如何思考人工智能

這是關於人工智能（AI）系列的第三篇文章，在之前的文章基礎上進一步探討人工智能的預測類型和相關實例應用，同時對比目前AI尚不能解決的賭場問題。

突然之間，人工智能（AI）無所不在。詢問 Siri 地圖導航，路線便會自動顯示出來。輸入有關巴洛克小說的構思，故事便能由扭曲和繁複的情節生成。其結果有時令人眼花繚亂。

許多賭場經營者認為AI或是重要的，但他們卻不確定如何應用。在這系列關於賭場行業AI應用的第三篇文章中，我們將探索AI的實際應用。在之前的文章中，我們探討了數據對於AI應用的重要性，也介紹了AI的作用以及相關的迷思。

在探索AI應用時，應將AI方法分成兩類：模式匹配（AI專家稱之為監督式學習）與模式發現（通常被稱為非監督式學習）。在模式匹配中，我們有已知行為和人口統計的示例，以及我們試圖預測的相應值（標籤）。

作為一個例子，最近我們支持一家物業開發了一項工具，該工具使用模式匹配來預測一位新玩家是否有可能成為一位高潛力玩家。例如，我們知道住在特定地區且平均下注超過3元的角子機玩家，可能會有高額的年度消費（預測標籤）。

另外，在模式發現中，我們僅有行為而沒有我們試圖預測的特定值（未標籤）。模式匹配最常見的應用是識別自然形成的玩家群體，這些玩家具有類似的偏好或聯繫。

AI 預測的第三個類別也正在崛起：生成式AI。生成式AI包括大型語言模型等應用，敬請期待後續有關於生成式AI的文章。

我們一直為客戶提供的建議是，AI（至少在當今情況下）僅僅在一個大的問題中提供一個更準確的假設，作為更大問題中的一部分。讓我們以客戶流失為例：

在引入AI之前，我們經常基於平均假設來策劃應對顧客流失的活動。例如，根據分析，我們知道過去365天沒有到訪的90%顧客將永遠不會回來。憑藉這一洞察，我們設計了一個計劃，其中任何超過365天未出現的玩家都會被劃入該計劃。但這種方法存在許多問題：

AI校準假設的例子

大規模個性化的市場推廣

AI在博彩業最明顯和基本的應用案例是大規模個性化。簡單來說，我們通過訓練一個模型來了解我們已經很熟悉的顧客，然後使用這個模型來猜測比較不了解的玩家的喜好。

在上面提到的客戶流失例子中，AI預測的「模式匹配」行為包括了客戶流失可能性，這被用來識別潛在的流失者群體。模式匹配的AI還在校準優惠的元素，這些元素被優化以實現我們所追求的、有利可圖的行為變化。

有時候，通過模式匹配的AI推斷未來行為是基礎性的，這意味著該預測被用作其他模型的輸入，而在其他情況下，有關預測符合一個非常狹窄的用例。

基礎性的未來行為預測可能包括玩家評估、促銷敏感度和典型的到訪模式。狹窄的情況可能包括計算優惠價值、預測回應率、編制特別活動列表，以及批准信用請求。

通過模式匹配的AI預測未來行為使我們能夠個性化價值，但我們通常希望創造獨特的體驗或識別在場內活躍的社群。AI進一步為我們提供了一個嚴謹的框架，通過找到有已知喜好的類似玩家來個性化獨特的體驗。以客戶流失為例，我們可能發現，忠誠的顧客都參與非博彩設施。因此，我們應對客戶流失的活動/重新激活優惠在這層面提供了酒店和餐飲配套。模式發現既有著識別玩家社群、識別關鍵影響者、描述顧客旅程等基礎應用，也有為市場優惠中的元素設定喜好等狹窄用例。

AI的營運應用

儘管市場推廣只需稍微付出就能達到一定效果，但AI在整個業務決策方面也會有幫助。

識別不尋常行為

在遊戲過程中，如果一位玩家表現出異常行為，運勢驚人，這至少值得讓他停頓一下。我們可以進一步將顧客的玩樂模式特點，或與預期不符的偏差與已知的詐騙行為進行比較。例如，一位中國顧客在玩百家樂時，連續遇到四次莊家勝出，他將有超過80%的時間押注莊家。如果這位顧客改押注幸運6並贏了，情況令人驚訝但不一定可疑。

但如果相應的幸運6次數頻率高，押注時間晚，其他玩家行為也相似，這種行為就變得可疑了。我們系列的最後一篇文章將探討AI在誠信領域內的應用，探討濫用、洩漏和明顯欺詐等問題。

預測

幾年前，本文章的其中一位作者在一家企業工作時，在一個看似不重要的中國節日的預測上出現了錯誤，這導致了該賭場出現明顯的低估狀況。我們估計這種預測失誤導致當天的EBITDA減少了約30%：這是由於錯失的收入和隨著時間流逝而增加的損失。長期以來，預測一直是博彩業中令人沮喪的科學，但正在被更易接觸的演算法和更優質的數據（如智能賭枱的數據）所重新塑造。這些預測的改進（模式匹配是一個例子）有望優化價格設定、提高賭場的酒店客房的使用率、改善人力配置等。

合適的調整

我們可以利用模式發現來識別佔大部分收入構成的顧客體驗，以及其重要的行程和相關接觸點。這些關鍵接觸點對企蘇成功更為重要，應該小心地進行合適的調整。

機器人技術和自動化

機器人技術賦予AI生命。當我們想到機器人技術和自動化時，常常浮現在腦海中的形象，是一個機械人在壽司餐廳送餐，或者我們在機場航廈路過的機械人吸塵器——這無疑是新穎的，但是在有限的範圍。然而，機械人技術和自動化遠不止這些例子，最終其是解決實際問題。

本文章的其中一位作者鼓勵採用機械人自動化的公司，將利用率看待如賭場生產力分析。例如，就像賭枱遊戲的生產力取決於發牌速度和價格等因素一樣，高效地運用房間，同時提供個性化服務也是基本的，但這在大型物業中是一個主要挑戰。在這個例子中，將從CRM系統中獲得的AI見解，與客房機器人助手整合一起，可以創造出無縫連接的服務。