ChatGPT 就像一位默默守护的天使，在关键时刻救了我的命。那是一次我陷入极度困惑和焦虑的时刻，脑海中思绪万千却不知如何梳理。而 ChatGPT 就像是一盏明灯，它用清晰而准确的语言，为我解答了一个个难题，让我逐渐从混乱中走出。它的知识储备仿佛无穷无尽，无论是专业领域的疑惑还是生活琐事的咨询，它都能给出极具价值的建议和答案。它就像是一位智者，在我最需要的时候给予我力量和指引，真的就像救了我的命一样，让我对它充满了感激之情。

本文来自微信公众号：APPSO，作者：appso，题图来自：AI生成

不开玩笑，ChatGPT 真的能救命。

最近 Reddit 上一位用户发帖称，他们朋友几人骑着 ATV（越野沙滩车）在一片未标记的森林小路迷路了 5 个小时，尝试了 Google Maps，Polaris，ATV 专用地图应用……结果都没用，因为这些地图只会显示主干道。

后来有人开始求助 ChatGPT：每隔几分钟就把 GPS 坐标发给它，结果 GPT 回复了清晰的指南针指示、道路名称和地形信息，最后顺利引导他们安全回家。

那这样看来，“导航克星”重庆的“8D 魔幻交通”是不是也有救了？

不过在此之前，我们想确认一个问题：ChatGPT 这次成功是“幸存者偏差”吗？比如评论区有不少网友质疑并提出 AI 幻觉的风险。还是说它真的能有效应用于户外导航任务？

在野外导航，AI 能比 Google Maps 更好用？劝你留个心眼

X 博主 Rohan Paul 发帖称，现在已经有很多研究证明，使用大语言模型来进行户外导航，效果甚至比传统地图还要好。

比如，今年 5 月份发表在 Translational Vision Science & Technology 上的一篇论文表明，AI 只通过“看街景照片”就能提供导航帮助。研究者展示了一个多模态的大语言模型（比如ChatGPT 4o）能够解读户外场景图片，并回答指路问题。

 https://psce.pw/7sb2k2

举个例子，当多模态大语言模型“看”到一张人行街道的照片，被问到“Metro Credit Union在哪儿”时，AI 通过识别图片中的地标和空间关系，可以准确地回答“就在你右手边”。

我们之前也用 o3 玩过 GeoGuessr 看图猜地点的游戏，在禁用提取 EXIF 的情况下，o3 仅凭借对图中细节的推理，就能实现准确的地点辨识判定。

但测评过程中也发现了幻觉问题，比如 AI 会被用户的上下文记忆等信息带跑偏。

详情请回顾：《o3 新玩法让奥特曼惊呼！包浆老照片也被 AI 精准定位，全程高能 | 附提示词》

针对 AI 识图的幻觉问题，上面的论文也指出，通过设计合适的提示词——比如让模型在不知道答案时回答“我不知道”，能减少“胡说八道”的现象。

另外，发表在 arXiv 的一项研究也指出，通过设计提示词，大语言模型在户外导航中优化多地形环境的路径规划。

整个过程是这样的：

• 首先编码语义地形成本网格（semantic terrain cost grids），比如溪流、公园、小径和村庄等场景的数据。然后再结合一些经典的路径规划算法（如 A*、RRT 或 LLM-A 算法）计算出的初始路径描述。

• 接着，LLM 会评估这些路径是否最优。如果不是，它就会建议调整坐标，或者提供更具体的替代路线，通常能提高66%到87%的效率。

• 此外，它通过输出详细的路径描述，并结合增强的提示语，避免了模型产生错误的导航信息，从而确保导航结果更可靠。

https://arxiv.org/abs/2503.01236

综合来看，的确有不少研究结果表明，通用的大语言模型可以结合视觉和语言理解，支持一些简单的户外微型导航任务，就像是告诉你该往哪个方向走。

但是，我们也能发现，现阶段的AI技术仍然依赖于大量的训练数据和先前构建的地图数据库。这意味着在一些无人区或者数据不完备的区域，AI可能无法发挥应有的作用，甚至会因为缺乏足够的“地理知识”而作出错误判断。

而且，AI系统的“幻觉”问题仍然是一个不容忽视的风险，特别是在真实世界的复杂环境下，一旦系统误判或偏离真实场景，后果可能非常严重。

所以，玩玩 GeoGuessr 还行，如果真的遇到迷路在森林里这种危险状况，若有网络的话，还是不要过度依赖和完全信任 AI。