目前，我國特色小鎮建設在全國如火如荼，但各地受地域經濟、文化等因素影響，特色小鎮發展參差不齊。住建部分別于2016年10月和2017年7月公布了第一批和第二批中國特色小鎮名單共403個小鎮。這些特色小鎮是在各地推薦的基礎上，經專家評審得出。這種地方推薦、專家評審的人工決策方法要耗費大量的人力資源，難以對全國數目眾多的小鎮逐一評估。而且小鎮的經濟、交通、生態(例如年均PM2.5)等等指數經常變化，現有的決策模式很難對小鎮做動態、經常性的評估。

 

　　現代心理學和認知學發現傳統的、依賴于人的直覺和經驗做決策是不可靠的。人工智能模型從數據出發，通過機器學習，能解決人工決策的偏差。利用人工智能模型來做特色小鎮的評估需要大量的學習樣本。杭州景理文化科技發展有限公司用大數據和人工智能技術開發了一套景觀決策支持系統，我們使用該系統評選出高質量的特色小鎮。

 

　　我們從全國選取了3,700個小鎮，主要來源于住建部等7部委于2014年7月公布的《住房城鄉建設部等部門關于公布全國重點鎮名單的通知》。對于這些小鎮，我們收集了69個指標，涵蓋氣候、地貌、經濟、生態等等方面。這些指標的選取主要是考慮到它們和特色小鎮的質量相關，同時這些數據也相對容易收集。

 

　　根據它們是否被列入住建部公布的第一、二批特色小鎮名單，我們對這些小鎮做了標記。被列入住建部名單上的是高質量特色小鎮，由于它們是通過地方推薦、專家評審而來，它們的入選包涵著豐富的當地經驗和專家知識 。

 

　　人工智能模型通過對這些小鎮的學習，能夠發現小鎮氣候、地貌、經濟、生態等等指標和高質量特色小鎮的相關性，從而計算出特色小鎮質量指數。實際上，人工智能模型是在學習住建部的特色小鎮名單里隱含的豐富信息，但這種學習并不是簡單地復制專家的判斷，而是以數據為基礎，經過綜合后把學到的具有統計顯著性的內容固化到模型里。我們發現這個評估非常新穎、有現實意義，同時也符合經驗和直覺的判斷。

 

　　我們認為數據、人工智能模型和應用應該形成一個閉環。用數據訓練人工智能模型，人工智能模型的輸出支持應用，再根據從實際應用中得到的反饋來更新、增強數據。通過這種方式，我們的人工智能模型可以不斷地迭代提升。相對于這種用數據來訓練模型的方法，傳統的、基于專家先驗知識的評分體系是主觀和靜態的，其輸出和現實的偏差不能有效地反饋回系統并做出調節，難以適應環境的動態變化。

 

　　事實上，利用大數據和人工智能做決策支持是全球各個行業的趨勢。例如，在北美銀行、保險業等等傳統行業已經廣泛地采用人工智能模型。特色小鎮質量評估是我們的第一個嘗試。而此前召開的中央經濟工作會議明確指出要“引導特色小鎮健康發展”，利用大數據和人工智能對特色小鎮進行理性評估將有助于我國特色小鎮的健康發展。

 

　　同樣與特色小鎮密切相關的文化旅游涉及眾多的動態變化因素，對傳統的專家決策方式提出挑戰。“數據驅動決策”的人工智能模型將成為關鍵的工具。從智能手機、社交網絡、物聯網等等渠道采集的數據為人工智能模型提供“燃料”，通過數據訓練的模型為文旅產品的設計和營銷提供客觀、及時的決策支持。繼特色小鎮之后，杭州景理的智能決策支持系統將會在文化旅游產業發揮重要作用。