لحل هذه المعضلة، يقدم الباحثون إطار عمل جديد يسمى Plan, Learn, Adapt (PLA)، والذي يتكون من ثلاث مراحل تهدف إلى تحسين إنشاء جداول السفر الشخصية على الأجهزة المحمولة.
التخطيط ">المرحلة الأولى: التخطيط
تبدأ العملية بجمع مجموعة متنوعة من المخططين الخفيفين، حيث ينتج كل منهم مرشحات متباينة وفريدة قابلة للتطبيق. هذه المجموعة تهدف إلى توفير خيارات سفر تتناسب مع الاحتياجات المختلفة للمسافرين.
التعلم ">المرحلة الثانية: التعلم
ثم تأتي مرحلة التعلم، حيث يُستخدم نموذج Bradley-Terry المكثف لضبط تفضيلات المسافرين بناءً على المقارنات الثنائية لجداول الرحلات، مما يساعد في التعرف على الخصائص الأساسية مثل الاتساق الجغرافي وتوازن الأيام، وهي جوانب غالباً ما تُغفل في الإشارات التقليدية.
التكيف ">المرحلة الثالثة: التكيف
أخيرًا، تركز مرحلة التكيف على تحقيق الالتزام بالقيود المحلية لضمان أن كل حالة تم إنشاؤها تبقى قابلة للتطبيق، وهذا يتم ضمن ميزانية معروفة من موارد الحساب.
وفي الإحصائيات المتوفرة، أظهر هذا النظام المشجع نتائج رائعة عبر 2,519 مقارنة بشرية في أكثر من 100 مدينة أمريكية، حيث حقق نموذج PLA نسبة فوز بلغت 67.8%، مع ضمان 100% من القابلية للتطبيق. على عكس ذلك، فقد أظهر ثلاثة نماذج لغات ضخمة، بما في ذلك GPT-5 وClaude Opus 4.5 وGemini 3 Pro، عدم تحقيقها لأي نسبة من القابلية تحت نفس القيود.
وفي تطبيق عملي داخل FlyEnJoy، ساهم إطار العمل PLA في زيادة معدلات إكمال الجداول بنسبة مذهلة بلغت 91% مع متوسط زمن استجابة يبلغ 109.9 مللي ثانية على الجهاز.
المستقبل مشرق لنا كمسافرين بفضل تكنولوجيا الذكاء الاصطناعي! ما رأيكم في هذا التطور الرائد في عالم السفر؟ شاركونا في التعليقات!