使用可解释人工智能预测太空旅游需求

对太空旅游需求的全面预测对于企业在此新兴行业中优化策略和客户体验至关重要。传统方法难以捕捉影响个人太空旅行决策的复杂因素。在本文中，我们提出了一种可解释且可信的人工智能框架，遵循美国国家标准与技术研究院（NIST）指南，以应对预测太空旅游需求的挑战。我们开发了一种名为 SpaceNet 的新型机器学习网络，能够学习数据中的广泛依赖关系，并允许我们分析年龄、收入和风险承受能力等各种因素之间的关系。我们调查了美国的太空旅行需求，将其分为四种类型：不出行、月球旅行、亚轨道旅行和轨道旅行。为此，我们在许多州和城市收集了 1860 个具有不同年龄的数据点，然后使用这些数据进行实验。从实验中，SpaceNet 达到了平均 ROC-AUC 为 0.82 ± 0.088，表明具有较强的分类性能。我们的研究表明，旅行价格、年龄、年收入、性别和死亡概率是决定一个人是否出行的重要因素。除了需求预测之外，我们使用可解释人工智能为个人的旅行类型决策提供解释，这是传统分类方法无法实现的。这些洞察使企业能够在此快速发展的市场中定制营销策略并优化服务提供。据我们所知，这是第一项实施可解释且可解释的人工智能框架来研究影响太空旅游因素的工作。