في عالم تزداد فيه الحاجة إلى تقديم خدمات النقل بكفاءة وجودة أعلى، أظهرت الأبحاث الأخيرة كيف يمكن أن تلعب النماذج اللغوية الضخمة (Large Language Models) دوراً محورياً في تحسين هذه الخدمات. حيث طرحت دراسة جديدة مفهوم ProfiLLM، وهو نظام مبتكر مصمم لتحليل سلوك المستخدمين على نطاق واسع لمساعدة منصات خدمات الركوب.

تواجه شركات النقل مثل DiDi تحديات كبيرة في معالجة البيانات الناتجة عن ملايين الطلبات اليومية. إذ تتجاوز سجلات البيانات حجم النماذج اللغوية الضخمة، مما يعقد عملية تشكيل ملفات تعريف دقيقة عن المستخدمين. ومع ذلك، يدعو ProfiLLM إلى استخدام نهج متقدم يتجاوز القيود التقليدية، معتمدًا على أدوات لتحليل البيانات وسلوكيات المستخدمين.

يتكون النظام من وحدتين رئيسيتين:

1. **استخراج المعرفة العالمية المعززة بالأدوات**: يتيح لنموذج الذكاء الاصطناعي الوصول إلى 27 أداة تحليلية لتقييم البيانات على مستوى المنصة، مما يؤدي إلى تشكيل قواعد تكتل مستخدمين مرنة ومعرفة حول العرض والطلب في مناطق مختلفة.

2. **استكشاف الملفات الشخصية المتوافقة مع المنفعة**: يقوم بتوليد عدة ملفات تعريف مرشحة لكل مجموعة، ويقارن بينها باستخدام مقياس منفعة خفيف الوزن، مما يسهل عملية تحسين النتائج من خلال اختيار أفضل المرشحين.

وقد أثبتت التجارب الميدانية على نظام DiDi، أن ProfiLLM يمكن أن يحسن دقة التنبؤات بنسبة تصل إلى 6.14%، بالإضافة إلى زيادة 4.35% في الناتج الإجمالي من المعاملات. كما أظهرت الاختبارات خلال 14 يومًا من تجربة A/B نتائج إيجابية متسقة، مما يجعل هذا النظام رائدًا في مجال تحسين خدمات الركوب.

مع هذه التطورات المبتكرة، يظل السؤال قائمًا: كيف يمكن أن تؤثر تقنيات الذكاء الاصطناعي المستقبلية على تجربتك في خدمات النقل؟ شاركونا آراءكم وتجاربكم!