旅遊常見問題怎麼解？AI 從真實討論找答案的運作方式

最近看到 Tripadvisor 搞了一個新功能，說真的，我覺得蠻酷的。他們居然用 AI 去讀他們那堆跟山一樣高的旅遊論壇文章，然後自動整理出一個問答集（FAQ）。

你知道的，那種旅遊論壇，像是背包客棧，或者我們台灣人愛用的 PTT 日旅版、Dcard 旅遊版，裡面真的是寶藏，一堆在地人才知道的巷子內美食、超省錢的交通方法...但缺點就是，資訊有夠亂。一篇文章可能蓋了幾百樓，你得自己慢慢爬，爬到眼花都還不一定找到答案。有時候一篇問「東京交通」，另一篇問「東京地鐵怎麼搭」，內容可能差不多，但就散落在各處。

Tripadvisor 顯然也知道這個痛點。他們就想，與其讓使用者自己撈資料撈到死，不如讓 AI 來做這件苦差事。這想法不新，但他們實際做下去遇到的鳥事跟解決方法，我覺得才是真正有趣的地方。今天就來聊聊他們是怎麼把這件事搞定的。

TL;DR，一句話說完他們幹了啥

簡單講，他們就是訓練一個 AI，讓它去「閱讀」論壇上成千上萬篇的英文貼文，找出大家最常問的問題（比如「從機場到市區最快的方法？」），然後在所有回覆中，找出最有用、最中肯的答案，最後再把這些答案「總結」成一篇好讀的內容。基本上就是幫你請了一個超有耐心的助理，24 小時幫你爬文做功課。

我自己是覺得，這跟我們在台灣習慣的模式有點像又有點不一樣。我們很依賴 PTT 或 Dcard 上的「鄉民智慧」，但那些資訊都是被動的，要靠自己搜、自己整理。Tripadvisor 這招等於是把「鄉民智慧」主動整理好，直接端到你面前。這點跟美國那邊的官方資訊比較豐富，但論壇討論相對分散的情況可能有點關係，所以他們會想用 AI 來整合。

所以，論壇內容真的有這麼好用嗎？

當然啊。官方推薦的景點或餐廳，通常都很安全、很制式。但論壇不一樣，那裡充滿了「真人經驗」。

比如說，你可能會在評論區看到「這家餐廳很好吃」。但在論壇裡，你會看到更深入的對話，像是：「這家餐廳記得要點A餐，不要點B餐，因為B餐的肉超柴」、「要去的話最好下午三點去，不然排隊要排一小時」、「對了，老闆臉很臭但人很好，不要被他嚇到」。

你看，這種細節和人情味，是一般評論給不了的。Tripadvisor 自己內部調查也發現，論壇內容是他們網站上第二受歡迎的資訊來源，只輸給那種「興趣探索」的大分類。這證明大家真的很愛看這種真實的、帶有對話感的資訊。

他們以前也有 FAQ，但那是員工手動寫的，更新慢、內容也有限，根本跟不上真實世界的變化。所以，用 AI 來自動化處理這些論壇裡的「活水」，就變得很合理。

怎麼做到的？這才是重頭戲

好，概念很美好，但執行起來就是一連串的挑戰。他們基本上要解決三個大問題：

1. 怎麼從幾百萬篇貼文中，找出「對的問題」？
2. 怎麼幫這些問題，配對到「對的答案」？
3. 怎麼確保 AI 總結出來的內容，沒有亂講話，忠於原文？

接下來就是他們解任務的過程，我覺得最精彩的就在這裡。

第一步：把相似的問題「聚」在一起

他們發現，不管去哪個城市，遊客問的問題類型其實都差不多。問紐約的，會問博物館怎麼逛；問巴黎的，也會問博物館怎麼逛。所以第一步，就是要讓電腦學會把這些「問法不同，但意思一樣」的問題歸類在一起。

技術上，他們用了一個叫做 `bge-base-en-v1.5` 的 embedding model，這東西你可以想像成一個「語意翻譯機」，它會把每一篇貼文的標題和第一段內文，轉換成一串電腦看得懂的數字（向量）。意思越接近的句子，它們的數字表示也會越像。

有了這些數字後，下一個挑戰就是要「分群」（Clustering）。問題來了，每個城市的論壇大小差超多。巴黎的論壇可能可以分出幾千群問題，但某個小鎮的論壇可能只有十幾群。他們試了幾個現成的演算法，結果都碰壁了。

這部分我覺得超有共鳴，有時候你以為用現成的工具套一套就好，結果發現跟你的資料八字不合。他們就是這樣。

所以他們只好撩起袖子自己寫了一個。雖然有風險，但結果證明這才是最適合他們資料特性的方法。這真的給人一個啟示：有時候，最適合的工具，是你為了解決自己問題而打造的那個。

第二步：從一堆問題中，提煉出一個「代表性問題」

好，現在問題都分好群了。下一關是，要為每一群問題，產生一個簡潔、好懂的「總標題」。

例如，有一群問題可能包含了：「第一次去紐約要注意什麼？」、「紐約新手攻略」、「菜鳥遊紐約請益」。AI 要能看懂這一堆，然後總結出一個像「給初次造訪紐約者的建議」這樣一個標準問句。

他們用 GPT-4 Turbo 來做這件事。但他們很快就發現，單純丟給 AI 做，品質很不穩定。有時候產生的問題太籠統（「去那裡可以玩什麼？」），有時候又太 spezifisch...呃，太具體（「七月在倫敦哪裡有泰勒絲的演唱會？」這種有時效性的就不行）。

所以，他們導入了「人在環路」（human-in-the-loop）的審核流程。說白了就是，AI 寫完，真人要去看，然後給回饋，慢慢「教」AI 什麼才是好的問題。最後他們總結出五個標準：

• 平衡感：不能太抽象，也不能太具體，要剛好反映那個地點的特色。
• 永恆性：不能問有時效性的問題，像是某個特定日期的活動。
• 單一主題：一個問題只問一件事。不要問「住宿跟美食推薦？」，要拆成兩個問題。
• 獨特性：每個問題都要不一樣，不要重複。
• 簡潔：長度最好在 5 到 15 個字之間，清楚明瞭。

靠著這套標準跟真人回饋，他們才把問題產生系統給調教好。這也說明了，現在的 AI 還不是萬能丹，還是很需要人類的智慧去引導。

向量資料庫如何快速查找相關資訊" width="800" height="480" loading="lazy" decoding="async" style="max-width:95%;height:auto;cursor:pointer" class="no_autoresize">

第三步：大海撈針，找出最好的答案

有了漂亮的問題，現在要找答案了。這一步更像大海撈針。

他們把論壇裡「所有的」貼文都丟進去做 embedding（就是前面說的，轉成電腦懂的數字），然後存進一個叫做 Qdrant 的向量資料庫。這個資料庫的強項就是，當你丟一個問題進去，它能「光速」找出語意上最相關的那些貼文。

這裡他們又玩了一個很聰明的花招，叫做「語意分塊」（semantic chunking）。以前的做法是把一整篇貼文當一個單位，但一篇貼文裡可能講了很多不相干的事。他們的新方法是，先把貼文拆成一個個句子，然後把意思相近的句子重新組合成一個「語塊」。

這樣做有什麼好處？他們說，這樣 embeddings 的總量減少了 50%！成本直接砍半，而且搜尋效率還更高。這真的超聰明的，不是無腦地把所有東西都丟進去，而是先做一次聰明的預處理。

找到相關的答案片段後，也不是直接丟給 GPT 叫它總結。因為論壇對話有上下文，有人可能是在附和前一個人，有人可能是在反駁。如果只看單一回覆，很容易搞錯意思。所以，他們會把找到的答案片段，連同它「前後的幾篇貼文」一起餵給 GPT。這樣 AI 才能更完整地理解對話脈絡，做出更準確的總結。

老實說，這一步一步看下來，真的覺得他們很細心。每個環節都考慮到可能出錯的地方，然後用很聰明的方法去避免。

但是，我怎麼知道 AI 沒亂掰？

這大概是所有人最關心的問題。AI 總結的內容，要怎麼確保它真的反映了原始貼文的意思，而不是 AI 自己「腦補」的？

他們一開始試過一個很直覺的方法：叫 GPT 在總結答案的「同時」，也列出它參考了哪些原始句子。結果，大失敗。

AI 沒辦法一心二用。叫它同時做兩件事，結果就是總結的品質變差，然後它挑出來的參考句子也亂七八糟，根本不準。

所以他們又換了一條路，這個方法就穩定多了：

1. 先讓 GPT 專心工作，只根據撈出來的資料，產生一篇總結好的答案。
2. 然後，把這篇「AI寫的答案」和「原始的論壇貼文」都拆成獨立的句子。
3. 再來，用計算「語意相似度」的方式，去比對「AI寫的每一句話」跟「原始貼文的每一句話」有多像。
4. 最後，找出相似度分數最高的幾句原始貼文，作為這篇 AI 答案的「證據」或「來源」。

這樣一來，使用者不僅能看到簡潔的 AI 總結，下面還會附上「See related posts」（查看相關貼文）的連結，點進去就能看到那些提供資訊的原始討論串。透明度直接拉滿，也讓那些貢獻內容的網友得到應有的credit。這招真的很漂亮。

所以，這東西到底有沒有用？

從他們的測試結果來看，效果非常顯著。這個「Travel Advice」區塊不僅讓他們的網站在 SEO 上表現更好（畢竟整理好的內容更討 Google 喜歡），使用者互動也大幅提升。

他們說，有超過七成的使用者回饋說這個功能很有幫助。這數字很驚人啊，代表大家真的很需要這種被整理過的、有真人經驗背書的旅遊建議。

目前這個功能還只顯示了一小部分他們產生的問題，但他們未來打算更深度地整合到論壇本身，甚至把這些整理好的資料，應用到他們的 AI 旅行助理，或是跟其他平台合作。像是他們最近就跟 Perplexity 合作，等於是把 Tripadvisor 上的真人經驗，輸出到其他對話式搜尋引擎上。

想想看，未來你問 AI 去哪玩，它給你的可能不只是冷冰冰的資訊，而是直接引用論壇上某個玩家說的「那家店的炸雞配啤酒是一絕」。這體驗就完全不一樣了。

說到底，這次 Tripadvisor 的專案，我覺得最值得學習的，不是他們用了多炫的 AI 模型，而是他們解決問題的整個思路。從發現問題、嘗試現有工具失敗、自己動手打造解決方案，到最後對品質和透明度的堅持，每一步都走的很紮實。這才是真正把技術用在刀口上的感覺吧。