王家耀1,2,3, 陈琳4, 程士源1,2,3, 王利军1,2,3, 熊思奇1,2,3
1.
2.
3.
4.
摘要：
人工智能是国家科技攻关和广泛应用的重要领域，对于抢占科技制高点和提升我国战略竞争优势具有重要意义。本文在系统梳理相关文献的基础上，从人工智能的总体发展态势、技术创新、赋能应用、安全治理及未来前景等方面进行了综合分析。研究认为，人工智能将推动地图科学的数智化转型进入新的发展阶段。具体而言，人工智能与脑科学或神经科学的融合，将加速地图科学数智化基础理论研究的深化；人工智能领域在类脑智能与类脑计算方面的最新进展，为破解地图科学数智化进程中“知识工程”瓶颈问题提供了有力的技术支撑；深度学习与生成式人工智能的发展，为数智化地图制图开辟了更为广阔的应用空间。与此同时，在人工智能技术快速演进与广泛渗透的背景下，地图科学的数智化仍需坚持“以人为本”的理念，强化人与人工智能的深度融合与协同发展。这是一项具有战略性、长期性和可持续性的系统工程，已取得阶段性成果，蕴含了巨大的发展潜力。最后，本文作了简要总结，认为站在新起点上的地图科学必将迎来一个新的里程碑式的大好局面。
关键词：
作者简介
第一作者：王家耀（1936—），男，中国工程院院士，主要从事地图学理论、地理信息系统、网格地理信息服务及时空大数据理论、技术与应用研究。E-mail：wjy@henu.edu.cn
通信作者：程士源 E-mail：shiyuan.cheng@henu.edu.cn
基金项目
国家自然科学基金(U21A2014)
本文引用格式
王家耀, 陈琳, 程士源, 王利军, 熊思奇. 人工智能赋能地图科学数智化[J]. 测绘学报, 2026, 55(3): 381-389 doi:10.11947/j.AGCS.2026.20250500
WANG Jiayao, CHEN Lin, CHENG Shiyuan, WANG Lijun, XIONG Siqi. Artificial intelligence empowering the digital-intelligent transformation of cartographic science[J]. Acta Geodaetica et Cartographica Sinica, 2026, 55(3): 381-389 doi:10.11947/j.AGCS.2026.20250500
阅读全文
http://xb.chinasmp.com/article/2026/1001-1595/1001-1595-2026-03-0381.shtml
地图科学的快速发展是从现代计算机数字地图制图取代近代手工地图制图的革命性变革开始的[1]。地图学内部矛盾（封闭与开放）的对立统一，科学家思维方式的变革，理论与技术上的准备，特别是数据、大数据、时空大数据的快速发展，都成为推动地图科学数字化转型的不歇动力，为我国地图科学“数字化”到“智能化”的快速推进（20世纪90年代以来）奠定了基础[2]。20世纪80年代末到90年代中期的十余年间曾出现过地图制图专家系统的研究热潮，但由于未重视基础理论研究，这次地图制图专家系统的研究热潮在以后的十余年间就停滞了[3]。二十余年来，由于重视了基础理论研究，人工智能应用于地图科学的研究出现了好的势头，首先是理论上的提升，出版了一大批代表性学术成果，人工智能用于智能地图制图系统的关键技术及应用取得了突破性进展，推动了作为地图产品典型代表的地图集的创新发展，具有整体性、层次性、关联性和开放性等特点的地图科学学科体系日趋科学化。本文站在地图科学数智化转型的新起点上，重点探讨快速发展的人工智能如何进一步推动地图科学数智化进入新时代。
1 充分认识人工智能技术的发展趋势和前景及其对地图科学数智化的总体基础支撑
当前，人工智能（artificial intelligence，AI）正以前所未有的速度、广度与深度重塑人类的工作、学习、生产与生活方式，对全球经济社会的发展格局与人类文明的演进进程产生了深远影响，展现出极为广阔的发展前景与潜在价值[4-5]。
1.1 人工智能的总体发展态势
人工智能技术正经历范式性的演进。其主要特征体现在4个方面：①AI技术演进走向新范式。主要表现在规模可扩展（模型及其参数、高质量数据集和大规模算力集群能力）、多任务适应（大模型支持多任务及多模态能力）、能力可塑（通用大模型在专业领域的应用和推理能力的提升）等方面。②AI工程化迈向新阶段。其重点逐渐从大模型训练向应用开发落地转变，着手构建围绕大模型及其应用的工具链，加快大模型技术迭代的速度，应用工具链扩展大模型应用的广度，标志着AI工程化进入新的产业化阶段。③AI产业稳中有进。全球AI产业保持高速增长，大模型为人工智能产业高速增长提供了核心动力，生成式人工智能技术加速产业化进程，大模型拉动全球AI投融资金额上扬，AI创业企业发展持续创新。④AI安全治理紧密推进[6]。全球AI安全治理合作越来越紧密，AI安全治理前瞻研究和产业实践深度结合，安全技术应用能力明显提升，标志着全球AI治理跨入更加成熟的新阶段。
地图是人类伟大的创新思维，是人类智慧的结晶，地图学与人工智能有着不解之缘。自20世纪70~80年代计算机数字地图制图取代手工模拟地图制图以后，20世纪80~90年代就开启了地图制图专家系统研究的热潮。进入21世纪以来，随着人工智能研究的快速推进，地图科学进入了数智化转型新时代，正在走向以时空大数据密集型计算为特征的新范式，构建围绕地图制图综合大模型及其应用的自动制图“综合链”，推进地图制图产业的发展，地图制图数据的安全问题特别是国家基础地理时空大数据网络空间安全态势监控问题正日益受到重视。
1.2 人工智能的技术创新
（1）基础大模型仍在快速演进迭代。模型能力持续提升，基础语言大模型的技术能力加速演进，视觉大模型的技术能力赋能图像理解、扩散模型实现图像生成，多模态模型通过多模态理解模型中的语言大模型调度和跨模态特征对齐、多模态生成模型中的扩散模型和端到端理解与生成架构等实现交叉模态处理[7]。
（2）计算平台与模型创新紧密耦合。以大模型为代表的通用智能范式正在驱动AI计算平台升级，先进的软硬件协同技术生态体系强力支撑大模型技术的原始创新和应用迭代落地，大模型热潮进一步推动计算底座迭代升级。
（3）工具链不断完善加速大模型研发应用。大模型工具链是指一系列集成化的软件工具和平台，旨在支持大模型开发构建、训练优化、应用开发、推理和运维管理全流程，模型训练工具加速模型生产质效变革，模型推理工具提升模型部署推理功能，应用开发工具助力AI高效应用。
（4）高质量多模态数据集成为大模型能力提升的关键，多模态词元融合和实时处理成为数据预处理技术的主要发展方向，数据质量评估和模型反馈机制共同推动数据质量不断提升。人工智能的技术创新对地图科学的数智化至关重要，将进一步推进地图制图大模型及其集成应用研究，支持地图制图计算平台的升级，地图自动制图综合链将扩展完善为整个地图设计、制图的工具链，单要素自动综合质量评估进一步扩展为全要素自动综合质量评估及反馈机制并智能化。
1.3 人工智能赋能应用
（1）人工智能赋能应用的特征已经显现。专用智能应用逐渐成熟，专用小模型与行业应用场景深度融合，在图像识别、语音识别等应用方面成效显著；通用智能落地前景广阔，大模型凭借其更强大的分析、挖掘、预测和交互能力，以及对场景任务的适应性，有望带动工业技术产业实现创新性变革，未来AI应用将呈现“大小模型协同”应用发展趋势。
（2）重点行业AI应用走深向实。不同行业关注的重点各不相同。
（3）体系化推动人工智能落地应用成为引导AI技术实用化、普惠化发展的行业共识。大模型技术选型通常包括模型生态、模型部署、模型协同、模型推理算力等方面；智能体应用进一步释放大模型应用潜能，有效解决大模型“有脑无手”的问题，进一步推动大模型的高质量输出，智能体人机交互实现人类和智能体的优势互补；打造运维管理体系助力AI生产过程规范化，系统性解决模型烟囱式生产周期长、生产过程和资产管理欠缺、跨团队协作难等问题，加速大模型规模化落地步伐。人工智能赋能地图科学创新发展，已经被地图制图数字化到智能化的发展历程证明，今后地图科学数智化的长期可持续发展，也必须人工智能赋能。
1.4 人工智能安全治理
着重从“多重挑战”和“全球治理”两个方面进行分析：①AI技术在催生新产业、新模式、新动能，成为新质生产力的同时，也带来了多重挑战，包括自身安全和衍生安全风险。AI的自身安全主要是AI技术系统的安全，涉及技术系统部署所依赖的传统信息基础设施安全，以及模型、框架等AI系统特有的安全；AI的衍生安全主要是由于技术系统风险管控不当，以及技术系统被滥用、误用或遭到外部攻击造成的安全问题。②全球AI安全治理正处于“从原则走向实践”的关键阶段。国际层面，已形成治理共识，围绕安全议题的合作愈发紧密，联合国、经合组织已推动形成共识文件。我国展现新型举国体制治理优势，着重保障人工智能应用安全，积极发挥技术研究和治理协同的优势，通过发布治理框架、制定标准规范和安全技术等多种形式促进AI安全治理，积极开展负责任的技术研发与应用，从管理和技术两个维度落实自律，更加重视全流程管控，安全技术方案向一体化、定制化发展。基于测绘地理信息时空大数据的数智地图制图应该将人工智能安全治理技术、规范落地实践，保证数智地图制图长期可持续发展。
1.5 人工智能技术的未来前景
1.5.1 当前，AI处于通用智能发展初期，技术体系与产业生态正加速构建
从近期来看，人工智能的重要发展方向包括：①增强语言大模型能力仍是技术升级的重点方向之一，或将获得更多关注和资源投入；②多模态模型有望加速突破，以语言大模型为骨干的多模态模型，向原生多模态模型演变；③智能体凭借其强大的环境交互、任务执行、自我优化等能力，将进一步拓宽AI的应用场景，为AI赋能千行百业夯实基础；④具身智能为智能体赋予“身体”，使其能够与物理世界交互、探索、获取经验并改进自身行为，实现思维智能与行为智能的有机融合，成为迈向通用人工智能的重要一步。特别值得关注的是，从中远期来看，与数字芯卡不同的模拟计算、量子计算芯卡等硬件或将逐步成熟，基于此发展的类脑智能等颠覆性技术，将为人工智能的发展带来更加广阔的想象空间。
1.5.2 人工智能技术浪潮将推动更大范围的行业转型升级，助力行业迈向智能化新阶段
大模型表现出的巨大潜力，不仅将促进AI产业迎来重要拐点，还将进一步推动我国生产力和生产关系的深刻变革。就行业大模型发展而言，其演进将聚集3个核心维度：①增强行业的通用性，促进智能化普及；②提升大模型的专业稳定性与准确性，形成稳定可靠的应用模式；③增强多元化的人机交互方式，促进AI技术的广泛应用。就赋能应用场景而言，未来，大模型行业赋能的趋势将从当前提高交互能力的阶段逐步向提高业务创新和集成发展的阶段迈进，最终实现与产业深度融合，从量变到质变，为“AI+”提供新机遇，推动行业变革，迈向通用智能时代[8]。
1.5.3 人工智能安全治理迈向深水区，探索切实有效、多方共治、敏捷应对的落实成为全球共同议题
面向AI的新时代，AI安全治理不仅是抢占战略制高点和发展机遇的“关键点”，也是全球和人类需要共同应对的“必答题”。未来，AI安全治理的深化和落实更需多元协同共治。①加速完善AI安全风险识别方法，更加敏捷、精准的安全风险识别机制仍需持续探索；②不断强化风险评估与防范意识，形成切实有效、动态迭代的风险识别与应对策略；③持续加强AI安全技术治理，加强对模型算法稳健性、公平性等方面评测技术研究，强化技术治理能力；④推动开放协同的国际交流合作，开展人工智能安全治理的基础理论和共性技术研究，推动技术标准和指引的制定与应用，共同释放AI潜力，有效防范和应对治理风险。
地图科学的数智化与人工智能有着十分密切的关系，上述人工智能技术的发展必将在赋能地图科学的数智化方面发挥重要作用。
2 人工智能推动地图科学数智化转型进入新时代
2.1 人工智能与脑科学或神经科学相结合，加快地图科学数智化转型基础理论研究的前进步伐
人工智能，顾名思义，是研究、开发用于模拟、延伸和扩展人（脑）智能的理论、方法、技术及应用系统的一门新兴技术学科[9]。其目标旨在生产出一种新的能以人类智能相似的方法做出反应的智能机器（电脑）[10-11]。该领域包括智能机器人、语音识别、图像识别、自然语言处理和AI大模型等。所以，AI的研究必然要涉及脑科学或神经科学等的基础理论，以搞清楚人脑智能的基本原理和特点。
进入21世纪以来，尤其是近十年，人工智能的基础理论研究受到学术界与产业界的高度重视与持续关注，取得了显著进展并形成了一系列具有国际影响力的成果。与此同时，脑科学作为人工智能的重要交叉支撑学科，研究重点在于揭示人脑的结构、功能及运行机制，为理解智能的本质提供了关键的理论基础。近年，脑科学领域的研究成果层出不穷。中国科学院脑科学与智能技术卓越创新中心（简称“脑智中心”）的研究团队绘制出了大脑海马体的三维立体动态“交通路线图”[12]，这一成果形象地揭示了海马体复杂神经元网络在多种脑功能（如恐惧记忆、场景认知、记忆泛化、情绪焦虑与社交记忆等）中的作用机制。该研究建立了目前该领域最完整、最系统的神经连接数据集，并发表于国际顶级期刊。专家评价认为，该成果“为海马体研究提供了极具价值的工具与数据基础”，并称其为“非凡的杰作与关键性研究资源”。此外，英国剑桥大学与意大利比萨圣安娜大学合作在神经可塑性领域取得了突破性进展，其最新研究发现大脑的“身体地图”在截肢后仍保持长期稳定，推翻了传统“神经重组”理论[13]。研究显示，即使截肢多年后，初级体感皮层仍可在缺失肢体对应区域被激活，证明了大脑内部“躯体图谱”具有高度稳定性，这一结果提供了“关于大脑内置身体映射稳定性的最具决定性证据”。文献[14]也认为该研究“以清晰证据颠覆了长期以来的共识”。在脑结构可视化研究方面，文献[15]成功构建了基于形态与组学空间信息的细胞分型全脑测绘系统。该系统依托自主研发的MOST三维显微镜技术，能够对脑组织进行高分辨率的三维成像与神经元连接可视化，实现了对大脑微观结构的整体性描绘。MOST显微镜的问世标志着我国在全脑细胞测绘领域取得核心技术突破，其相关成果发表于《Science》（2010）[16]，并入选“2011年度中国科学十大进展”。总体而言，该系列研究为脑科学与神经科学提供了全新的技术手段，也为人工智能基础理论的跨学科创新奠定了重要的生物启发基础。随着脑结构、认知过程与功能机制的系统性解析不断深化，相关成果正逐步为类脑计算模型的构建与认知智能的发展提供更加坚实的科学支撑。
脑科学或神经科学领域的前述人工智能基础理论研究，为地图科学数智化转型基础理论奠定了坚实的理论基础。特别是在揭示地图空间认知过程中人脑的神经机制与功能特征方面，相关研究具有重要的启示意义。神经系统是人类肢体各种活动的“管理机构”，它通过分布在身体各部分的许多感觉器官和感觉神经获得关于环境变化的信息，经过各级中枢的分析综合，发出信号来控制各种躯体结构和内脏器官的活动，即“感知→表象→记忆→思维”[17-18]，特别是近年来，在认知与行为的计算建模领域取得了显著进展，为探索空间认知的神经计算机制提供了新的理论与方法支持[19-20]。此外，当前在大模型技术中普遍存在的瓶颈问题的突破，也可从人脑机制中获得重要启发。近期，中国科学院自动化研究所联合多家科研机构成功研发出首款全国产化类脑脉冲大模型Spiking Brain 1.0[21]，标志着我国在类脑计算与大模型融合创新领域取得了实质性突破。所谓类脑脉冲大模型，是一种受大脑结构与功能启发而设计的新型大模型构建范式，其与当前主流的Transformer架构相比，具有以下3方面特征：①类脑模型提供了一条基于神经启发的技术路线，通过模拟大脑的结构与功能实现模型架构的创新；②该模型力求体现人脑的超低功耗特性，利用脉冲信号进行信息传递，并结合类脑芯片的事件驱动机制，从而在功耗与时延方面表现出显著优势；③类脑模型的记忆机制更接近人脑的记忆方式，实现了在信息表征与学习机制上的生物启发式优化。这一突破性的研究成果对推动地图科学专用类脑大模型的构建具有重要的理论价值与启发意义，预示着地图科学在未来可通过类脑计算路径进一步实现智能化与数智化融合的深化发展。人工智能赋能地图科学数智化的总体技术体系如图1所示。
图1 人工智能赋能地图科学数智化总体技术体系
Fig. 1 Artificial intelligence empowers map science and digital intelligence overall technology
2.2 人工智能领域类脑智能和类脑计算等方向的研究进展为解决地图科学数智化“知识工程”瓶颈问题提供强有力的技术支撑
类脑智能是人工智能领域中的重要研究方向。该领域以神经科学和人类认知行为机制为基础，通过模拟大脑的神经结构与认知原理，使计算系统具备与人脑相似的感知、推理与学习能力。其核心目标在于推动机器以类脑方式实现人类具备的认知功能及其协同机制，最终达到甚至超越人类智能的水平[11]。相较于传统的机器学习方法，类脑智能研究在信息获取与处理机制上具有显著差异。传统人工智能系统通常依赖大规模人工标注的高质量样本数据，且需要消耗巨大的计算资源训练模型，同时在高级认知能力和举一反三等方面仍显不足。通过对类脑智能的深入研究，可以更好地揭示人脑在信息加工与认知形成中的神经机制与动态过程，为人工智能的高层次认知建模提供更为坚实的理论支撑。尽管类脑智能研究仍面临诸多挑战，如人脑认知机理尚未完全阐明、类脑计算模型与算法精度有待进一步提升等，但近年来该领域已取得重要进展[22-23]。
类脑计算是一种旨在使计算机具备类似人脑信息处理能力的新型计算范式，其核心思想在于模拟人脑的运行机制与认知规律，使其能够作为自然界已知的在问题求解、推理、决策、理解和学习等方面最为高效的生物进化产物。作为目前已知最复杂且高效的信息处理系统，人脑的工作原理为包括地图制图在内的多个领域的智能化研究提供了重要启示。在人工智能领域，存在许多具有挑战性的工程问题，如在计算机视觉或图像理解任务中，人们通过视觉神经系统能够快速且准确地感知外界约70%以上的信息，而现代计算机视觉系统在处理类似任务时往往需投入大量时间与计算资源，其性能与代价之间明显不匹配。因此，研究人员尝试从人类视觉神经机制中汲取经验，模拟人脑在信息编码、并行处理和能量利用方面的特点，以优化计算机系统的计算效率与智能水平。
类脑计算是类脑智能的核心技术基础，而类脑智能则是类脑计算的最终目标，两者共同致力于通过模拟人脑机制实现高效、低耗的计算机智能。
智能地图制图领域也面临着同样的问题，地图制图专家们在处理地图制图特别是地图制图综合问题时是怎样思考和行动的，能否让计算机也像地图制图专家们的大脑一样思考并指导地图制图综合的行为（制图要素的选取、化简、概括和相互关系处理），这正是类脑智能和类脑计算用于地图制图要研究的问题，因此类脑智能研究为智能地图制图的研究打开了一扇大门。
2.3 深度学习和生成式人工智能为智能化地图制图提供了广阔应用场景
深度学习是时空大数据时代机器学习发展的重要分支与新兴浪潮。机器学习通常指通过算法使计算机能够从大量历史数据中自动学习规律，从而对未知样本进行智能识别或对未来进行预测。而深度学习则特指基于深层神经网络模型的方法体系，是在统计机器学习与人工神经网络等传统算法模型的基础上，伴随当代大数据与高性能计算的迅速发展而兴起的。深度学习的核心技术特征在于其具备自动提取特征（即深度特征表示）的能力。与依赖人工设计的浅层特征相比，深度特征在表示能力、稳健性与泛化性方面均具有显著优势。深层神经网络是深度学习实现自动特征学习的基础，其本质可视为多层非线性变换的嵌套结构。借助这一机制，计算机能够依托大规模时空数据实现自主学习，从数据中抽取高层次的语义特征与规律。目前，深度学习已广泛应用于语音识别、图像识别、自然语言处理等智能感知与理解任务，在推动人工智能核心技术进步的同时，也为智能地图制图等地理信息领域的“知识工程”瓶颈问题提供了新的解决思路与技术路径。
生成式人工智能的核心在于通过模型和算法学习，发现数据（文本、图像、音频、视频等）的内在规律，并生成具有逻辑性和原创性的新内容，是人工智能领域的重要研究分支。自2022年ChatGPT发布以来，生成式人工智能得到了迅速发展，并在全球范围内引发了广泛关注与应用热潮。2025年初发布的DeepSeek模型在技术层面的突破，使其成为社会与学界热议的焦点。同时，“人工智能+”“大模型”“算力”等关键词被写入政府工作报告，表明生成式人工智能已提升至国家战略性技术的高度。从技术角度来看，生成式人工智能是深度学习向更深层次和更广泛应用的最新发展，形成了以“大数据+大模型+大算力”为核心的新型思维定式。在这种思维定式下，芯片算力成为关键支撑要素，数据规模构成核心竞争力，而模型参数规模则成为衡量技术进步的重要指标。就地图科学领域而言，生成式人工智能不仅为解决智能地图制图中的“知识工程瓶颈”提供了新思路，更在地图集总体设计、图组结构设计、图层构建、图面表达及自动化地图生成等更深层次环节展现出显著的适配性与广泛的应用潜力[24]。该技术正推动制图自动化、语义分析及空间认知表达等关键环节的技术突破，为智能制图与地理信息系统的深度融合发展提供了重要的理论基础与应用支撑[25]。因此，生成式人工智能有望推动地图科学从传统的数字化制图阶段迈向以知识生成与认知建模为核心的数智化发展新阶段。这里要指出的是，科学性和准确性是地图科学的核心，而生成式人工智能目前的固有缺陷是“概率性”生成带来的“幻觉”问题，即模型输出与真实数据或事实不符。在数智化地图制图过程中，要定期清理幻觉数据，构建安全可信的时空大数据标签体系，以提升数据的可靠性；同时，通过建立动态更新的信息源和知识库，并对数据的可信度进行标签化管理，研发专门的“幻觉”治理技术和平台，以实现幻觉数据的自动分析、深度鉴伪、虚假信息检测及传播溯源，以降低“幻觉”出现的概率，确保地图科学的科学性和准确性。
3 地图科学的数智化仍需坚持人与人工智能的密切协同
在当前人工智能技术蓬勃发展和广泛应用的形势下，如何认识和处理好人与人工智能的关系，是一个需要重视的问题。目前，对人工智能存在两种极端的观点：①认为人工智能无所不能；②认为人工智能并没有那么“高级”。这两种观点都失之偏颇。正确的认识和做法应是计算机（电脑）人工智能与人类（人脑）智能深度融合和密切协同，这是解决智能地图制图问题一剂良药。当然，这是一项十分艰巨的研究与实践课题，可以从以下3个方面来理解。
（1）这是一项长期的战略任务。人脑智能的特点是人脑思考问题的层次化和结构化知识，计算机人工智能是用模拟延伸和扩展人的智能的理论、方法、技术及应用系统，人工智能与人脑智能的深度融合既各司其职又深度融合。
（2）这是一项目前已取得系列成果且未来发展还有很大空间的战略任务。在地图科学发展史上，从来没有像今天这样，面对天空地海一体化的大规模海量多源异构和多维动态的数据流（流数据），地图的实时动态性、主题多变性、内容广泛性、载体多样化、表现形式个性化、应用泛在化、传播网络化等特征，是以往任何时期都无法比拟的。智能地图制图的未来发展还有很大的创新空间，时空大数据密集型计算将成为智能地图制图的基本特征，人工智能将成为促进解决智能地图制图领域“知识工程”瓶颈问题的关键，面向智能地图制图领域的类脑智能与类脑计算、深度学习与生成式人工智能研究将促使智能地图制图取得重大突破。
（3）这是一项经艰苦努力能够实现的战略任务。从地图科学发展演变的视角看，计算机数字地图制图技术取代传统手工地图制图技术，是地图制图技术上的一次根本性变革和里程碑式事件，这在当时不也是不敢想象而最终实现了吗？智能化地图制图综合与多尺度级联更新关键技术这个“百年国际难题”不也是在实现“四个转变”（由“主观过程→客观的科学方法”、由“定性描述→定量描述”、由“基于模型的制图综合→基于模型算法和知识的制图综合”、由“单一要素、单一过程的自动制图综合→基于自动制图‘综合链’的全要素全过程智能地图制图综合过程控制与质量评估”）的基础上得以实现了吗？所以，贵在坚持，只要坚持下去，时间会给我们一个满意的答案！近几年来，脑科学、神经科学、认知科学和人工智能技术取得了可喜进步，类脑智能与类脑计算、生成式人工智能等的研究与应用取得了可喜的成果，应该坚持跨界融合，实现计算机人工智能与人类智能的深度融合。
4 总结
地图科学是一门致力于重构非线性复杂地理世界的综合性学科[26]。作为其重要组成部分的地图制图学，既是一项极具创造性的技术性工作，也是一个高度复杂的认知与思维过程，其中逻辑思维（抽象思维）、形象思维与灵感思维交织并存。逻辑思维能够较为方便地通过模型与算法进行形式化描述，而制图过程中广泛存在的形象思维与灵感思维则往往具有模糊性与不确定性。许多情况下，即便是经验丰富的制图专家，也难以清晰解释某一制图决策为何如此处理而非彼此替代，这一特征使得制图知识的计算化表达与自动化实现面临巨大挑战。在此背景下，亟须从基础层面开展系统性研究，以探明地图制图过程中起作用的知识类型及其形成机制，明确这些知识的获取路径与组织方式，构建符合地图制图规律的演绎推理机制与控制策略。这些基础理论与方法问题的解决，依赖于长期、持续而扎实的科学探索。近年来，人工智能技术的快速发展与广泛应用，尤其是脑科学与神经科学、类脑智能与类脑计算、深度学习及生成式人工智能等前沿方向的突破，为地图科学的数智化转型提供了重要的理论启示与技术支撑。通过空间认知与行为的计算建模，可深化对人类制图认知机制的理解；基于类脑智能与类脑计算的地图知识工程，为复杂制图推理提供了新范式；生成式人工智能的引入，则为智能化地图集设计、制图与多媒体泛在传播开辟了全新的技术路径。可以预见，随着人工智能与地图科学的深度融合，地图科学正站在新的历史起点上，迈向以智能认知与自主生成能力为核心特征的数智化发展新阶段！
京公网安备 11010802031220号