Smart Tourism: An LLM-Enhanced Location-Based Walking Tour Guide

Thanks to advances in Artificial Intelligence (AI), the smart tourism industry can reap the rewards of this emergent technology. This dissertation adopts a practical approach with respect to previous theoretical research in the field of autonomous walking tours by presenting a tourist guidance system that emulates human tour guides. Specifically, an audio guide is implemented that is not restricted to pre- defined routes, but instead adapts to the user’s current location. In order to implement the guide, a Large Language Model (LLM) is used for content generation, while a novel algorithm is proposed to collect environmental data and determine the appropriate content to be presented to the tourist at any given time, such as selecting the Point of Interest (POI) to describe at a certain moment on the basis of visibility and importance. This thesis aims to develop an AI-powered tour of this kind that can compete with a human tour guide exploring the challenges to face and proposing method- ologies to overcome them. Both LLMs-related and programmatic limitations are analysed. One of the many aspects investigated is the evaluation of the quality and content of the text generated by a Large Language Model to assess whether it is comparable to that of a human guide. To quantify this comparison, the results of a survey in which participants had to give a score of one to five to dierent descriptions of POIs are examined. The conclusion is that AI-generated narratives are as good as, and in some cases better than, human narratives. Future research may investigate whether the system as a whole can also stand up to comparison with a human guide.

Turismo Intelligente: Una guida turistica basata sulla localizzazione e arricchita dalla potenza dei Large Language Models. Grazie ai progressi dell'intelligenza artificiale (AI), l'industria del turismo intelligente può raccogliere i frutti di questa tecnologia emergente. Questa tesi adotta un approccio pratico rispetto alle precedenti ricerche teoriche nel campo delle visite autonome a piedi, presentando un sistema di guida turistica che emula le guide turistiche umane. In particolare, viene implementata un'audioguida che non si limita a percorsi predefiniti, ma si adatta alla posizione attuale dell'utente. Per implementare la guida, viene utilizzato un Large Language Model (LLM) per la generazione dei contenuti, mentre viene proposto un algoritmo innovativo per raccogliere i dati ambientali e determinare il contenuto appropriato da presentare al turista in qualsiasi momento, come la selezione del punto di interesse (POI) da descrivere in un determinato momento sulla base della visibilità e dell'importanza. Questa tesi mira a sviluppare un tour di questo tipo alimentato dall'intelligenza artificiale che possa competere con una guida turistica umana, esplorando le sfide da affrontare e proponendo metodologie per superarle. Vengono analizzati sia i limiti legati ai LLM, sia quelli programmatici. Uno dei vari aspetti analizzati è la valutazione della qualità e dei contenuti del testo generato da un Large Language Model per stabilire se è paragonabile a quello di una guida umana. Per quantificare questo confronto, vengono esaminati i risultati di un sondaggio in cui i partecipanti dovevano assegnare un punteggio da uno a cinque a diverse descrizioni di POI. La conclusione è che le narrazioni generate dall'IA sono altrettanto valide, e in alcuni casi migliori, di quelle umane. La ricerca futura potrebbe indagare se il sistema nel suo complesso può reggere il confronto con una guida umana.