Q1. AI 技术的发展对就业和科研方向有哪些影响？地理信息时空智能的就业方向有哪些潜在机会？
- 黄骞（华为）：目前行业内的技术迭代速度极快，尤其是 AI 领域，新技术的研发开始越来越青睐大模型技术的研发与应用。因此，无论是企业员工还是学生，都应接受系统性的 AI 培训。建议大家在就业选择时，不要局限于传统行业或岗位，而要关注 AI 与其他领域的深度融合，例如自动驾驶、虚拟现实（VR）、时空智能等。这些跨学科交叉的方向具有广阔的发展前景。此外，北大具备优越的研究环境和基础设施，同学们应当充分利用这些资源，积极探索 AI 在地理信息科学中的创新应用，并不断优化自己的思维方式，以适应未来行业发展的需求。
- 申蒙蒙（字节跳动）：从更实际的角度来看，如果想要进入 AI 领域，建议从机器学习、深度学习的基础知识入手，并结合编程实践掌握 Python、C++、TensorFlow、PyTorch 等核心技术。此外，参加开源项目，如 GitHub，或AI 竞赛，如 Kaggle、天池等，是非常有效的学习途径。这些经历不仅能提升实际操作能力，还能增强项目经验，对未来的就业竞争力至关重要。
Q2. AI时代下，如何应对「99%的程序员会被淘汰」的说法？
- 申蒙蒙（字节跳动）：以我的工作经验来看，真正容易被淘汰的并不是程序员，而是那些不愿意持续学习、缺乏核心竞争力的人。AI 赋能的时代，如果一个人既掌握 AI 技术，又具备专业领域的深厚知识，那么他的价值将不可替代。因此，建议大家以兴趣为导向，不断精进自己的专业技能，并结合 AI 提升解决实际问题的能力。事实上，那些因行业调整被裁员的人，大多是缺乏竞争力的群体。而真正热爱技术、不断提升自己的人，即便短期内遇到困境，也能很快找到新的机会，甚至实现职业晋升。
- 李浩然（微博）：AI 技术已经渗透到各行各业，但很多人尚未找到合适的切入点。我的建议是不要将 AI 视为竞争对手，而要学会利用 AI 作为高效的工具。未来，掌握基本编程技能将成为各行业的必备素养，而 AI 只是提升生产力的手段之一。对于北大学生来说，跨学科的知识体系是我们的优势，这种复合型思维模式在未来竞争中会成为核心竞争力。
- 张帆（北大遥感所）：从科研角度来看，AI 全面加速了科学研究的各个环节，从文献综述、方法论、实验，到论文撰写与发表等，影响了我们研究问题的方式和效率。然而，我们各个学科和领域目前在关心哪些比较重大的科学问题，这个不会因为AI的到来就不存在了。如何发现好的科学问题、提出有价值的研究方向，依然是人类研究者不可替代的部分。
Q3. 在计算资源有限的情况下，学生如何跟进AI发展的最新技术？未来的职业发展方向如何选择？如果回到大学时期，你们会对自己说什么？
- 张帆（北大遥感所）：在地理信息科学（GIS）和空间数据分析方向，建议大家从以下三个层次入手：
- （1）在工具层面：GIS学科本身具有工具属性。我们需要熟练掌握包括 Python、R、ArcGIS等地理信息处理的核心工具；
- （2）在思维层面：我们要在学习工具的过程中训练自己的一些思维模式，诸如对问题的抽象能力、对内容的封装和模块化能力、考虑异常情况处理能力，以便更好地应用 AI 进行建模和分析；
- （3）在意识层面：不要抗拒AI，AI 并非一个独立的行业或者领域，而是所有行业的赋能技术。拥抱AI，建议大家把 AI 作为未来工作的核心工具之一，避免被技术发展淘汰。
- 申蒙蒙（字节跳动）：作为项目负责人，我回到大学时期最想对自己说的是：「打好基础，夯实计算机网络、数据结构、算法等核心知识」。无论 AI 如何发展，其底层技术仍然依赖经典的计算机科学原理。未来求职时，能够完整讲清楚 1-2 个高质量项目，比掌握大量零散知识更有竞争力。
- 黄骞（华为）：「找到拥有算力、数据、应用优势的团队，全情投入出成果」。在企业招聘时，我们最看重的不是学历出身，而是实际知识技术能力。在大学期间，尽可能参与高质量的科研项目或开源社区项目，并产出高水平成果，如发表论文或贡献代码。未来的竞争归根结底是看「谁能拿出真正的成果，以及成果的成色」。
Q4. 随着5G、人工智能和物联网等技术的快速发展，地理信息和遥感技术如何助力华为在智慧城市和智能制造等领域的发展？在华为的愿景中，时空计算未来5-10年可能在哪些应用领域产生颠覆性影响？
- 申蒙蒙（字节跳动）：以我的工作经验来看，真正容易被淘汰的并不是程序员，而是那些不愿意持续学习、缺乏核心竞争力的人。AI 赋能的时代，如果一个人既掌握 AI 技术，又具备专业领域的深厚知识，那么他的价值将不可替代。因此，建议大家以兴趣为导向，不断精进自己的专业技能，并结合 AI 提升解决实际问题的能力。事实上，那些因行业调整被裁员的人，大多是缺乏竞争力的群体。而真正热爱技术、不断提升自己的人，即便短期内遇到困境，也能很快找到新的机会，甚至实现职业晋升。
- 李浩然（微博）：AI 技术已经渗透到各行各业，但很多人尚未找到合适的切入点。我的建议是不要将 AI 视为竞争对手，而要学会利用 AI 作为高效的工具。未来，掌握基本编程技能将成为各行业的必备素养，而 AI 只是提升生产力的手段之一。对于北大学生来说，跨学科的知识体系是我们的优势，这种复合型思维模式在未来竞争中会成为核心竞争力。
- 张帆（北大遥感所）：从科研角度来看，AI 全面加速了科学研究的各个环节，从文献综述、方法论、实验，到论文撰写与发表等，影响了我们研究问题的方式和效率。然而，我们各个学科和领域目前在关心哪些比较重大的科学问题，这个不会因为AI的到来就不存在了。如何发现好的科学问题、提出有价值的研究方向，依然是人类研究者不可替代的部分。
Q5. 豆包AI有哪些独特之处？
- 申蒙蒙（字节跳动）：豆包AI大模型相比国内其他大模型，主要有以下几个特点：
- 成本低廉：适用于工业级应用，提供高性价比的API接口，每1000个token的成本约为1分钱。
- 性能优异：2024年某项评测中，豆包AI排名第二，仅次于ChatGPT。依托字节跳动的技术体系，豆包在多模态处理方面表现出色，能够直接生成视频、音乐等内容，并具备强大的感知和分析能力。
- 知识储备广泛：在各行各业的知识积累丰富，能够支持多领域的智能应用。
Q6. 在移动社交媒体快速发展的背景下，微博积累了大量数据。如何利用大模型解读社交媒体信息中蕴含的城市或地理知识？
- 李浩然（微博）：大模型的出现极大提升了社交媒体数据的解读能力，尤其是在城市和地理信息提取方面，主要体现在以下几个方面：
- （1）大规模地理知识提取：过去，文本分析依赖于传统模型，而大模型能够从社交媒体数据中自动提取和关联地理背景知识，实现更精细化的分析。
- （2）多模态数据处理：现代社交媒体包含文本、图像、视频等多种数据形式，同时融合空间位置信息和时间信息。大模型可以对这些异构数据进行深度解析，从而获取更丰富的地理洞察。
- （3）热点选题：研究方向应紧贴社会现实，例如社会思潮、流行趋势（如「班味」热潮）等，利用社交媒体数据分析城市发展、人口流动、区域文化演变等议题。
- （4）研究方法：需要明确切入点，例如基于特定地点、轨迹或人群展开分析，并结合时间因素（如工作日与调休对比）进行深入研究，以更精准地解读社交媒体中的城市和地理信息。
- 总体来看，通过大模型的深度分析，社交媒体数据不仅能够揭示用户行为，还能为城市规划、公共管理和社会研究提供更具价值的洞察。
Q7. 从研究者的角度来看，在AI时代如何做好科研工作？未来有哪些值得关注的研究方向？
- 张帆（北大遥感所）：当前，AI技术正在深刻变革传统的地理科学研究方式，主要体现在以下几个方面：
- 一方面，在「AI for Geoscience」领域，人工智能为地理信息科学（GIS）和遥感技术提供了强大的支持，推动数据驱动方法的广泛应用，加速科研的创新与发展。尽管传统的机理研究积累了丰富的经验，但随着AI方法的成熟，传统方法的优势正受到挑战。因此，未来研究者需要思考如何将AI技术与现有研究方法有效融合，以解决学科的核心问题，推动持续升级。
- 另一方面，我们也要考虑「Geoscience for AI」，地学和空间思维也会对AI发展有支持作用。AI的进一步提升依赖于如何在AI模型中考虑这些地理学思想、空间效应等，以优化对空间数据的理解能力。
- 未来，从GIS的角度，AI研究的关键方向包括地理智能与AI融合、空间效应建模、通用知识与地学专业知识融合等。探索如何让AI系统具备更完善的「常识」、 「世界观」，与「专业知识」，将是AI能够真正助力科研创新的核心问题。
郭庆华教授提出了对同学们未来职业发展的三点建议：
- （1）结合个人兴趣，结合 AI 选择合适的择业方向。AI 正在深刻影响各行各业，但选择方向仍然应基于自身兴趣和专长，找到适合自己的发展路径。
- （2）至少掌握一门编程语言，深入理解并持续学习。AI 时代的核心竞争力离不开编程能力，深入掌握 Python、C++ 或其他编程语言，将为未来发展奠定坚实基础。
- （3）始终保持学习的态度，应对未来行业挑战。技术发展日新月异，唯有保持终身学习的习惯，不断更新知识体系，才能在未来的职业生涯中立于不败之地。
- 郭教授鼓励大家积极拥抱 AI 时代，充分发挥北大多学科的资源优势，拓展思维边界，在未来的职业生涯中不断成长与突破。
原文转自：数字生态GuoLab《讲座|「观天望地，智创未来」——AI时代地理信息及遥感专业的职业发展漫谈》
