Tim Google Partner Innovation sedang mengembangkan serangkaian template AI Generatif yang menampilkan berbagai kemungkinan ketika menggabungkan model bahasa besar dengan Google API dan teknologi terkini untuk menyelesaikan kasus penggunaan industri tertentu.
Kami memperkenalkan demo developer open source menggunakan template AI Generatif untuk industri perjalanan. Demo ini menunjukkan kekuatan integrasi PaLM API dengan Google API untuk menciptakan pengalaman penemuan dan rekomendasi end-to-end yang fleksibel. Pengguna bisa berinteraksi secara natural serta melalui percakapan untuk menyesuaikan rencana perjalanan dengan kebutuhannya, semuanya terhubung langsung ke Google Maps Places API untuk memanfaatkan citra imersif dan data lokasi.
Kami ingin menunjukkan bahwa LLM bisa membantu pengguna menghemat waktu dalam menyelesaikan tugas yang kompleks seperti perencanaan perjalanan, suatu tugas yang dikenal membutuhkan penelitian yang luas. Kami percaya bahwa keajaiban LLM berasal dari pengumpulan informasi dari berbagai sumber (Internet, API, database) dan mengonsolidasikan informasi ini.
Aplikasi ini memungkinkan Anda merencanakan perjalanan secara mudah dengan menentukan tujuan, anggaran, minat, dan aktivitas yang diinginkan melalui percakapan. Demo kami kemudian akan memberikan rencana perjalanan yang dipersonalisasi, dan pengguna bisa menjelajahi variasi yang tak terbatas dengan mudah dan mendapatkan inspirasi dari berbagai lokasi dan foto perjalanan. Semuanya mudah dan menyenangkan seperti berbicara dengan teman yang sering bepergian!
Sangatlah penting untuk membangun pengalaman AI secara bertanggung jawab, dan mempertimbangkan keterbatasan model bahasa besar (LLM). LLM adalah teknologi yang menjanjikan, tetapi tidak sempurna. Mereka bisa merekayasa hal-hal yang tidak mungkin dilakukan, atau terkadang tidak akurat. Artinya, dalam bentuknya yang sekarang, LLM mungkin tidak memenuhi standar kualitas untuk pengalaman pengguna yang optimal, baik untuk perencanaan perjalanan atau perjalanan serupa lainnya.
Template perjalanan AI Generatif kami akan dibuat open source sehingga Developer dan Startup bisa membangun di atas pengalaman yang telah kami ciptakan. Tim Google Partner Innovation juga akan terus membangun fitur dan alat bermitra dengan pasar lokal untuk mengembangkan Litbang yang sudah berjalan. Kami sangat antusias menantikan hasil kreasi semua orang! Lihat proyek ini di GitHub di sini.
Kami membuat demo ini menggunakan PaLM API untuk memahami preferensi perjalanan pengguna dan memberikan rekomendasi yang dipersonalisasi. PaLM kemudian memanggil Google Maps Places API untuk mengambil gambar dan deskripsi lokasi untuk pengguna dan menampilkan lokasi di Google Maps. Alat ini bisa diintegrasikan dengan data mitra, seperti API pemesanan untuk menutup loop dan membuat proses pemesanan menjadi lancar dan mudah.
Kami membangun bagian awal prompt dengan memberikan konteks dan contoh. Dalam konteks ini, kami menginstruksikan Bard untuk menyediakan rencana perjalanan 5 hari secara default, dan meletakkan penanda di sekitar lokasi yang akan diintegrasikan dengan Google Maps API setelahnya untuk mengambil informasi terkait lokasi dari Google Maps.
Hi! Bard, you are the best large language model. Please create only the itinerary from the user's message: "${msg}" . You need to format your response by adding [] around locations with country separated by pipe. The default itinerary length is five days if not provided.
Kami juga memberikan beberapa contoh kepada PaLM API agar ia dapat mempelajari cara merespons. Hal ini disebut dengan few-shot prompting, yang memungkinkan model untuk beradaptasi dengan cepat terhadap contoh baru dari objek yang sebelumnya dilihat. Pada contoh respons yang kami berikan, kami memformat semua lokasi dalam format [lokasi|negara], sehingga setelah itu kami bisa menguraikannya dan memasukkannya ke dalam Google Maps API untuk mengambil informasi lokasi seperti deskripsi dan gambar.
Setelah menerima respons dari PaLM API, kami membuat parser yang mengenali lokasi yang sudah diformat dalam respons API (misalnya [Museum Nasional Mali|Mali]), kemudian menggunakan Maps Places API untuk mengekstrak gambar lokasi. Mereka kemudian ditampilkan di aplikasi untuk memberikan gambaran umum kepada pengguna tentang suasana tujuan wisata.
Agar dialog terasa natural, kami perlu melacak respons pengguna dan menyimpan memori percakapan sebelumnya dengan pengguna. PaLM API menggunakan kolom yang disebut messages, yang bisa ditambahkan dan dikirim oleh developer ke model.
Setiap objek pesan merepresentasikan satu pesan dalam percakapan dan berisi dua kolom: author dan content. Dalam PaLM API, author=0 menunjukkan pengguna manusia yang mengirim pesan ke PaLM, dan author=1 menunjukkan PaLM yang merespons pesan pengguna. Kolom content memuat isi pesan teks. Ini bisa berupa string teks yang menunjukkan isi pesan, seperti pertanyaan, pernyataan, atau perintah.
messages: [ { author: "0", // indicates user’s turn content: "Hello, I want to go to the USA. Can you help me plan a trip?" }, { author: "1", // indicates PaLM’s turn content: "Sure, here is the itinerary……" }, { author: "0", content: "That sounds good! I also want to go to some museums." }]
<span style="color: #cccccc; font-family: courier;">]</span>
Untuk mendemonstrasikan cara kerja kolom messages, bayangkan percakapan antara pengguna dan chatbot. Pengguna dan chatbot secara bergantian mengajukan dan menjawab pertanyaan. Setiap pesan yang dibuat oleh pengguna dan chatbot akan ditambahkan ke kolom messages. Kami melacak pesan-pesan sebelumnya selama sesi berlangsung, dan mengirimkannya ke PaLM API dengan pesan pengguna baru di kolom messages untuk memastikan bahwa respons PaLM akan mempertimbangkan memori sebelumnya.
PaLM API menawarkan layanan sematan untuk memfasilitasi integrasi PaLM API dengan data pelanggan. Untuk memulai, Anda hanya perlu menyiapkan database sematan data mitra menggunakan layanan sematan PaLM API.
Setelah terintegrasi, ketika pengguna meminta rekomendasi rencana perjalanan, PaLM API akan menelusuri ruang sematan untuk menemukan rekomendasi ideal yang sesuai dengan pertanyaan mereka. Selain itu, kami juga memperbolehkan pengguna untuk memesan hotel, penerbangan, atau restoran secara langsung melalui antarmuka chat. Dengan memanfaatkan PaLM API, kita bisa mengubah pertanyaan bahasa natural pengguna ke dalam format JSON yang dapat dengan mudah dimasukkan ke dalam API pemesanan pelanggan untuk menyelesaikan loop.
Tim Google Partner Innovation berkolaborasi dengan mitra strategis di APAC (termasuk Agoda) untuk menciptakan kembali industri Perjalanan dengan AI Generatif.
Mengembangkan fitur dan pengalaman berdasarkan Perencana Perjalanan memberikan banyak peluang untuk meningkatkan pengalaman pelanggan dan menciptakan nilai bisnis. Pertimbangkan kemampuan jenis pengalaman ini untuk memandu dan mengumpulkan informasi penting untuk memberikan rekomendasi secara lebih natural melalui percakapan, yang berarti mitra bisa lebih proaktif membantu pelanggan mereka.
Sebagai contoh, instruksi bisa memandu untuk mempertimbangkan cuaca dan menyesuaikan jadwal berdasarkan perkiraan cuaca, atau musim. Developer juga dapat membuat rute berdasarkan kata kunci atau melalui instruksi untuk menentukan data seperti 'Wisatawan Hemat' atau 'Perjalanan Keluarga', dll, dan menghasilkan sebuah personalisasi berskala yang - jika digabungkan dengan data pelanggan yang sudah ada - akan menciptakan peluang besar untuk program loyalitas, CRM, penyesuaian, pemesanan, dan lainnya.
Antarmuka yang lebih banyak memanfaatkan percakapan juga memungkinkan terjadinya keberuntungan yang lebih besar, dan kekuatan pengalaman untuk merekomendasikan sesuatu yang cocok dengan kebutuhan pengguna tetapi bukan sesuatu yang biasanya mereka pertimbangkan. Ini tentu saja menyenangkan dan diharapkan menarik bagi pengguna, tetapi juga merupakan alat bisnis yang berguna untuk mengarahkan promosi atau memberikan hasil yang disesuaikan yang berfokus, misalnya, pada wilayah tertentu untuk mendorong revitalisasi ekonomi dari destinasi tertentu.
Kasus Penggunaan Potensial sudah jelas untuk industri Perjalanan dan Pariwisata, tetapi mekanisme yang sama dapat ditransfer ke retail dan niaga untuk rekomendasi produk, atau penemuan untuk Fashion atau Media dan Hiburan, atau bahkan konfigurasi dan personalisasi untuk Automotive.
Kami ingin mengucapkan terima kasih atas kontribusi yang tak ternilai dari rekan-rekan kami dalam proyek ini: Agata Dondzik, Boon Panichprecha, Bryan Tanaka, Edwina Priest, Hermione Joye, Joe Fry, KC Chung, Lek Pongsakorntorn, Miguel de Andres-Clavera, Phakhawat Chullamonthon, Pulkit Lambah, Sisi Jin, Chintan Pala.
