2026年3月30日，澳門大學工商管理學院綜合度假村及旅遊管理學系舉辦學術講座，邀請香港理工大學酒店及旅遊管理學院徐惠群講座教授（Prof. Cathy Hsu）主講。講座以「生成式AI與大語言模型——旅遊領域專用模型的必要性」為題，深入探討通用AI模型在旅遊研究中的局限，並展示基於領域知識微調的旅遊專屬模型的優勢。講座由本系Hyunsu KIM助理教授主持。
開篇： AI模型的隱憂與批判視角
徐教授在開場時，首先引導聽眾正視當前生成式AI與大語言模型普遍存在的問題，以幫助大家帶著批判性思維審視後續的研究案例。她列舉了多項值得關注的議題：資訊來源的透明度不足、訓練數據主要來自西方世界因而帶有「西方世界觀」偏差、單純翻譯可能因文化脈絡不同而產生語義偏移、缺乏特定領域知識與情境感知能力、數據更新成本高昂、容易產生錯誤資訊或「幻覺」，以及訓練數據中的系統性偏見可能導致刻板印象與歧視等。
她特別分享了一個小實驗：當反覆詢問AI「香港某酒店是否安全」時，AI最初回答「安全」，但多次提問後答案會微妙地改變為「安全，但有些人可能仍有顧慮」。這揭示了生成式AI的不穩定性與其生成本質。
四個實證研究項目：以旅遊領域知識提升模型表現
為了證明旅遊專屬模型的有效性，徐教授團隊開展了一系列研究，涵蓋已發表與進行中的四個項目：
(1) 計算旅遊情感矛盾（發表於 Tourism Management）
研究發現，遊客在體驗旅遊活動時，可能同時對不同面向產生正面與負面情感，可能同時喜歡某些方面（如風景、設施、交通、商業氛圍）卻不喜歡另一些方面（如餐飲、服務、價格）（即「情感矛盾」）。團隊基於圖式理論，將旅遊領域知識融入BERT模型，提出TK-BERT，用於分析香港某景點的多平台在線評論。結果顯示，TK-BERT在情感矛盾計算上的準確度顯著優於原始BERT及其他先進模型。
(2)連續旅遊情感評分（發表於 Tourism Review）
該研究提出一個基於RoBERTa-CSS的創新框架，能夠對遊客情感進行近乎連續的評分，捕捉縱向與群體層面的情感變化，為目的地管理提供即時動態的監測工具。
(3)解碼互惠旅遊中的遊客-居民情感動態（進行中）
在香港與內地之間的互惠旅遊情境中，居民與遊客的角色經常互換，從而產生複雜的情感。團隊微調了DeepSeek模型，提出DeepSeek-EMO，用於識別雙方的情感，其表現亦超越其他主流模型。
(4)目的地績效評估框架（進行中）
該研究旨在建立一個動態的目的地績效評估框架，系統性地利用遊客生成的線上評論。團隊首先對八個大語言模型進行人工標註基準測試，以選出表現最佳的模型進行微調，隨後將其整合到框架中。結果顯示，大參數模型（如Gemma3 27B、DeepSeek-R1 70B）在屬性提取與情感分類上的表現普遍優於小參數模型，驗證了模型規模與性能的正向關係。
核心 takeaways：領域知識與嚴謹方法並重
徐教授總結了多項重要啟示：領域知識至關重要，需要透過人工標註來審查關鍵詞與輸出結果的適當性；人工標註對於模型訓練不可或缺，尤其是社交媒體語言中充滿俚語、雙關與諷刺，必須持續更新；基於行業特定數據微調的模型表現更佳；研究需保持嚴謹的方法論與透明度；以及鼓勵旅遊學、計算機科學、倫理學等跨學科合作。
互動環節：挑戰與邊界
在問答環節，師生就開發旅遊專屬模型的實際挑戰踴躍提問。關於硬件與計算資源，徐教授坦言需要一定的計算技能、時間投入，以及足夠的運算設備。有聽眾問及「AI厭惡與AI欣賞之間的邊界」，她認為這與使用者的年齡、過往經驗密切相關，不同群體對AI的接受度存在差異。此外，關於如何獲取小紅書、抖音等平台的數據，她回應表示有些數據是購買取得，並建議研究者與數據供應商建立合作關係。
結語
整場講座既有對通用AI模型的深刻批判，也有基於扎實實證的旅遊專屬解決方案，為在場師生展示了如何以領域知識與跨學科視角，推動生成式AI在旅遊研究中的負責任應用，引發了熱烈的討論與思考。
