以基于關鍵詞或位置，其他人通過說出關鍵詞，或走到相關位置，收聽相關內容、語音點贊。

其他比如歌曲、相聲、有聲書等內容，現在就可以滿足。

（5）其它體驗

1. 出門時，查到用戶計劃去的景區是否賣水和食物，甚至提前警告景區內的相關商品價格，讓用戶提前做好準備。
2. 旅行中不可避免的翻譯問題。

3.再現實一點

開放域問題的解答對AI來說很難，短期內，我們可以做一個個skill，相當于手機上的APP，來滿足旅游場景下的主要需求。這個skill可以專門針對旅游這一場景，把功能限制在四個主要的需求上，這樣就可以把語言理解限制在有限的幾個意圖中，同樣，每個意圖下的關鍵詞和話術的組合是有限的。

通過窮盡這些組合，我們可以得到旅游場景下的有限域問答系統，這樣，就可以較出色完成任務。

這個領域短期內可能會呈現如下幾種模式：

1. 一個skill內有所有的景區內容，智能耳機收到相關問題，并判斷用戶是在旅游場景下（可以根據地理位置和問題關鍵詞判斷），就會調用這個skill，去查找相關的回答。相當于你對小愛音箱說“紅豆”，它會自動認為你想聽這首歌，然后打開QQ音樂，為你播放這首歌。這種模式下，公司可以自己做內容，也可以做成平臺，讓用戶或者第三方產生內容，問題是，怎么讓平臺上的內容生產者有動力持續輸出優質內容。
2. 或者，每個景區只專注于做自己的skill，只滿足自己景區的需求。游客每去一個景點，都可以在門前的牌子上看到喚醒這個景區skill的喚醒詞，說了這個喚醒詞，在這個景區旅游的過程中都可以調用相關能力。

4.基礎性問題

（1）續航問題：

如果把計算和數據傳輸都放到耳機上，續航可想而知。

• 一種較好的方案是耳機只負責數據傳輸，將語音識別、處理、生成回答、合成語音等都放到其他設備上，比如手機?！端分械慕鉀Q方案類似這種。
• 也可以將智能耳機的電池倉放入芯片，作為智能中樞，這樣可以每次使用一個耳機，另一個耳機在充電，同時可以有不間斷的智能體驗。

Apple AirPods

（2）反饋時間：

反饋時間會對語音交互體驗造成很大影響。你問人工智能一句話，等了半天沒有反應，過了好長時間突然說了句話，很是嚇人。反饋時間受數據傳輸速度和計算速度影響。

• 數據傳輸速度：即將到來的5G會讓數據傳輸速度上一個新臺階。
• 計算速度：是更嚴重的問題，要在較短時間內將語音識別、處理、生成回答、合成語音都搞定。就使用小愛同學的體驗來看，在多次語音交互后，有明顯的發熱，說明這些處理過程還是很耗內存的。如果說了幾句話，耳機或者手機變得特別燙，那還怎么用。

（3）區分說話對象：

用戶獨自旅游的時候智能耳機最好一直處在這個skill中，這樣能快速而準確的應答用戶需求，而不是用戶每問一個問題就要說一句喚醒詞。

但如果幾個人結伴同行，互相聊天時智能耳機總是在搭茬，而且還都是它聽不懂你在說啥，這時，每次單獨喚醒會有更好的體驗。那是否這個skill要有兩種模式呢？

總結

旅游場景下應用人工智能有美好的前景，同時也有很多問題亟待解決。目前情況下，下個APP還是較好的解決方案。

喜歡旅游的朋友可以去App Store或者應用寶下個大雁導游體驗下，就醬~~~<

本文由 @吹個大氣球 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自 unsplash，基于CC0協議