如果把旅行当成一个命题，我们怎样才能得到最优的旅行计划呢？如何以超旅行的方式看待旅行？用人工智能理性看待情感旅行。妙记旅游创始人张帆给出了他的答案。
以下为采访内容整理：
2014年，妙吉旅游成立。此前，大量网站和旅行社为人们提供了各种各样的服务和产品。但如今的自由行体验依然不方便。Priceline去年报告的数据显示，每个人在制定旅行计划之前平均会查阅38个网站。这些数字非常准确、令人惊讶且巨大。
互联网提供了很多选择。十年前，游客在旅游选择住宿地点时，只会选择酒店。但现在，也有民宿、中式酒店、帐篷区等供人们选择。不仅新的品类层出不穷，而且每个品类下都有无数的选择。这样做的好处是每个人都可以选择非常个性化的旅行计划；缺点是由于选择太多，很难做出最优决策。
对于村庄来说，步行是一种便捷的交通方式，但对于城镇来说，公交车更方便。如果是大城市的话，地铁比较好。也就是说，当环境改变时，方法也应该改变。出行环境已经发生了巨大的变化，但人们仍然采用传统的方式。因此，我们需要新的方式来对待旅游业。
什么样的计划才是好计划？
出行计划的决策过程分为两部分，一是主观决策，二是客观决策。主观决定是：去巴黎还是伦敦？在巴黎，去埃菲尔铁塔还是卢浮宫？这是一个主观决定，没有对错之分。也许机器显示90%的人去卢浮宫参观一天，10%的人参观两天，但这并不意味着10%的人是错的。
确定自己的需求，比如去巴黎五天，其中埃菲尔铁塔两天，卢浮宫半天。需求明确后，如何用最少的时间和经济成本将需求落实为现实的解决方案就成为客观问题。在体验相同的情况下，主观决策不变，用户不想再浪费金钱或时间，这就导致了好与坏。一旦有了好坏之分，就可以分级，能分级就可以排序。如果可以排序，机器就能给出更好、更合理的建议。
提案是用户提出的，但解决方案是有标准的，可以区分好坏。因此，很容易衡量互联网上大量可用指南的质量。许多专家的计划是不可靠且糟糕的。虽然出乎意料，但也是可以理解的。因为现在出行选择的复杂程度已经超出了人类的控制范围。
假设我有九天假期，我的需求是去马德里三天，巴黎三天，巴塞罗那三天。我应该如何订购机票？常见的方法是搜索从北京出发的航班，看看哪一个最便宜。如果你发现去巴黎最便宜，就先去巴黎，然后发现从巴黎去马德里比去巴塞罗那便宜。我们先去马德里，然后去巴塞罗那。
在计算机中，这称为贪心算法，即每一步都选择当前最优解。然而，每一步的最优解并不能保证全局最优解。先前的决定会影响后续的决定。本质上，这种旅行的行程规划是一个数学问题，是一个排列组合的问题。
这种排列组合有多少种可能？这是一个阶乘的可能性。如果你去三个城市旅行，那就是三个阶乘。如果去十个城市旅行，就是十个阶乘，也就是三百六十万。仅可能的组合就有360万种，如果考虑到各种交通方式，就有数千万种选择。即使是飞机，每天也有几十个航班，还有几十个出售不同价格机票的网站等等，这就创造了数十亿种可能的选择。
更难控制的是，选择是动态的，最优解会变化。人有能力从数十亿种可能性中找出最优解吗？我认为这是非常困难的。人们没有办法做到这一点。但这不应该由人来完成，而应该由机器来帮助人们完成。所以，这就是为什么在长期规划中，机器可以比人更有效率或更好地解决问题。
从另一个角度看这个问题，如果你去十个城市二十天，不管有多少种可能性，根据上面的算法，找到最优解需要大量的查询，而谁有能力做到瞬间就有数万个？询问？目前还没有一个网站能够支持用户同时发出数万个PPS的请求！
为了验证这个想法，我们在上海举办了线下活动，并在手机上做了一个小游戏。我们告诉在场的大家，有一位同事第一次来上海，不知道要做什么，所以请大家投票帮助他选择。大家都用H5为各个景点或者路线投票。我们以此为基础打造体验包。我们去的景点、餐厅、酒店等都是一模一样的，每个景点的参观时间也是一样的，但交通方式和游玩顺序需要单独组织。
我们对此提出要求：花尽可能少的钱；尽量节省非比赛时间；当你去餐厅时，用餐期间你必须在场。收集最佳的游戏计划。20分钟后，大家想出一个方案，并通过大屏幕上的机器打出客观的分数。由于游览地点和游览时间相同，我们可以看到每个计划都存在的问题：步行时间太长；花太多钱；无法及时到达餐厅用餐。第一名的学生之所以能想出更好的计划，是因为他在旅行社工作。
机器是如何计算的？点击计算，一秒钟，机器给出了解决方案，让用户只需步行70公里，节省了近3个小时的路途，还剩下几十块钱，没有任何差错。这仍然是一个数学问题，并且可以被证明超出人类的能力范围。
作为一个理性主义者，对于旅行的思考
任何事物在成熟之前，只能被视为经验，但当它成熟时，它就成为一门科学。可以更加理性地解决问题。有人说，旅行是一种情感。但任何情绪背后都有理性逻辑支撑。我希望每个人都只是关注自己的感受，决定去哪里，然后让机器执行计划。
