Google Earth AI 擴大 Geospatial Reasoning agent 存取，公衛預測提升 12%、解析度提高 8 倍

Google Research 於 10 月 14 日公布 Geospatial Reasoning agent 技術報告，並擴大 Ask Google Earth 的實驗性深度研究功能，以及供開發者建立自訂工作流程的 Agent-to-Agent（A2A）API 存取。該代理結合 Gemini、Earth AI 專用模型與地理工具，能先規劃多步驟分析流程，再處理大規模地圖圖層與衛星資料；回應會顯示分析計畫及資料來源，方便檢查假設或替換資料集。 可串接的模型與資料來源包括 WeatherNext、Flood Forecasting、Population Dynamics Foundation Model（PDFM）、AlphaEarth Foundations、Remote Sensing Foundations、Google Maps Platform、Google Earth Engine、Data Commons 與 Google Dataset Search。使用者也能透過 Geospatial Reasoning agent API 輸入 CSV、GeoJSON 自訂邊界或雲端資料表，將私有地點資料與 Earth AI 的全球模型及目錄結合。 該代理同時支援 Planetary Prediction Engine：使用者提供區域疾病率、農作物產量或電網停電等結果資料後，系統會選擇人口與環境訊號，訓練用於空間預測、超解析度降尺度及預測的機器學習模型。Google Research 表示，在近期公共衛生研究中，結合人口與衛星訊號後，健康結果預測較人口統計基準提升 12%，並可繪製細 8 倍的空間解析度。 技術報告以 Gemini 3.8 Flash 與 Gemini 3.1 Pro 比較四種設定：獨立運作的 LLM、搭配基本網路搜尋與地圖定位工具的 LLM、搭配 Earth AI 工具但不預先規劃的 LLM，以及每次查詢都先建立分析計畫的完整 Geospatial Reasoning agent。評測涵蓋 CBGB、UnivEARTH、GeoKTools 與 GeoExpertQueries 四項基準，其中後兩項由 Google Research 建立並釋出供研究者測試地理推理代理。 Google Research 也表示，WHO 非洲區域辦事處、People in Need、GiveDirectly、Milken Institute 與 WPP 等合作組織已測試該代理，應用情境包括疾病爆發調查、災害準備與潔淨能源篩選。