黄河文明与可持续发展（第二十六辑）购买苗长虹 主编北京: 科学出版社, 2026. 3ISBN 978−7−03−084914−42025 年6 月14—16 日，第十五届空间综合人文学与社会科学学术论坛在河南大学召开。此次论坛以“空间智能驱动与多学科协同”为主题，会议期间，河南大学地理科学与工程学部副主任、黄河文明与可持续发展研究中心主任苗长虹教授担任主持人，组织召开了题为“AI时代的空间综合人文社会科学研究新范式”的圆桌论坛。论坛上，8位嘉宾围绕AI 时代在人文社会科学领域的创新应用与发展趋势各抒己见，共享智慧。本文由喻忠磊和吴朋飞进行会议发言整理，苗长虹担任总体策划和学术顾问，以“专论”的形式在《黄河文明与可持续发展（第二十六辑）》（黄苗长虹主编. 北京: 科学出版社, 2026. 3）刊发。本文全文分享如下，文中引文、注释删略。论坛嘉宾林 珲，国际欧亚科学院院士、江西师范大学地理与环境学院教授；柳 林，广州大学地理科学与遥感学院教授；秦 昆，武汉大学遥感信息工程学院教授；关庆锋，中国地质大学（武汉）地理与信息工程学院教授；裴 韬，中国科学院地理科学与资源研究所研究员；陶 伟，华南师范大学地理科学学院教授；乐 阳，香港科技大学（广州）社会枢纽城市治理与设计学域教授；赵耀龙，华南师范大学地理科学学院教授。 苗长虹：本次论坛以“空间智能驱动与多学科协同”为主题，这一议题极具前沿性，同时也充满了挑战性。AI 特别是DeepSeek兴起以来，社会各界对AI 都非常感兴趣，各领域涌现出大量与之相关的公司或组织。然而，对于这一新技术的出现，大家也有些担心，对其未来发展前景的判断也有争议。我们今天聚焦“AI 时代的空间综合人文社会科学研究新范式”这一主题，是非常有意义的。在林珲教授等的推动下，空间综合人文社会科学在国际和国内都产生了重要影响。那么，空间综合人文社会科学的研究范式究竟是怎样的？AI 和大模型时代，是否会催生出全新的研究范式？这种新范式的特征和本质又是什么？此外，时空智能、空间智能和DeepSeek这类语言AI技术之间存在何种关联？它们之间的区别又体现在哪些方面？这些问题都是学界高度关注的焦点。林 珲：今天我们所探讨的时空参考系、时空智能与空间智能，实际上涉及多个层面的智能概念。以往我们常强调“空间智能”，多从空间信息或空间维度切入，然而一旦脱离时间维度，许多研究的价值便会大打折扣。毕竟，科学研究的核心在于探寻事物变化的规律，而“变化”本身必然离不开时间维度的支撑。因此，“时空智能”才是更完整的概念。时空智能的本质是基于时空参考系，对其中物质与能量的格局变化进行认知与表达的知识体系。换言之，它是在时空参照的框架下，对物质、能量及其动态格局的演化规律的一种高阶智能表征。当然，这一理解仍需进一步深化和修正。时空智能对空间综合人文社会科学研究的影响将是深远的，它将在分析、推理、模拟与重建等环节发挥重要作用。具体而言，它会影响我们在数据整理、智能体构建、空间分析与模拟，以及人文体验等方面的研究实践。此外，它也必将推动研究范式的转型与推理方式的创新。当前，AI 领域在智能体构建中广泛采用“喂养”式训练，这种模式依赖于数据库与模型库的构建及模型管理机制。我们在组织知识、构建知识图谱、建立关系网络时，所采用的方法与中国科学院郭华东院士所倡导的“开放科学”（openscience）范式高度契合。开放科学是国际科学界正在推进的重要方向，其核心是共享、协作与透明。例如，DeepSeek等平台向全球开放资源，正是这一范式的典型代表。它预示着我们未来研究范式的转变：从封闭系统走向开放系统，从数据私有走向数据共享，从模型孤立走向模型协同。回顾GIS的发展历程，早期我们关注的是数据库管理，致力于追求数据存储与检索的效率，为此发展了多种数据结构和优化方法。而今天，我们更关注知识共享的效率，即如何高效地管理、版本化、复用模型与智能体，进而提升知识工程中的交流效能。这正是时空智能背景下，知识生产方式的重要演进与变革。苗长虹：当前，以语言为基础的模型主要依托文本展开训练，而时空智能模型则以时空数据为基石。与相对易于标准化的文本语言数据不同，时空数据来源广泛、类型多样，涵盖从历史文献、考古发现（如彩陶等史前文物）到现代地理信息等多维度、多尺度的信息。此类数据所具有的异质性与复杂性，给构建统一的时空智能模型带来了重要挑战，尤其是在跨学科研究领域（如历史地理学、犯罪地理学及社会科学融合应用等），这一挑战表现得更为显著。数据融合已成为当前时空综合人文社会科学研究的前沿课题，然而其在方法论与技术层面仍存在诸多尚未有效解决的难题。柳 林：根据ChatGPT对空间智能的定义，空间智能可被理解为“个体对空间对象的可视化、操作与推理能力”。然而，这一定义与当前地理信息科学界所讨论的“空间智能”或“时空智能”是否一致，尚无定论。我对时空智能的关注集中在三个实际问题上：其一，有哪些任务是我们以往无法实现，而时空智能却能实现的？其二，有哪些事情原本我们能够完成，但时空智能可以做得更为出色？其三，有哪些难题即便借助时空智能，依旧难以应对？遗憾的是，目前尚未见到对这些问题的系统回答。在我看来，当前 AI 方法仍偏重统计层面。AI 目前面临着一种窘境：众人皆谈，却少有人能全然通透。在此背景下，轻言“范式变革”颇具风险。至于空间转向，地理学界早在 20 世纪六七十年代就已展开了相关思考。如今人文社会科学领域再谈空间转向，是否略显迟滞？不同学者对此有不同的判断。结合我自身的研究，在犯罪研究领域，空间转向的迹象已较为明显。近年来，我逐步构建起一个涵盖五个环节的研究框架：一是模式识别，即对犯罪分布规律进行探测；二是成因解释；三是犯罪预测；四是与警务部门合作开展干预；五是防控效果评估。在与公安部门长达十余年的合作中，我们已见到实际成效，如某地公安机关表示，借助智能研判系统，当地犯罪率显著下降。那么 AI 能否在我所提出的“五步曲”中发挥作用？在模式识别环节，AI 无疑具备相关能力，但其效果是否显著优于传统方法尚待验证。在解释性层面，AI 模型往往呈现“黑箱”特性，尽管可解释 AI 有所进展，但其仍难以实现传统统计方法（如显著性检验）的解析力度。在预测方面，AI 的确展现出强大优势，但其纯粹依赖数据驱动的特性也令人顾虑—我们的实践表明，融入专业知识的机器学习模型，其性能远远优于纯数据驱动模型。在防控部署与路径规划等操作层面，AI 可发挥较大作用。而在干预效果评估环节，目前我们主要采用双重差分等因果推断方法，虽然已出现基于机器学习的因果分析工具，但其可靠性与传统方法相比，仍需进一步验证。总体而言，我认为 AI 在犯罪地理研究中具有广阔的应用前景，但目前尚难以明确在哪些环节 AI 显著优于传统方法。秦 昆：第一，关于空间智能与时空智能的认识问题。在当前 AI 迅猛发展的背景下，时空智能已成为 AI 体系的重要基础与“时空底座”。正如李德仁院士等提出的，时空智能是借助空天遥感、智能传感器、云计算与 AI 等技术，对自然现象及人类活动进行感知、认知并支持智能决策的一门科学与技术。它既是测绘、遥感与地理信息学科发展的新阶段，也为空间综合人文社会科学提供了全新的研究范式。其中，对自然现象的感知与认知主要依托传统测绘与遥感技术，而对人类活动的理解则正是空间综合人文社会科学的核心议题。基于此，我认为时空智能不仅是一种技术体系，更是推动人文社会科学空间化、智能化转型的重要范式。在此背景下，无论是作为研究者还是作为学生，我们都应积极拥抱时空智能，主动开展相关研究与实践。武汉大学已于国内率先开设“时空信息工程”本科专业，并依托测绘、遥感及新成立的人工智能学院，大力推进时空智能在人才培养与科学研究领域的深度融合。第二，关于时空智能在人文社会科学中的应用前景。我认为其潜力极为广阔，已然成为“新文科”建设的重要技术支撑。试举两例：其一，武汉大学测绘遥感信息工程全国重点实验室与信息管理学院合作，成立了“文化遗产智能计算实验室”。该实验室隶属社会科学领域，由文科团队主导研究方向，技术团队提供测绘与智能设备支持，彻底改变了传统“文科实验室”的形态。其二，武汉大学遥感信息工程学院和经济与管理学院合作培养“遥感科学与技术+经济学”双学位本科生，致力于培养兼具技术能力与社会科学思维的综合型人才。此外，武汉大学与咸宁市人民政府合作共建低空经济创新研究院，并建设无人系统测试基地，开展无人机、无人车、无人船等在区域经济中的集成应用。这种合作模式可用一句话概括—“以先进技术托起闪光的思想”。遥感测绘提供技术支撑，人文社会科学提供理论指引、问题导向与需求导向，文化遗产与数字经济实现深度融合离不开时空智能的支撑。第三，关于空间综合人文社会科学的基本范式。空间综合人文社会科学的基本范式，本质上就是时空智能驱动下的“双新”模式。具体而言，一方面，人文社会科学需进一步深化“空间转向”，更加充分地运用时空智能方法；另一方面，测绘、遥感等技术学科应主动向人文社会科学应用领域拓展，并非“占领”而是“支撑”，为其提供“时空底座”。具体可从科研与人才培养两方面着手：在科研上，组建跨学科团队，共同申请项目、建设实验室；在人才培养上，应从本科阶段推进交叉培养，奠定宽厚的知识基础。第四，时空智能是否将催生空间综合人文社会科学的新范式？我认为答案是肯定的。时空智能是推动空间综合人文社会科学研究新范式形成的重要支撑力量。发展空间智能、时空智能，能够为空间综合人文社会科学搭建起稳固的“时空底座”。在这个底座之上，历史、文化、艺术等人文社会科学领域能够实现综合发展，同时推动人文社会科学全面迈向数字化、智能化。其特征将体现为多源时空数据与人文社会理论的深度融合，并在数字化、智能化转型进程中推动学科重构。然而，挑战亦不容忽视，首当其冲的是理念认同与评价机制方面存在障碍：目前理工科与社会科学在成果认定方面存在明显壁垒，如社会科学期刊论文在工科评价体系中难获认可，反之亦然，亟须建立跨学科互认的评价体系。此外，我们还应积极拥抱 AI 技术大模型，主动融入AI 与大模型技术浪潮，共同探索新的发展方向。值得注意的是，随着 AI 技术门槛的降低，人文社会科学学者运用大模型开展研究已渐成趋势，AI 技术的优势正从“技术能力”向“思想能力”转变。在此背景下，人文社会科学学生可能因更具洞察力、表达力和创新思维，在未来就业市场中占据后发优势。这意味着，空间综合人文社会科学的研究者与学生，若能兼具社会科学素养与时空智能技术意识，将更受社会欢迎。综上所述，时空智能不仅为空间综合人文社会科学提供了全新的范式与技术基础，更有可能深刻改变学科生态与人才格局。在时空智能的新范式引领下，空间综合人文社会科学前景广阔，未来可期。苗长虹：秦昆老师的发言，围绕时空智能及其在空间综合人文社会科学领域所发挥的作用展开了系统阐述，其观点代表了当下这一交叉领域的主流认知。秦老师提出的从感知、认知到预测与决策的技术路径，与柳林老师此前提出的研究“五步曲”实有异曲同工之妙。这显示出，时空智能作为一种新范式，正在深刻影响着人文社会科学研究的逻辑框架与实践走向。然而，在这一融合过程中，一个关键问题逐渐凸显：AI 技术本身具有较强的统一性和标准化特征，而人文社会科学则天然地具有理论多元性和方法论多样性的特质。从现代性、结构主义，到后结构、后现代乃至超现代思潮，人文社会科学各领域在哲学基础、价值立场和认知方式等方面，均存在显著差异。那么，在具体的研究实践中，我们究竟应如何处理技术统一性与学科多元性之间的张力呢？例如，一位秉持现代范式的研究者与一位以后现代视角为切入点的学者，即便运用的是同一套时空智能技术，他们在研究过程中提出的问题、构建的分析框架，乃至最终结论，都可能迥然不同。这一现象，既展现了人文社会科学自身的活力，也提醒我们，技术并不能替代人的批判性思考与理论创造力。正如秦昆老师所强调的，AI 或许能够承担大量技术性、操作性的任务，但它无法替代人类智慧的多样性和思想的不可预测性。正因如此，在积极推进时空智能成为研究新范式的同时，我们也应清醒地认识到其中潜在的挑战甚至危机。如何在技术上实现兼容并蓄，在方法论上尊重多元范式，在认识论上保持开放与反思，将是跨学科深度融合能否真正实现的关键所在。这一亟待解决的问题，值得学界展开更为广泛和深入的讨论。关庆锋：第一，正如各位所言，科学研究的基本范式通常涵盖从感知、认知到预测与优化的全过程。在空间综合人文与社会科学的语境下，AI 技术在感知和认知环节已取得显著进展，尤其是在感知环节，我们能够借助大数据与 AI 方法，对人类活动的诸多方面展开较为全面且准确的刻画。在“认知”环节，AI 技术的发展带来了诸多契机，比如当下以因果推断、神经网络等为代表的新兴方法，正助力我们更深入地剖析社会系统运行的内在机理，目前该方向正处于快速发展中。而在“预测”与“优化”方面，在人文地理学和 GIS 领域利用 AI 去进行预测已是很常见的现象，不过 AI 还能为我们的预测研究提供更好的契机。它不仅提升了传统预测模型的性能，更能让我们推演尚未发生的情境，甚至对未知或极端社会−空间过程进行模拟，从而为政策制定和治理提供多情景的决策支持。然而，必须指出，在人文社会科学研究中，完全依赖 AI进行优化是有风险的，这在诸多影视作品、科幻小说中均有体现。因此，人的角色不仅不可替代，更应成为 AI 应用的引导者与伦理约束者。当前兴起的数据−知识联合建模、物理信息神经网络等技术路径，正彰显出将人的认知与机器智能相融合的趋势。我认为，未来空间人文社会科学的一个重要发展方向，正是人机协同的研究范式，即以 AI 强大的计算与推演能力为基础，以人类的价值观、伦理观和社会共识为约束，共同推动对社会系统的合理解释和可靠预测。第二，哪些工作 AI 能够比现在做得更好，哪些工作是我们当下无法完成而 AI 却能胜任的呢？在与学界同仁的讨论中，关于社会学未来的发展走向，特别是“宇宙社会学”的构想令我印象深刻。假如人类未来移民火星，那么该环境下的社会关系还会是如今地球上这般吗？我们社会系统的运行方式还会像地球目前这般吗？答案或许是否定的，在不同的物理环境条件之下，人与人之间的相处方式，社会的运行方式可能完全不同。以我们目前的知识和技术手段，或许难以真正地了解和预测，不过可以借助 AI 提前开展一些相关研究。刘慈欣在《三体》中所提出的“宇宙社会学”概念引人深思，倘若将我们的社会系统放大到整个宇宙系统之中，假设宇宙中果真存在外星文明，那么，这广袤宇宙间的社会系统又将会以怎样的模式运转呢？这为人类提供了非常广阔的想象空间，也给人类未来的发展提供了更多、更重要的启示和保障。外星文明究竟是怎样的，又会如何应对社会系统，我们都无从知道。但从 AI 这个角度出发，去预测在某个特定物理环境条件下会产生何种文明，这样的文明在面对另外一个星际文明时会有怎样的反应，AI 可能会为我们提供一些新的思路和想法。但所有的这些想象与发展，都必须基于人类对现有文明社会的认知和社会公约，并在此基础上发展人机协同这一 AI 支持下的空间综合人文学和社会科学。在面对以人类现有知识和认知体系所无法理解的未来社会科学发展时，AI 可以为我们提供更多、更新、更靠谱的预测和优化途径。苗长虹：关庆锋老师提出的“人机协同”研究范式及其对未来社会科学的前瞻性构想，具有重要的启发意义。他不仅强调了 AI 在推演未知社会−空间系统方面的潜力，也明确指出人类价值观与伦理约束在技术应用中的核心地位，这一观点值得充分肯定。然而，在此我想进一步提出一个问题：自然系统大多呈现较强的确定性特征，而人类社会经济系统却具有内在的不确定性与复杂性。在 2008—2009 年国际金融危机期间，英国女王向经济学家提出了这样一个问题：如此重大的危机，为什么经济学家都未能预测到？如今，我们已步入 AI 技术飞速发展的时代，倘若时空智能技术手段更为先进，我们是否能够凭借它的力量，预测出未来 10 年人类应具备何种能力，来应对那些最为重大的危机呢？当前世界正处于百年未有之大变局，各种不确定性因素很多，通过基于时空智能的空间人文社会科学综合研究，能够在哪些方面帮助我们增进对这个不确定世界的确定性理解，是一个值得探索的重大问题。裴 韬：首先，关于时空智能能否预测人类社会可能面临的危机问题，我认为，就当下的人类水平和技术能力而言，尚无法完全精准地预测未来危机。预测的有效性，不仅与技术能力紧密相连，更与社会响应机制及决策流程息息相关。此外，预测结果能否得到关注和信任，并转化为实际行动，也是决定预测成效的关键因素。其次，关于空间智能，我认为，大语言模型之所以成功，是因为它将所有语言转化为词向量，借助高维空间中的计算，实现了出色的语言交流和良好的文本生成。但对空间智能而言，其核心在于位置和空间关系。空间智能要解决的根本问题，是如何让机器理解地理对象的大小、位置，以及它们之间的空间关系。目前尚无像语言模型那样成熟的解决方案。能否将空间信息转化为某种标准化的表达方式，供神经网络学习并预测，这是关键。当前的研究，大多是通过设计问题来试探模型是否“理解”空间，这就好比面对一个陌生人，你只能通过提问去了解他，却无法洞悉他的真实想法。要真正解决空间智能问题，可能需要更为本质的突破，比如探索新的向量化表征方式或训练方法，这是我们所期待的。在空间人文研究方面，大模型具有很好的应用前景。人文研究常常要面对零散的材料和文献，而大模型擅长从非结构化文本中提取信息，并将其转化为结构化数据，这对人文研究非常有帮助。如果能充分运用 AI，我们可能会获得更好的研究成果。最后，关于研究范式，空间人文社会科学综合研究既遵循科学范式，又有其特殊性。这正是林珲老师将其作为特殊学科或研究对象的原因所在，其特殊性可能就在于它处于社会科学与自然科学的交叉地带。在 AI 的助力下，研究范式可能会发生变革，比如从传统的“观测—假设—检验”模式转变为“准备数据—训练模型—验证猜想”模式。但这种变革究竟能带来多少科学发现，还需要拭目以待。苗长虹：经济地理学长期以来都对“距离”概念予以关注，但其内涵远不止于欧氏距离这类物理测度，还包括文化距离、制度距离、社会距离等多个维度，它们共同构成了人文社会科学中关系性研究的基础。在自然科学中，距离往往具有唯一性和客观性；而在人文社会科学中，“距离”则是多元的、建构的，甚至具有主观性和语境依赖性。这种多元性恰恰凸显了将时空智能应用于人文社会科学研究时所面临的根本挑战—我们能否构建出能够捕捉复杂关系的智能模型？关于预测与决策采纳问题，也引发了一个更深层的议题：时空智能未来的发展是否更应回归到对人本身的研究？人类社会系统具有高度复杂性和不确定性，个体的行为既包含随机成分，又受到情感、环境、文化背景与结构性因素的共同影响。对于特定主体而言，其决策表面看似具有随机性，实则背后蕴含着行为逻辑与语境必然性。能否通过引入情感计算、行为地理学与环境感知等多维度数据，构建出更为全面的人类行为推演模型？这是否会成为时空综合人文社会科学的一个重要发展方向？未来的研究应致力于将人的行为、情感与多种环境因素纳入时空智能建模的过程中，从而更深入地理解社会现象背后的机制。这一路径不仅具有理论创新潜力，也为应对现实社会复杂系统提供了新的分析工具。陶 伟：在讨论 AI 大模型在人文社会科学研究中的优势与挑战时，我们首先应当明确 AI 能做什么、不能做什么，以及其在推进具体议题时可能遇到的障碍。社会文化地理研究聚焦于文化、身份、地方感、社会正义等议题，这些研究往往依赖定性分析、语境理解与批判性思维。以下通过几个具体实例展开详细阐述。第一，以“地方感”与“文化认同”为例。在社会文化地理研究中，地方感是指个体对特定地方（如社区、故乡或圣地）产生的情感依恋与文化认同，它涉及主观体验、集体记忆及生活世界的建构，必须借助深度访谈、参与式观察和叙事分析等手段来理解。尽管 AI 能够实现数据的空间化处理与模式识别，却难以捕捉情感深度和文化语境。它无法理解为什么某地对特定群体而言具有神圣性或创伤性，也无法解释社会文化现象背后所蕴含的乡愁、身份冲突或权力关系，因为这些都需要历史、文化与社会语境的嵌入。第二，以社会不平等与空间正义为例。社会文化地理研究常常关注空间不平等现象（如种族隔离、资源分配不均等），这涉及伦理判断、权力批判与正义诉求。例如，在解读城市更新过程中低收入社区所遭受的空间排斥时，需结合历史政策与社会结构进行综合分析。AI 大模型虽能分析空间数据（如犯罪率、犯罪热点探测等），但在处理价值取向与道德维度方面却显得力不从心。犯罪成因涉及社会、政治、经济、文化等诸多因素，依赖定性方法与情境化分析。在此过程中，研究者作为主体性工具的作用至关重要。AI 虽能生成统计规律，却无法批判性地探讨结构性不公（如政策歧视等问题）。第三，以文化景观与历史记忆为例。文化景观是社会文化地理的传统核心议题之一（如历史记忆、宗教场所和集体记忆的重构），它涉及口述史、符号解读与情感维度。AI 能够实现高效可视化与空间建模，但在处理叙事深度与情感共鸣方面却存在明显不足。它无法理解文化创伤或记忆政治（如殖民遗产的争议），这需要社会学和人类学的阐释。在文化记忆问题的研究上，人文主义方法不可或缺，AI 无法替代叙事和诠释的作用。综上所述，AI 大模型有其适用边界，其优势主要体现在处理密集型任务上，如空间分析（GIS）、模式识别（犯罪热点）、大数据挖掘（经济趋势）等；但在涉及情感、伦理、文化价值、主体性体验和批判性思考等方面，则存在明显局限。人的存在是衡量时空智能价值的根本尺度，科学研究须强调人的主体性与人文精神，须超越纯粹数据驱动和工具本位，恪守价值与伦理底线。AI 大模型无法解决所有人文社会问题，尤其是那些高度依赖主观性、文化语境与价值判断的议题。人类的主体地位与批判性思维在此过程中不可或缺。数据驱动范式并不意味着理论的终结。大数据并非全数据，更不是真实世界的完整刻画。情感、伦理、道德、文化、价值判断等社会非理性因素对事物的发展同样重要。“AI 大模型出现后，我们是否仍需思考？”这一问题的提出至关重要，它提醒我们，科学研究应始终保持价值取向，尊重生命的价值与意义，这是不容置疑的底线。过度依赖 AI 可能会导致人文社会科学研究的“价值异化”。科学研究与创新的生命力往往源自新范式的提出，而新范式的构建与发展须在不断质疑、应对挑战和自我反思中推进，空间人文社会科学综合研究范式也应如此。苗长虹：陶伟老师从社会文化地理的独特视角出发，提出了极具深度的见解。陶老师借助地方感、空间正义和文化景观这三个案例，清晰地回应了“AI 能做什么、不能做什么”的问题，明确指出在情感、文化语境及价值判断等领域，AI 确实存在本质性的局限。当前 AI 未能深入“人的情感”与“主体体验”，是否在根本上源于我们尚未构建起有效的感知与技术手段呢？如果我们未来能够借助人机协同、脑机接口等技术，实现对个体心理活动甚至神经信号的精准捕捉与建模，那么诸如地方认同、情感依恋等看似主观的体验，是否也可能被转化为可计算、可训练的数据呢？从本质上讲，这其实是一个数据识别与建模精度的问题—如果我们能获得更细腻、连续的人类情感与认知数据，那么当下许多看似难以量化的问题或许就能迎刃而解了。然而，这一路径同时引出了严峻的伦理与社会问题：我们是否应当将如此高度私密的个人数据，包括情感、记忆甚至神经活动等，纳入 AI 的训练系统之中呢？这是否会触及个体隐私和人格尊严的底线呢？在未来社会中，我们如何在推进技术发展的同时，明确界定哪些数据属于可公开、可共享的范畴，哪些又必须受到严格的保护呢？这不仅仅是技术可行性问题，更是对人类主体性的根本反思，它涉及“人与 AI 共同演化”这一重大问题。在这一演化过程中，关键在于我们如何理解“人的主体性”，以及智能系统与人类之间应当构建起怎样的关系。是否存在形成一种既不剥夺人的尊严，又不阻碍技术进步的协同机制的可能性呢？这或许是实现真正有意义的“空间智能”所必须回答的核心议题。乐 阳：AI 的确带来了一次深刻的科学范式转变，目前学界普遍将 AI 视为“第五范式”。我们可以从三个层面来阐述这一观点。首先，AI 本身正经历从语言模型向世界模型的范式扩展。语言模型固然重要，但绝非 AI 的全部。近期，学界有人提出“世界模型”的概念，强调多模态数据与时空信息的融合，正推动着 AI 向更综合的认知架构演进。在这一转变进程中，时间与空间的作用愈发关键。多源数据—无论是否呈现明显的关联时空特征—均可嵌入大模型，成为新一代 AI 范式的基础。这意味着，空间智能或时空智能不仅具备实现的可行性，还将在技术底层依赖时空关系建模。其次，第二个范式转变体现在方法论层面。AI 本质上是数据驱动的，当前语言模型以文本 token 为基本单元。然而，地理与空间数据该如何转化为 AI 能够理解的 token呢？时空数据必须经过特定的编码和 token 化处理，才能输入模型架构中进行训练。这实际上是地理信息科学在 AI 时代面临的新挑战—与 20 世纪 80 年代将数据存入计算机不同，如今是要把时空数据“喂入”AI 模型。我们需要为时空智能定制“数据粮食”，而不能直接套用语言模型的范式。最后，第三个范式涉及问题意识与价值选择。AI 不能解决所有问题，但可作为强大工具辅助人类认知。例如，在国土空间规划领域，若能整合多源时空数据（包括历史 GIS、考古 GIS 等），AI 或许能够实现更精准的模拟与预测，为我们提供未来情景的推演。但目前，学界尚未就“哪些问题值得用 AI 去解决”达成共识。作为领域研究者，我们应主动选择那些兼具科学价值与社会意义的方向，如历史人文数据的挖掘与时空重建。此外，我们必须重视 AI 应用中的人文与伦理维度。这涉及四个需要重点关注的方向：一是多源数据在 AI 框架下的融合；二是如何建模人的认知与地方感—即便同一地点，不同个体也会有不同的感知，现有的文本与图像数据已为此类研究提供了可能；三是 AI 技术的使用必须具备可解释性与可控性，在使用 AI 技术时，我们应具备解释能力并明确技术边界；四是以人为中心的技术治理与伦理约束。在未来人机共生的社会中，如何界定人与机器的关系，如何在技术应用中保障人的主体性与尊严，已然成为至关重要的问题。赵耀龙：我想通过两个亲身经历，引出对 AI 大模型时代下地理学与人文社会科学研究的若干思考。第一件与教学实践紧密相关。自ChatGPT推出以来，不少老师反映“不知该如何上课”，因为学生通过大模型可轻易获取远超课堂容量的信息。语言大模型给传统教学模式带来了强烈冲击，促使我们重新思考知识传授与课堂的价值所在。第二件事是有老师提出：“ChatGPT和DeepSeek如此强大，地理学还有存在的必要吗？地理学科还需设置吗？”这一问题虽尖锐，却直指核心—尽管 AI 可高效获取和重组既有知识，但能否真正“创造新知识”，仍存疑问。毕竟 AI 存在能力边界，更多是依赖“知识喂养”，而地理学的使命之一，正是探索未知、生成新知。今天我们的讨论聚焦到三个关键词：AI 大模型、空间综合人文社会科学，以及范式变革。李德仁等曾提出“时空智能学”，这是测绘地理信息与遥感在新时期的称谓。早在 1998 年，王家耀就曾预言测绘学未来将走向“3S”集成技术，如今这一判断已获验证。早期，地理信息科学主要通过各种技术方法去发现和获取地理信息，测绘学研究的落脚点在于通过测量技术方法绘制地（形）图。后来，时空数据挖掘概念提出，着重挖掘地理过程和现象背后的机制，并预测未来趋势。李德仁等对此进行了高度概括总结，提出“时空智能学”，实质上是将研究进一步扩展至“描述现状（过去与现在）—解释机制（为什么）—预测未来（将会怎样）”的三重框架，这与地理学强调“格局—过程—机制”的研究传统高度契合。历史 GIS 研究也试图从长时间尺度回应“时空智能”的命题。我们于 2024 年 12月发布《历史 GIS 广州共识》，对历史 GIS 进行了重新定义：它不应仅仅被理解为“GIS 在历史研究中的应用”，而应被看作对长时段地理信息的系统重建与地理过程解析。无论是当下、五百年前还是两千年前的地理信息，均属同一连续时空框架下的数据实体。这一定义突破了传统以“短期现状”为核心的地理信息范式，推动构建了跨千年尺度的“时空底座”，从而为机制挖掘与未来推演提供更坚实的支持。这方面未来的研究空间是非常大的。因为历史时期的人文、自然现象是非常丰富的，通过历史GIS 能尽可能地阐释现在和过去的地理格局与时空特征，进而在常规尺度上更好地面向未来，回答未来在更长时间尺度上“应该怎么样”或“会怎样”的问题。空间综合人文社会科学作为一个交叉领域，其核心在于将空间思维与方法引入人文与社会研究。秦昆等曾撰文综述该方向进展，并深入探讨“何为人文、何为社会科学”的范畴问题。事实上，每一门学科皆有其独特的研究范式，而“空间综合”的引入，正促使传统人文社会科学的研究范式持续演进。例如，在历史地理学领域，传统研究模式往往仰仗学者长期埋首于文献之中，开展人工梳理与解读。如今，数字人文与 AI 大模型正逐渐改变这一研究模式。它们通过文本挖掘、智能检索与大数据分析，极大地提升了文献处理的效率与信息提取的精准度。这种技术赋能，不仅优化了研究流程，更可能引发人文社会科学方法论或研究范式的转变。然而，AI 大模型存在明显的边界。人文社会科学与自然科学有所不同，自然科学中的很多规律具有特定性，而人文社会科学则富有思想性和批判性。AI 大模型虽有其边界限定，在很多的情况下，特别是在人文社会科学领域中，AI 可辅助我们完成技术性、重复性或数据密集型任务，但在思想生成、理论批判与意义阐释方面，依旧离不开人类创造性的介入。因此，在推进技术应用的同时，我们必须清醒地认识到 AI 的局限性与人文社会科学研究的不可替代性。林 珲：科学研究不仅要遵循自然法则，还要遵循社会法则。正如科学之上是哲学，而哲学之上是伦理与社会价值的考量。自然法则告诉我们“能做什么”，社会法则则指引我们“该做什么”。以原子弹为例，其研发过程虽符合自然法则，但其应用却受到社会法则的严格制约。同样，AI 的发展也必然受到社会法则的约束。物极必反，这是社会发展的基本规律。我们可以在技术上不断突破，但最终必须考虑技术应用所带来的社会影响，坚守伦理边界。否则，我们的研究又怎能彰显其真正的价值呢？工程学告诉我们“如何做”，理学为我们揭示“为什么做”，而社会学则引导我们思考“是否该做”。这正是我们今天论坛的意义所在—在积极推动技术创新的同时，始终关注其社会影响与伦理责任。苗长虹：自 20 世纪 70 年代起，人文与社会科学领域便掀起了一场深刻的“空间转向”浪潮。这一趋势广泛体现在文学、政治学、社会学等多个学科领域，充分彰显了空间思维在剖析人文社会科学问题中的重要性。在此背景下，林珲等所倡导的“空间综合人文社会科学”，可视为在空间转向基础上形成的一种新的研究范式。其核心在于，以空间作为整合的关键框架，推动跨学科的知识融合与方法论创新。当前，我们已迈入 AI 时代，时空智能作为 AI 技术的重要维度，正为空间综合研究提供新的可能与挑战。如果说人文社会科学的范式演进经历了从“空间转向”到“空间综合”的转变，那么未来可能将迈向以“时空智能为支撑的空间综合”的新阶段。然而，我们尚未完成第二阶段的任务，即真正实现人文与社会科学的深度空间整合，便已面临智能技术带来的新一轮变革。这使我们的研究任务更为艰巨，也更具迫切性。正是在这样的时代背景下，时空智能不仅仅是一种技术工具，更有可能成为推动研究范式根本性变革的强大引擎，重塑我们提出问题的视角和构建理论的思维模式。尽管挑战巨大，但这一领域无疑是一片充满无限可能的广阔蓝海，机遇与挑战并存。本文为《黄河文明与可持续发展（第二十六辑）》（黄苗长虹主编. 北京: 科学出版社, 2026. 3）一书“专论| AI 时代的空间综合人文社会科学研究新范式”，文中引文、注释删略。ISBN 978−7−03−084914−4责任编辑：杨婵娟李秉乾本书是由教育部人文社会科学重点研究基地河南大学黄河文明与可持续发展研究中心、中国地理学会黄河分会联合出版的系列集刊，每年出版两辑。本书共收录13 篇论文，汇集了众多学者的研究成果，围绕黄河学、黄河流域生态保护和高质量发展、黄河文明与文化的核心领域展开深入探讨，充分彰显了其丰富的学术内涵与深远的学术价值。其中，专论部分探讨了AI 时代的空间综合人文社会科学研究新范式，开展了前沿学术探索。本书可供历史学、地理学、考古学领域的专业人士，以及专注于黄河学、文化史、生态与环境变化等相关研究方向的学者阅读参考。
夜雨聆风
