في عصر النمو السريع للذكاء الاصطناعي، أسهمت نماذج اللغات الضخمة (Large Language Models) في تقدم كبير في مجالات متعددة، بما في ذلك تخطيط السفر. ولكن، ما هو حال الفوضى وعدم اليقين الذي نواجهه في التخطيط الفعلي للرحلات؟

التأخيرات في وسائل النقل، تذبذب الحشود، والمواقف غير المتوقعة تجعل من تخطيط الرحلات تحدياً حقيقياً. وللتغلب على هذه العقبات، يبرز معيار UTP-Bench كحلاً مبتكراً لتخطيط الرحلات في ظل عدم اليقين.

يتضمن هذا المعيار قاعدة بيانات ضخمة تجمع معلومات حقيقية من 504 مدينة في الهند، متضمنةً المعالم السياحية، المطاعم، أماكن الإقامة، وشبكات النقل المتعددة الوسائط. من خلال دمج نماذج تأخير تجريبية وأنماط كثافة الحشود المُجمّعة من المدن الكبرى، يقدم UTP-Bench طريقة لتقييم خطط السفر تحت ظروف غير متوقعة.

كما يطرح UTP-Bench ثلاثة مقاييس تقييم جديدة: 1) نقاط كفاية الحماية (Buffer Adequacy Score - BAS)، 2) نقاط توقيت الحشود (Crowd-Aware Timing Score - CATS)، و3) نقاط امتصاص تأخير النقل (Transport Delay Absorption Score - TDAS)، مما يمكّن من قياس قدرة الخطط المُنتَجة على الحفاظ على مرونة أمام التأخيرات والتغيرات المفاجئة في الحشود.

تُظهر التجارب باستخدام نماذج لغوية حديثة مثل GPT-5 وQwen3 وMistral وPhi-4 فجوات ملحوظة بين الخطط التي تنتجها النماذج والخطط التي يعدها البشر، خاصة في مجالات التوقيت الاحتياطي، وجدولة النقل التي تأخذ التأخيرات في الاعتبار، والتخطيط الذي يراعي كثافة الحشود.

مع معيار UTP-Bench، نبصر آفاق جديدة في عالم التخطيط للرحلات، مما يجعلها أكثر دقة وتكيفاً مع التعقيدات الحياتية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.