Google Earth AI, представленный ранее вместе с набором геопространственных базовых моделей, превратил свой агент геопространственных рассуждений в гораздо более мощную экспериментальную систему. Агент создан для многошагового анализа данных планетарного масштаба и для автономного обучения пользовательских прогнозных моделей.
Google делится тремя обновлениями. Новый технический отчёт представляет системные оценки по четырём бенчмаркам, включая два новых, Geo KTools и Geo Expert Queries, которые публикуются, чтобы исследователи могли тестировать собственных геопространственных агентов. Результаты количественно показывают ценность специализированных инструментов и планирования Earth AI по сравнению со стандартными LLM. Также начато тестирование с реальными партнёрами: небольшой группой организаций социального и коммерческого направления, включая Региональное бюро Всемирной организации здравоохранения (ВОЗ) для Африки, People in Need, Give Directly, Milken Institute и WPP. Они используют агента для расследования вспышек болезней, подготовки к стихийным бедствиям и скрининга проектов чистой энергетики.
Google также расширяет ранний доступ. Пользователи могут попробовать экспериментальное обновление глубокого исследования для Ask Google Earth, а разработчики могут использовать API агент-агент с примерами интеграции для Gemini. Агент связывает Gemini с базовыми моделями Earth AI, включая Weather Next, Flood Forecasting и Population Dynamics Foundation Model (PDFM), а также с Google Maps Platform, Google Earth Engine и Data Commons. Его возможности оформлены в виде модульных навыков, и перед выполнением сложных операций он составляет пошаговый план. Каждый ответ показывает этот план и использованные источники данных, чтобы эксперты могли проверить допущения.
Организации также могут загружать собственные данные в виде CSV-файлов, границ GeoJSON или облачных таблиц и объединять их с глобальными моделями Earth AI. Кроме того, агент работает в основе Planetary Prediction Engine, который принимает локальные данные о результатах, например региональные показатели заболеваемости, урожайность или отключения электросетей, и автоматически выбирает соответствующие демографические и экологические сигналы для построения прогнозов.
Источник: Google AI Blog · Сводку подготовил HeadlinesBriefing