HeadlinesBriefing HeadlinesBriefing.com

Earth AI: Agen Geospasial untuk Tantangan Planet

Google AI Blog •
×

Google Earth AI, yang sebelumnya diperkenalkan bersama serangkaian model fondasi geospasial, telah mengembangkan agen Penalaran Geospasialnya menjadi sistem eksperimental yang jauh lebih mumpuni. Agen ini dibangun untuk penalaran multi-langkah di seluruh data berskala planet dan untuk melatih model prediktif khusus secara otonom.

Google membagikan tiga pembaruan. Laporan teknis baru menyajikan evaluasi sistematis pada empat benchmark, termasuk dua benchmark baru, Geo KTools dan Geo Expert Queries, yang dirilis agar para peneliti dapat menguji agen geospasial mereka sendiri. Hasilnya mengukur nilai alat khusus dan perencanaan Earth AI dibandingkan LLM siap pakai. Pengujian dengan mitra dunia nyata juga telah dimulai, melibatkan sekelompok kecil organisasi berdampak sosial dan komersial, termasuk Kantor Regional Organisasi Kesehatan Dunia (WHO) untuk Afrika, People in Need, Give Directly, Milken Institute, dan WPP, yang menggunakan agen ini untuk investigasi wabah penyakit, kesiapsiagaan bencana, dan penyaringan proyek energi bersih.

Google juga memperluas akses awal. Pengguna dapat mencoba pembaruan eksperimental deep research untuk Ask Google Earth, dan pengembang dapat menggunakan API agen-ke-agen dengan resep integrasi untuk Gemini. Agen ini menghubungkan Gemini dengan model fondasi Earth AI, termasuk Weather Next, Flood Forecasting, dan Population Dynamics Foundation Model (PDFM), serta Google Maps Platform, Google Earth Engine, dan Data Commons. Kemampuannya dikemas sebagai keterampilan modular, dan agen ini menyusun rencana langkah demi langkah sebelum menjalankan operasi yang kompleks. Setiap respons menampilkan rencana tersebut dan sumber data yang digunakan, sehingga para ahli dapat memverifikasi asumsi.

Organisasi juga dapat membawa data mereka sendiri dalam bentuk file CSV, batas GeoJSON, atau tabel cloud, lalu menggabungkannya dengan model global Earth AI. Agen ini juga menggerakkan Planetary Prediction Engine, yang menerima data hasil lokal seperti tingkat penyakit regional, hasil panen, atau gangguan jaringan listrik, dan secara otomatis memilih sinyal populasi serta lingkungan yang relevan untuk menghasilkan prediksi.

Sumber: Google AI Blog · Diringkas oleh HeadlinesBriefing