В 2ГИС «Отелло» появился ИИ-помощник для подбора отелей и планирования поездок
Иллюстрация: «Отелло» / 2ГИС
Разработчики сервиса для бронирования жилья «Отелло» (проект 2ГИС) интегрировали интеллектуального помощника, который берет на себя все заботы по организации путешествия — от поиска идеального места для ночлега до планирования досуга. Нейросеть с легкостью находит варианты размещения согласно заданным критериям, уточняя наличие необходимых удобств, таких как парковка, или близость инфраструктурных объектов.
В арсенал ИИ-ассистента входит подбор жилья на основе индивидуальных предпочтений, глубокий анализ клиентских отзывов и персонализированные рекомендации по посещению знаковых мест и гастрономических заведений. Кроме того, нейросеть готова выступить в роли персонального гида, помогая выстроить оптимальный график поездки и эффективно распределить время в пути.

Результаты поиска в чате отображаются в виде наглядных виджетов. Пользователь может просматривать фотогалереи, добавлять понравившиеся варианты в «Избранное» и ознакомиться с краткими выжимками, которые подчеркивают именно те аспекты, что были упомянуты в запросе. Также доступна возможность визуализации предложенных объектов на карте города. Выбрать подходящий отель можно прямо в диалоге с ИИ, после чего система перенаправит вас на страницу объекта для более детального ознакомления или моментального бронирования.
Источник: iXBT
«Спасение для поясницы»: Xiaomi представила умную подушку для офисных кресел
Лазерную связь Starlink применят для отслеживания ракетных пусков
Samsung представила очки с камерой, синхронным переводом и до 9 часов автономной работы
Bloomberg: SpaceX и Tesla могут объявить о крупнейшем в истории слиянии уже в декабре
Honor Magic 9 Pro Max с 8000 мА·ч, 100 Вт, камерой 200 Мп, 200-кратным зумом и Snapdragon 8 Elite Extreme Gen 6 выйдет в Малайзии 24 ноября
Представлена твердотельная батарея, которая заряжается за 5 минут и работает при −20 °C
Новые перовскитные солнечные панели сохранили почти всю эффективность за 54 дня непрерывной работы при КПД свыше 22%
Путь к локальной LLM: модель, которой я наконец пользуюсь каждый день