在本文章系列的首篇中，Clayton Peister和Kasra Ghaharian探討了賭場行業的營運商們可以如何理解人工智能，以及該科技在業內的實際應用。
我們一直與世界各地的營運商一同處理行業內那些最為複雜及棘手的問題，例如市場推廣效率、反詐騙、負責任博彩及資產優化等。這些合作項目一般需要用上某程度上的人工智能（Artificial Intelligence, AI）。我們在最近就參加了亞洲國際娛樂展，並且與多名營運商詳談。他們都正在嘗試加深對AI的理解，並且從各式各樣的炒作當中，分辨出AI發展的真正現狀，但他們卻一直無法擺脫錯失AI最新發展的這種擔憂。
在這剖析AI在賭業內情況文章系列的首篇中，我們將嘗試把AI這個議題變得讓營運商更易接收。此文章系列內蘊含的資訊，都是來自我們作為AI從業員和幫助營運商引入AI解決方案的顧問的心路歷程。為了明白到AI能夠帶來的前景，我們認為必須以一種非常特別的方式去處理關於AI的角色，以及纏繞着這新興科技的各種迷思。
AI大能有多大？
如果想展示AI在處理某些特定問題中所能扮演的角色，我們可以引用最近一個與一位部落賭場客戶相關的項目。在分析的結果中，我們發現該賭場的業務增長，受到非忠誠客人的影響。問卷調查也確實顯示，這些客人都在不同的地方消費。通過測試，我們發現如果我們在一個長達四週的期間，能夠得到客戶三次的造訪，他們就更有可能把他們的消費都投放在我們客戶的物業內。因此，我們就設計出一款專門針對非忠誠客戶的推廣產品，通過機制鼓勵他們把消費集中。我們可以把這問題圖像化地表述：
在這個簡化過的例子中，AI扮演了一個重要但單一的角色：辨別出非忠誠的客人。可是，人類的創意其實一樣重要。需要緊記的是，這只是一個簡化後的例子。事實上，大部份營運商都會同時建立一個模組，來設定在某一時間段內需要達到的到訪次數，並以另一個模組去設定再投資及獎賞等數字。總括而言，AI可以令到個人化變得能夠大範圍地進行。AI從那些我們已經非常熟悉的客戶身上，分析出他們的行為模式，並且把這些模式套用在那些我們所知甚少或者往來次數有限的人身上。
最常見的AI誤解
誤解一：AI的應用
本文其中一位筆者在一場會議中，談及關於在博彩業內的AI應用。在該會議開始時，就有講者推薦使用AI來選擇油漆。而最後一位講者（代表着一間大型供應商）就建議營運商使用AI來設計針對玩家的市場推廣產品。從我們的經驗來看，AI能做的，就是能夠大量地進行個人化，但它並非無所不能——最少現在不是。因此，以上兩個例子都並非合適的AI使用方法。可是，這些錯誤判斷AI用法的事蹟，卻又清楚地表現出關於AI的眾多令人困惑之處。在以上的例子中，公關職員的經驗，會比一個AI模型更能判斷一名玩家的忠誠度。可是，公關職員的自身知識，卻無法放大至整個或大部份數據庫。
當然，AI也有為營運商帶來了無限的機遇，幫助提高商業價值及效率。可是，如果AI被過度使用的話，也可能為玩家帶來傷害。我們可以想像，AI可能在不經意間，把一些強迫行為與增長掛鉤。
因此，我們應該認識到AI科技在合規及負責任博彩等其他方面的潛在用處。在負責任博彩方面，有鑒於玩家在他們的整個光顧過程中與不同科技的接觸次數，我們現在就已經能夠通過當中產生的大量數據，加強保護消費者的措施。從角子機來的下注交易資料以及RFID技術和無現金解決方案所帶來的數據，能夠為AI提供豐富的行為數據，用來建構模型，分辨有潛在風險的行為模式。作為IGI支付研究合作計劃（Payments Research Collaborative）的一部分，我們利用AI的機器學習功能，在客戶的款項存取記錄中，辨別能夠標示出風險的行為標誌。因此，AI在博彩中其實有雙向用途。為營運商而言，平衡AI應用所產生的各種好處與壞處實在至關重要。
誤解二： AI難以掌握
在我們與世界各地的賭場營運商的合作中，另一個經常出現的誤解——我們相信《亞博匯》的讀者可能也有同感——就是AI有很高的技術難度，並且需要專家的介入。在開始一項AI企劃時，我們通常都會有這樣一個思想練習：當我們談及AI時，我們其實都是在討論預測式模型。而大部份人第一個學懂的預測式模型，都出現在他們八歲的時候，就是平均值。預測式模型，其實只是一個在得到關於某人已知屬性的資料後，更精密地對其行為作出預計的方式（例如取平均值）。雖然取平均值可能只是過百個預測式模型演算法的其中一個，但最近出現的技術進步，就讓自動機器學習能夠選取最合適的模型及設定，當中無需任何高級的學術學位。同時，GenAI的出現，也大幅縮短了編程的學習過程。
誤解三：會計程度的準確性
為大部份物業而言，採用AI所需要跨越的鴻溝都與文化而非技術有關。我們最近就向一個營運商提供支援。該企業很早就採用了一套賭場AI平台。當我們向這營運商介紹我們的市場推廣策略時，我們就建議他們使用他們的AI應用程式所產生的那些關於客戶流失的預測結果，從而製作出一套吸引客戶回流的宣傳推廣。對於這項建議，該營運商給了一個不置可否，但亦不罕見的回應：「我們看到了這些預測，可是我們不能真正使用它們，因為它們都只是推測而已。」
如果想採用通過AI來製作的市場推廣策略，就需要接受「那些預測有時可能出錯」的這個事實，以及要明白當這些推測對得越多，採用的物業就賺得越多的道理。
誤解四：賭場的數據質量參差
這一想法毫無疑問是正確的，即使由角子機來的數據亦是如此。可是，自從網上博彩變得越來越廣泛後，多名供應商都正在收集更多投注相關的交易數據，嘗試令到那些飽受指責的評級變得更加準確。雖然評級依然經常出錯，但這個出錯的慣性，卻讓它們變得更加有用。除了玩家時數評級外，不同物業也會收集關於耍樂行為的詳細資料，甚至非博彩活動的資料，不單止是造訪那一間店舖，甚至是點了餐牌上的那一款菜式的數據。這些數據都含有豐富的內容，而從前遇到的困難，一般都是如何整合這些數據來源，並且令他們變得有意義。數據本身當然也是基礎所在，並且是我們下一篇文章的主題。
可取做法
大部份物業在開展他們的AI之旅時，都會聘請一名數據科學 專業人士。我們發現，如果一位本身對於業務已經熟知的企業分析師能夠得到技能上的增強的話，通常會達致最好的效果。那些涉及少量，甚至沒有編程的解決方案的確存在，相對軟件工程師如何編寫軟件，它們很多都仿效着分析師們現時如何思考某些問題。同樣，我們建議在使用方面先，選取一些比較容易運用的情況，例如一個吸引客戶回流的宣傳推廣，並且進行較小規模的試行，以獨立地分辨出演算法和該推廣優惠各自帶來的影響。由於這些預測的改變都非常緩慢，因此在執行時都是通過每晚對預測進行更新。實時數據的出現，令到針對不同場景的建議變得尤其重要，這些包括負責任博彩方面的預測，可是，每晚進行的更新程序對於實時預測依然非常重要。一般而言，下一步就是要從預測式模型，移步到通過不段干預而可以自主學習及修正的機器學習模型。
