人工智能经过近半个世纪的曲折发展，现已取得重大突破，成为推动社会变革与学术创新的重要力量，引起学术界的广泛关注，历史学界也不例外。作为历史学的重要分支，近30年来，历史地理学通过对CHGIS为代表的技术手段的利用得到快速发展。进入人工智能时代，面对新的技术迭代与更新，如何抓住机遇，应对挑战，是每一个历史地理学者必须面对的问题。
“技术”赋能 补齐“人工”短板
利用人工智能，发挥其强大的算力与数据支持，可以在很大程度上弥补“人力”的不足，为历史地理学研究带来新的可能。
第一，提高收集、整理文献的效率。历史地理学的研究对象既然是过去的地理环境，则只能主要依靠相关史料展开研究，而一项具有创新性的研究必然是在已有研究基础上推进的。因此，广泛收集、整理、考订史料，全面掌握研究现状和系统梳理学术史，是任何一项历史地理学研究必不可少的工作，会耗费研究者大量的时间。当下的人工智能技术，能够以人力难以企及的速度收集、整理、解读公开的、电子化的史料和已有的相关研究，可以为研究者节省不少时间，提高研究效率。
第二，突破“国际化”发展的瓶颈。长期以来，中国历史地理学者参与国际学术交流不多，以外文发表的成果相当少见，语言壁垒是造成这一现象的主要原因之一。当下，不少人工智能软件可以较好地处理人类不同语言间的转换，在一定程度上消解了这种壁垒。2025年7月14—18日，第十八届国际历史地理学家大会在复旦大学召开，借助人工智能，首创“中英双语并列为会议官方语言”的新模式，取得良好效果。可以预见，随着人工智能的发展，历史地理学将会呈现日益明显的“国际化”发展趋势。
第三，破解多语种史料利用的障碍。历史地理研究的首要任务是“复原”过去的地理环境。记述过去地理环境的语言和文字是否被研究者充分利用，这在很大程度上决定了“复原”的达成度。但遗憾的是，绝大多数学者很难做到对多语种历史文献无障碍识读与利用。尽管当下的人工智能对不同语种历史文献的识别还处于初步实践阶段，但国内外的一些典例，如陕西师范大学张光伟团队在多个前沿神经网络模型测试基础上开发了专门的西夏字识别模型，实现了94%以上的识别准确率，表明人工智能的发展可以降低利用多语种史料开展历史地理学研究的门槛。
第四，提高研究的精度。长期以来，受文献性质和数量限制，历史地理学的研究和表达以定性和描述为主，研究精度普遍不高。正如葛剑雄在20年前所指出的那样，历史地理学“要提高研究精度只能寄希望于现代科学技术的进步，只能进行多学科的、交叉的、综合性的努力”，人工智能模拟历史学者的工作，对海量文献以较高的准确率进行归类，从而支持后续的大样本量化分析。如复旦大学李爽等学者通过多源数据集成利用对近代上海城市扩张时空过程的分析，为长时间序列的精细化构建提供了参考。
第五，推进历史区域地理研究。历史部门地理学与历史区域地理学的区别不在“区域”本身，而在于对区域进行研究的方式不同。前者是分要素研究，后者则是综合各要素的研究。一般的研究过程是先分析后综合，分析的目的是达到最后的高度综合。但是，进行分要素研究后不一定可以直接达到最后的高度综合，即使是被誉为“我国区域历史地理研究的一部力作”的《黄淮海平原历史地理》，主要还是分要素呈现黄淮海区域地理环境的历史变化。这是因为“传统研究模式大多使用举例法、归纳法与演绎法，难以全面解读复杂的历史现象”，对整体史的探究，以及书写真正的历史区域地理，自然力不从心。利用人工智能调用数字化史料“常常会构成意想不到的联系，有可能呈现未被发现的更复杂、隐秘的历史联系”，利用多模态技术“可以实现从微观到中观、再到宏观的深入解读与辨识，以及从局部到总体的全面分析”，为开展真正意义上的历史区域地理研究提供了可能。
“人工”主导 避免“技术”陷阱
技术有两面性，“人工”主导，不被技术左右，走向“智能”的历史地理学才会拥有更为光明的前景。为此，我们在热情拥抱新技术的同时，对其漏洞与不足须保持清醒。
第一，人工智能存在信息盲区。人工智能只能处理已数字化的信息，未被整理、“上网”的档案资料、民间文献等是人工智能的知识盲区。过度依赖人工智能，必然会遗漏大量未公开、未数字化的文献，文献不足或片面必然影响研究的质量。利用生成式人工智能撰写的文献综述，不进行人工的补充与校正，会造成系统的学术史缺失，从而大大降低研究的“问题意识”。
第二，人工智能不具备真正的学术判断力。人工智能虽具有强大的信息收集和整合能力，但无力判断和甄别信息的真假，也不具有区分一手史料和二手文献的能力，往往会将史料与已有研究得出的认识混同。研究者利用人工智能进行文献检索与整理，若不进行多方面的辨别与验证，用不真实、不准确的文献自然不可能得出真实可靠的结论。人工智能目前在通用性翻译方面表现突出，但在学术性翻译方面，若其“知识库”存在空白，则很容易产生张冠李戴、生拉硬扯式的错误。如果研究者过度依赖人工智能，直接引用它们翻译的东西，令人啼笑皆非的“门修斯”“常凯申”现象将会层出不穷。
第三，人工智能存在数据偏见。人工智能不加分辨地接受其“学习”的材料，很有可能将材料中“偏颇的立场和不当的价值继承下来，再以相对隐蔽的形式输出为结论”。如果研究者对此不加注意，进行必要的回溯和纠正，却在其偏见的基础上开展研究，必然会离题万里，产生离谱、失真的结论。此外，研究者须认识到人工智能具有意识形态属性，其数据背后普遍存在意识形态问题。“以ChatGPT为例，它的学习数据主要为英语材料和表达西方意识形态的材料”，其生成的结论会有明显的意识形态倾向。如果研究者对此不察，将难以秉持价值“中立”的学术立场，当然也就不会实现其寻得历史“真实”的学术追求。
人机协作 凝练新思想
人工智能不具有自主意识，不会独立思考，是需要人工“投喂”的机器。它可以启发人的思维，但并不产生新思想；它可以迅速、高效地搬运知识，但并不创造新知识。作为“思想者”的人和作为“机器”的人工智能，各有所长。积极利用人工智能，把研究者从繁重的体力劳动中解放出来，让他把主要精力用于更具思维挑战性的“思想”活动，在人机协作中实现研究的创新，是人工智能时代的历史地理学者应持有的基本态度。
人工智能所使用的主要是开源的数字化史料，这意味着“投喂”给人工智能的史料数量和规模，取决于史料共享化、数字化工作的进度。走进档案馆、走向田野，收集大量的档案资料、口述史料和民间文献，在扩充史料，增加对人工智能“投喂”量的同时，研究者还会在探寻资料过程中形成初步的“问题意识”，再通过人工智能对史料的快速处理和相互关联，很可能形成更具有创新性和挑战性的研究议题。由此可见，人工智能时代的历史地理学研究，仍需研究者“上穷碧落下黄泉，动手动脚找东西”的实践本领与转化能力；扩充史料并数字化，既是进行人机协作的重要内容，也是开展深度人机协作的重要条件。
历史地理学最基本的研究方法是历史学的考证和地理学的田野考察，并将二者有机结合。无论是考辨历史文献，还是开展田野考察，抑或文献与田野互证，人工智能目前还替代不了人。从这个意义上讲，在人工智能时代要想更好地开展历史地理学研究，不仅不能抛弃历史地理学最基本的看家本领，而且还须进一步强化对历史地理学基本功的训练。优秀的历史地理学者，可以凭借良好的历史地理学基本素养，判断、辨识人工智能“幻觉”现象，进而纠偏和校正，既提高研究的效率，又保证研究的质量。
因为历史地理学的交叉学科属性，研治历史地理学的门槛相对较高，研究者至少需要掌握历史学和地理学这两大学科的基本理论、方法和知识，但这些基本上都属于“知识”范畴，多数可以被人工智能替代。“人工智能工具可以为我们的智力活动提供支持，但其产出质量直接取决于我们能否提出具有洞察力的问题”，在人工智能时代，衡量一个学者水平的高低，已不是其掌握知识的丰富程度，而是实现思维跃升的能力。人工智能时代的历史地理学者，需要强化思维的锻造。只有在人机交互的过程中对人工智能提出高质量的问题，持续激发大模型的智慧潜力，在人工调控下形成新的问题意识，才可能产出具有更大学术价值和现实关怀的研究成果。
总之，正确认识和利用人工智能可以提高学术研究的效率，有效的人机互动可以提升人的思维高度。人工智能时代，一般的知识搬运性学术工作将失去其存在的价值，这对学术的创新程度、价值追寻、情感体验等提出了更高要求。坚持学者主体地位，技术赋能学术研究，历史地理学将会获得更大发展。
（作者系云南师范大学历史学院教授）