城市史：从AGI到ASI，城市史的时空数据将如何重塑叙事？
从AGI到ASI，城市史正在经历一次从"单城个案"到"全域城市知识空间"、从"形态描述"到"时空过程推演"、从"可证可视"到"叙事重塑"的三重跃迁。这一跃迁最核心的意义是：城市史学者第一次能够把古地图、方志、报刊、档案、遥感影像、老照片、口述史等多源异构时空数据，放在统一坐标下进行长时段序列重建——城市不再只是"一街一巷"的个案描述，而是可在全域城市知识空间中定位、可计算、可反事实推演的"活的历史主体"。但城市史作为"空间形态+社会过程+历史记忆"三重叠加的学科，其最终叙事的解释权、尺度选择、史料批判与公众记忆的伦理责任始终不能让渡给机器。下面分四层说清楚。一、AGI阶段：时空数据融合已经做成成熟工作流传统城市史研究的根本局限在于：城市作为"实体史书"，其历史信息分散在文本、图像、实物、遗迹等各种载体中，"历史研究难以避免主观性，不同的历史学者对于同一史料甚至可能会产生截然相反的解读"，且"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，对整体史的探究自然会力不从心"。AGI阶段的AI正在系统性地拆掉这道墙。
🗺️ 环节一：GIS与GeoAI融合多源数据，构建城市数据库
何一民、何永之在《数字城市史及其意义浅谈》中明确了技术路径：GIS可以融合和处理文本、矢量、栅格等多元数据，构建数据库并进行地理空间模型分析；地理空间人工智能（GeoAI）能够利用人工智能技术从数量庞大的传统地图提取地图数据；还可以基于机器学习语义识别方志、文献中的空间意象或重要事件进行析出，并统计其频率、频度等特征；对于老照片，可以通过图像识别算法来识别分析其中的特定要素，如某种风格的建筑等；对于口述史，可以利用计算机算法和AI进行自动转录、切割和析出。
🏛️ 环节二：中华古城数字图谱——为2800座古城绘制"数字底本"
南京大学"中华古城数字图谱集成"工程是AGI阶段最具标志性的中国实践：
南京大学实验室负责人陈云松的话点出了这一工程的根本意义："我们为每一座老城都建起一个数字分身，每个数字分身里有它的过去模样和今日风貌"。鲁安东团队更进一步——用卫星影像直接生成三维古城模型，因为"60年代的古城样貌和清末民初时期差别不大"，这让跨越近百年的城市形态对比成为可能。
📜 环节三：历史地图的深度学习对齐与变化分析
国际学界在"全自动历史地图跨时空变化追踪"上已取得突破性进展。苏黎世联邦理工（ETH Zurich）与法国高等社会科学研究学校（EHESS）合作的研究，提出了第一个完全自动化的历史地图跨时空变化追踪框架——通过自监督密集匹配网络估计位移场实现像素级对齐，再用实例分割网络提取建筑、街区、公园等城市要素。研究者用该框架追踪了1868—1937年巴黎的城市变化，揭示了城市转型在空间和时间上的异质性。
法国Les Sables-d'Olonne的案例更具技术深度：研究者开发了注意力增强的Pix2Pix着色阶段+少样本U-Net++分割阶段的深度学习管线，实现了从1920—1971年的全色历史航拍影像、1997年数字航拍照片到2024年极高分辨率卫星数据的跨世纪城市扩展重建。色彩还原阶段达到了PSNR 35.21 dB、SSIM 0.9762的高保真度；通过少样本自适应，在历史数据上恢复了可靠的建筑足迹（mIoU 0.53—0.65）。多尺度分析揭示了受约束的各向异性扩展：沿海历史核心区早期饱和，1971年后受地理屏障驱动向内陆快速郊区化——这一"空间锁定"效应将近期开发置于易受淹没影响的后退滨海带。
🛰️ 环节四：长时序遥感+神经网络的城市变化检测
ESA的"遗产数据"项目展示了另一种技术路径：利用ERS-1/2合成孔径雷达（SAR）数据、Landsat 5 TM光学数据、Sentinel-1/2数据构成的"深时序"（deep-temporal）训练集——数百乃至数千个观测值——训练神经网络模型检测城市变化。项目在塞浦路斯利马索尔、荷兰鹿特丹、比利时列日三个超过500平方公里的城市站点上验证了模型，时间跨度超过25年。这种"多类型数据结合"（SAR+光学）的集成网络，让城市变化的长期监测第一次具备了自动化能力。
🌐 环节五：VR/AR重现历史场景，重塑公众叙事
中国人民大学"数字记忆"团队攻坚的"四维北京"项目，综合运用GIS、数字建模与VR/AR等技术，试图重现自公元前1046年以来北京城三千多年的格局演变，构建一个融合物理空间与时间维度的动态城市发展史模型。项目在城市数字重建中嵌入了五四运动、大运河修建等重大历史事件的复原场景，"使建筑遗产与其承载的历史文化紧密关联"。
北京师范大学李玉、程诚的论述为这一转向提供了理论框架：人工智能在增强历史研究"可证化"的基础上，进一步促进史学"可视化"，将收史学"重塑"之效；它不只是技术工具，更是历史学者学术对话的共同体。
二、为什么"重塑叙事"不能由AI单独完成：城市史的四重硬性约束⚠️ 约束一：数字化只是手段，不是目的
何一民、何永之的警告极为明确："数字化只是手段而不是目的，具体研究中必须以现实关怀或理论关怀来设置选题，达到历史研究的目的"。这意味着AI可以重建形态、提取要素、计算指标，但"为什么要研究这座城市、这段演变"的根本问题，必须由城市史学者基于现实关怀设定。
⚠️ 约束二：历史图像的"领域偏移"问题
Les Sables-d'Olonne研究暴露了深度学习的根本局限：分割模型在现代影像上表现强劲（mIoU 0.9789），但直接迁移到历史数据时因辐射差异出现了显著的领域偏移；只有通过少样本自适应，才能在历史时间线上恢复可靠的建筑足迹（mIoU 0.53—0.65）。这说明历史影像的AI提取本质上是"不精确的"——它提供的不是确定事实，而是待专家验证的候选。
⚠️ 约束三：算法偏见与叙事失衡风险
李玉、程诚在另一篇文章中尖锐指出：ChatGPT等大模型在回答西汉屯田等问题时，"直白地反映了西方汉学界的'帝国史范式'"。这一警示同样适用于城市史——当AI被用于生成城市演变叙事时，训练数据中的西方中心主义、现代化目的论等偏见会被规模化再生产。城市史的叙事框架不能被这种"标准答案式的客观标签"绑架。
⚠️ 约束四：史料批判不可让渡
李玉、程诚强调："历史学者应从史学'可证''可视'走向'重塑'，但'重塑'必须在史料批判的前提下进行"。AI生成的"历史场景"无论多么逼真，都必须接受史料批判的检验——"四维北京"项目中嵌入的五四运动、大运河修建等场景复原，其历史依据必须由史学研究者把关。
三、ASI推演：从"单城重建"到"全域城市知识空间"ASI（人工超级智能）尚未到来，但基于现有轨迹可以审慎推演三个方向的质变。
🌐 推演一：全域城市时空知识空间的自主构建
当前"中华古城数字图谱集成"、"四维北京"、巴黎1868—1937变化追踪等仍是单点项目。ASI若到来，有望自主融合：
由此形成的"全球城市史操作系统"，能让任何一座城市在毫秒级获得全域相似形态匹配、跨时期坐标对位、长时段演变推演。
🕸️ 推演二：长时段城市演变的反事实推演
ASI级别的模拟能力，让城市史第一次可能具备"反事实实验"的方法论能力：
Les Sables-d'Olonne研究已经揭示了"空间锁定"效应——早期城市形态约束了后期发展路径。ASI有望将这种"路径依赖"分析推到跨世纪、跨城市的尺度，让城市史学者第一次能够系统性地检验"城市形态如何塑造城市未来"。
🔮 推演三：跨城市形态演化与气候风险的全球比较
哈佛ADSABS收录的研究展示了这一方向的技术可行性：利用1970年代Hexagon间谍卫星的高分辨率全色影像，结合Mask R-CNN深度学习模型，在圣迭戈、麦迪逊、哈拉雷、海得拉巴四座全球城市中检测建筑足迹，精度达0.83—0.91，发现了美国城市350%、哈拉雷482%的城市扩展。ASI若到来，有望将这种分析推到全球数千座城市，并结合气候风险模型，构建"城市形态—气候脆弱性"的全球演化图谱。
但必须清醒：ASI给出的"最可能的城市演变版本"，本质上仍是统计推断与模拟而非历史事实。李玉、程诚的判断在ASI时代更加尖锐——"AI很可能会成为加速历史虚无主义蔓延的新工具"。
四、不可逾越的边界：城市史的四条底线⚠️ 底线一：选题的现实关怀与理论关怀不可让渡
何一民、何永之的底线极为明确："数字化只是手段而不是目的，具体研究中必须以现实关怀或理论关怀来设置选题"。无论AGI多么智能、ASI多么强大，城市史研究的根本问题意识必须由学者基于现实关怀设定。
⚠️ 底线二：史料批判与叙事框架的解释权不可让渡
李玉、程诚强调：面对AI的"帝国史范式"偏见、训练数据的西方中心主义倾向，"历史学家的作用难以取代"。城市史叙事中"何为城市性""何为中国的城市传统""城市演变的根本动力是什么"——这些根本性解释框架的选择，必须由城市史学者基于多源史料、跨学科方法综合裁定。
⚠️ 底线三：形态指标的尺度选择不可让渡
深度学习模型在历史影像上的"领域偏移"问题（mIoU从0.9789跌至0.53—0.65）表明：选择什么尺度、提取什么要素、如何校准模型，这些方法论决策不能外包给机器。中华古城数字图谱集成工程中"机器学习方法与专家判读"的结合模式，正是这一底线的实践表达。
⚠️ 底线四：公众记忆与伦理责任不可让渡
"四维北京"项目通过VR/AR技术重现历史场景，面向公众传播城市历史记忆。当AI生成的"历史北京"比真实历史更具视觉冲击力时，守护历史记忆真实性的伦理责任就完全落到了城市史学者肩上。李玉、程诚的警告值得重温："当AI不经意间用'帝国'取代'家国'时，实际上正扭曲我们对自身历史的正确认识"——这一警示在城市史领域同样有效：当AI用"城市化必然论"取代"有机生长论"时，城市历史的复杂性就被简化了。
五、未来城市史学者的画像在AGI/ASI时代，城市史学者需要具备三种复合能力：
1. 数智城市工作流的设计能力
能够运用GIS、GeoAI、深度学习、遥感、VR/AR等工具，让机器处理历史地图对齐、建筑足迹提取、形态指标计算、场景复原等机械性工作，自己聚焦于选题设置与理论关怀的明确。
2. AI偏见审计与批判性使用能力
能够识别训练数据中的西方中心主义偏见、能够对AI生成的形态指标进行史料批判、能够在多源史料冲突时做出权重判断——知道AI会再生产"现代化目的论"，且能够在具体情境中识别并纠正具体偏见。
3. 城市史核心方法的坚守能力
在叙事框架选定、史料批判、公众记忆的伦理把关等关键节点，保持学者的主体性——知道AI的"帝国史范式"是错误的，且能够在具体研究中坚守中国城市发展的主体性叙事。
回到问题的核心：AGI让城市史的时空数据融合在五个维度实现实质性跃升——GIS与GeoAI融合文本、矢量、栅格、古地图、老照片、口述史构建城市数据库；南京大学"中华古城数字图谱集成"为近3000座府县城搭建历史地理信息数字化平台，结合机器学习与专家判读计算出历史风貌保存指数；深度学习实现巴黎1868—1937历史地图的自动对齐与变化分析；ESA"深时序"遥感训练神经网络检测城市变化；"四维北京"用VR/AR重现北京三千年格局演变。ASI推演中的全域城市知识空间，则让城市史从"单城重建"走向"全域时空推演+反事实城市实验+全球城市形态与气候风险的跨文明比较"。
但重塑的是叙事能力，不是叙事权威。AI能从近3000座古城中计算历史风貌保存指数、能从1920—2024年的影像序列中提取建筑足迹、能生成北京城三千年的动态演变模型；但它不能替我们回答：这座城市的演变动力是社会变迁还是自然位置？那座古城的"历史风貌"以什么为标准界定？当AI用"帝国史范式"叙述中国城市时，我们如何在学术上予以驳正？——这些判断构成了城市史学者的学术尊严，也构成了"叙事解释权不可让渡"的不可动摇底线。
未来的城市史学者，不是被AI替代的"形态描述者"，而是"数智城市工作流的驾驭者+AI偏见输出的审计者+城市史叙事框架的选定者"。
马尔库塞的话放在这里依然有效：在算法的确定性逻辑与城市历史的开放性之间保持张力。AGI/ASI让城市史"看清"更多古城肌理、"重建"更精细的时空序列、"推演"更宏大的城市演变，但城市背后"空间如何成为历史、城市性如何在中国土壤中生长"的终极解释，最终要靠城市史学者的素养来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当AI生成的"城市叙事"比真实历史更具视觉冲击力、当西方训练数据中的"帝国史范式"被算法规模化再生产时，守护"现实关怀+史料批判+中国城市主体性"这一城市史根本方法的责任，就完全落到了人类学者肩上。
何一民、何永之的论断值得重温："数字化只是手段而不是目的，具体研究中必须以现实关怀或理论关怀来设置选题"。在AGI/ASI时代，这二十八个字，就是城市史学者不可让渡的学术使命——用最智能的工具，做最严谨的城市史，讲最真实的中国城市故事。
|
GMT+8, 2026-9-1 13:17 , Processed in 0.036343 second(s), 21 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
