A carregar...
Publicação
TravelMaster AI: Arquitetura neuro-simbólica para assistência autónoma na execução de viagens
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 4.35 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
A execução de viagens permanece uma experiência fragmentada e cognitivamente exigente,
obrigando os utilizadores a gerir múltiplas aplicações isoladas para voos, alojamento e navegação.
Embora as soluções atuais e os assistentes de Inteligência Artificial Generativa
se destaquem no planeamento e inspiração pré-viagem, carecem de autonomia para apoiar
o viajante durante a fase de execução, particularmente perante perturbações operacionais.
Esta investigação aborda esta lacuna propondo o TravelMaster AI, um sistema inteligente
concebido para atuar como um agente autónomo de monitorização e assistência de viagens
em tempo real.
O sistema procura centralizar dados operacionais e automatizar a reação a eventos imprevistos
através da orquestração de serviços heterogéneos via API. Tirando partido de Grandes
Modelos de Linguagem (LLM) e algoritmos de otimização determinísticos, o TravelMaster
AI fornece monitorização proativa do estado dos voos e gera sugestões de reencaminhamento
sensíveis ao contexto, eliminando a necessidade de alternância manual de contexto.
Este projeto emprega a metodologia Design Science Research para conceber, construir um
protótipo funcional e avaliar a eficácia do sistema. O objetivo é demonstrar que um agente
de monitorização autónomo pode reduzir significativamente a carga cognitiva da gestão de
viagens, proporcionando uma experiência contínua, resiliente e unificada durante a jornada.
Travel execution remains a fragmented and cognitively demanding experience, forcing users to juggle multiple isolated applications for flights, accommodation, and navigation. While current solutions and Generative AI assistants excel at pre-trip planning and inspiration, they lack the agency to support the traveler during the execution phase, particularly when facing operational disruptions. This research addresses this gap by proposing TravelMaster AI, an intelligent system designed to function as an autonomous agent for real-time travel monitoring and assistance. The system aims to centralize operational data and automate reaction to unforeseen events by orchestrating heterogeneous services via APIs. Leveraging Large Language Models (LLM) and deterministic optimization algorithms, TravelMaster AI provides proactive monitoring of flight status and generates context-aware re-routing suggestions, eliminating the need for manual context switching. This project employs a Design Science Research methodology to design, construct a functional prototype, and evaluate the system’s effectiveness. The objective is to demonstrate that an autonomous monitoring agent can significantly reduce the cognitive load of travel management, providing a seamless, resilient, and unified experience during the journey.
Travel execution remains a fragmented and cognitively demanding experience, forcing users to juggle multiple isolated applications for flights, accommodation, and navigation. While current solutions and Generative AI assistants excel at pre-trip planning and inspiration, they lack the agency to support the traveler during the execution phase, particularly when facing operational disruptions. This research addresses this gap by proposing TravelMaster AI, an intelligent system designed to function as an autonomous agent for real-time travel monitoring and assistance. The system aims to centralize operational data and automate reaction to unforeseen events by orchestrating heterogeneous services via APIs. Leveraging Large Language Models (LLM) and deterministic optimization algorithms, TravelMaster AI provides proactive monitoring of flight status and generates context-aware re-routing suggestions, eliminating the need for manual context switching. This project employs a Design Science Research methodology to design, construct a functional prototype, and evaluate the system’s effectiveness. The objective is to demonstrate that an autonomous monitoring agent can significantly reduce the cognitive load of travel management, providing a seamless, resilient, and unified experience during the journey.
Descrição
Palavras-chave
Travel execution Artificial intelligence Autonomous Agents Real-time monitoring Cognitive load API integration Execução de viagens Inteligência artificial Agentes autónomos Monitorização em tempo real Carga cognitiva Integração de APIs