Google 地理空間 AI 工具升級 強化地球數據分析助解環境挑戰

Google Research 近期發表一份最新的技術報告，揭示其 Earth AI 技術中的「地理空間代理人（Geospatial Reasoning agent，能理解和處理地圖、衛星影像等地理空間資訊的 AI 工具）」已大幅升級，展現出更強大的複雜空間分析與行星預測能力。這項創新結合了特定領域的基礎模型、空間工具及預先規劃，使其能有效應對傳統大型語言模型（LLMs）難以處理的地球規模數據挑戰。

Google Earth AI 早前已推出一系列地理空間基礎模型，並在實驗初期整合了 Gemini 模型驅動的代理人原型。現今，此地理空間代理人系統已更具實力，可執行多步驟的地理空間推論，分析行星規模的數據，並能自主訓練客製化的預測模型。Google 也擴大了實驗性存取管道，透過 Ask Google Earth 服務及 Agent-to-Agent (A2A) API，讓更多開發者與合作夥伴運用這些進階功能。

一般的大型語言模型及標準編碼工具，在面對龐大的地球數據和特殊的圖資、衛星格式時，往往難以進行複雜的空間分析，因為這需要多步驟的規劃。然而，這項地理空間代理人能將 Gemini 模型與 Earth AI 的多種基礎模型（如 WeatherNext、Flood Forecasting、Population Dynamics Foundation Model (PDFM)、AlphaEarth Foundations、Remote Sensing Foundations）相互連結，並結合 Google雲端平臺（Google Maps Platform）的資訊、Google Earth Engine、Data Commons 及 Google Dataset Search 等豐富數據資源。

該代理人的運作模式是，先建立一套逐步分析的計畫，在數據稀疏時選擇備用資料集，並在專屬工作區處理龐大的地圖圖層。其所有回應皆會顯示分析計畫與資料來源，以供專家審查。用戶也能透過地理空間代理人 API 上傳自有的數據集（如 CSV、GeoJSON 檔案），與 Earth AI 的全球模型和資料庫進行整合。

這項技術已在多個領域展現潛力。根據《Research.google》報導，世界衛生組織非洲區域辦事處（WHO AFRO）在 2026 年剛果民主共和國伊波拉疫情爆發時，利用此代理人分析偏遠礦區廊道，在數分鐘內識別出 48 個受暴露社區及超過 45,500 名處於風險中的民眾。該國的 Epidemic Modeling and Intelligence Unit (UMIE) 也運用 Planetary Prediction Engine 估算伊波拉傳播風險，其公共衛生研究結合人口與衛星數據後，預測健康結果的準確度較傳統人口統計基準提升了 12%，並能以高達八倍的解析度繪製疫情地圖。

在災害應變方面，國際非政府組織仁人家園（People in Need）運用代理人分析了 14 個歷史氣旋路徑，能在數分鐘內識別出高風險村莊，將過去數天的手動 GIS 作業縮短至幾分鐘。GiveDirectly 組織則藉此迅速計算熱帶氣旋 Maila 期間的風速區人口暴露情況，並評估密西西比州龍捲風造成的損失，大幅縮短危機評估時間。此外，WPP 集團利用地理空間推論結合 Population Dynamics Insights 進行更精準的地理空間行銷活動，而米爾肯研究院（Milken Institute）也篩選了超過 1,500 棟建築，評估其成為韌性中心（resilience hubs）的潛力。

這些成功案例不僅驗證了 Earth AI 技術的實用性，也凸顯了 AI 在應對全球性環境與公共衛生挑戰上的巨大潛力。台灣作為一個經常面臨自然災害衝擊的地區，無論是颱風、地震或傳染病，若能借鏡此類先進的地理空間 AI 分析工具，或許可在災害預防、應變規劃及資源分配上獲得更精準的支援。