用大數(shù)據(jù)和人工智能理性評估特色小鎮(zhèn)

目前，我國特色小鎮(zhèn)建設在全國如火如荼，但各地受地域經(jīng)濟、文化等因素影響，特色小鎮(zhèn)發(fā)展參差不齊。住建部分別于2016年10月和2017年7月公布了第一批和第二批中國特色小鎮(zhèn)名單共403個小鎮(zhèn)。這些特色小鎮(zhèn)是在各地推薦的基礎上，經(jīng)專家評審得出。這種地方推薦、專家評審的人工決策方法要耗費大量的人力資源，難以對全國數(shù)目眾多的小鎮(zhèn)逐一評估。而且小鎮(zhèn)的經(jīng)濟、交通、生態(tài)(例如年均PM2.5)等等指數(shù)經(jīng)常變化，現(xiàn)有的決策模式很難對小鎮(zhèn)做動態(tài)、經(jīng)常性的評估。

現(xiàn)代心理學和認知學發(fā)現(xiàn)傳統(tǒng)的、依賴于人的直覺和經(jīng)驗做決策是不可靠的。人工智能模型從數(shù)據(jù)出發(fā)，通過機器學習，能解決人工決策的偏差。利用人工智能模型來做特色小鎮(zhèn)的評估需要大量的學習樣本。杭州景理文化科技發(fā)展有限公司用大數(shù)據(jù)和人工智能技術(shù)開發(fā)了一套景觀決策支持系統(tǒng)，我們使用該系統(tǒng)評選出高質(zhì)量的特色小鎮(zhèn)。

我們從全國選取了3,700個小鎮(zhèn)，主要來源于住建部等7部委于2014年7月公布的《住房城鄉(xiāng)建設部等部門關于公布全國重點鎮(zhèn)名單的通知》。對于這些小鎮(zhèn)，我們收集了69個指標，涵蓋氣候、地貌、經(jīng)濟、生態(tài)等等方面。這些指標的選取主要是考慮到它們和特色小鎮(zhèn)的質(zhì)量相關，同時這些數(shù)據(jù)也相對容易收集。

根據(jù)它們是否被列入住建部公布的第一、二批特色小鎮(zhèn)名單，我們對這些小鎮(zhèn)做了標記。被列入住建部名單上的是高質(zhì)量特色小鎮(zhèn)，由于它們是通過地方推薦、專家評審而來，它們的入選包涵著豐富的當?shù)亟?jīng)驗和專家知識 。

人工智能模型通過對這些小鎮(zhèn)的學習，能夠發(fā)現(xiàn)小鎮(zhèn)氣候、地貌、經(jīng)濟、生態(tài)等等指標和高質(zhì)量特色小鎮(zhèn)的相關性，從而計算出特色小鎮(zhèn)質(zhì)量指數(shù)。實際上，人工智能模型是在學習住建部的特色小鎮(zhèn)名單里隱含的豐富信息，但這種學習并不是簡單地復制專家的判斷，而是以數(shù)據(jù)為基礎，經(jīng)過綜合后把學到的具有統(tǒng)計顯著性的內(nèi)容固化到模型里。我們發(fā)現(xiàn)這個評估非常新穎、有現(xiàn)實意義，同時也符合經(jīng)驗和直覺的判斷。

我們認為數(shù)據(jù)、人工智能模型和應用應該形成一個閉環(huán)。用數(shù)據(jù)訓練人工智能模型，人工智能模型的輸出支持應用，再根據(jù)從實際應用中得到的反饋來更新、增強數(shù)據(jù)。通過這種方式，我們的人工智能模型可以不斷地迭代提升。相對于這種用數(shù)據(jù)來訓練模型的方法，傳統(tǒng)的、基于專家先驗知識的評分體系是主觀和靜態(tài)的，其輸出和現(xiàn)實的偏差不能有效地反饋回系統(tǒng)并做出調(diào)節(jié)，難以適應環(huán)境的動態(tài)變化。

事實上，利用大數(shù)據(jù)和人工智能做決策支持是全球各個行業(yè)的趨勢。例如，在北美銀行、保險業(yè)等等傳統(tǒng)行業(yè)已經(jīng)廣泛地采用人工智能模型。特色小鎮(zhèn)質(zhì)量評估是我們的第一個嘗試。而此前召開的中央經(jīng)濟工作會議明確指出要“引導特色小鎮(zhèn)健康發(fā)展”，利用大數(shù)據(jù)和人工智能對特色小鎮(zhèn)進行理性評估將有助于我國特色小鎮(zhèn)的健康發(fā)展。

　　同樣與特色小鎮(zhèn)密切相關的文化旅游涉及眾多的動態(tài)變化因素，對傳統(tǒng)的專家決策方式提出挑戰(zhàn)?！皵?shù)據(jù)驅(qū)動決策”的人工智能模型將成為關鍵的工具。從智能手機、社交網(wǎng)絡、物聯(lián)網(wǎng)等等渠道采集的數(shù)據(jù)為人工智能模型提供“燃料”，通過數(shù)據(jù)訓練的模型為文旅產(chǎn)品的設計和營銷提供客觀、及時的決策支持。繼特色小鎮(zhèn)之后，杭州景理的智能決策支持系統(tǒng)將會在文化旅游產(chǎn)業(yè)發(fā)揮重要作用。