AI-modeller
Tillbaka
Google
Google Produkt Stängd

Planetary Prediction Engine

En experimentell AI-agent från Google Research som utifrån en fråga i vanligt språk själv letar data, bygger och utvärderar en geografisk prognosmodell och skriver en rapport, på minuter i stället för veckor.

  • Agenter
  • Forskning & vetenskap
Översikt över Planetary Prediction Engines steg, från dataval till färdig rapport 1 / 4

Översikt över Planetary Prediction Engines steg, från dataval till färdig rapport [1]

Om Planetary Prediction Engine[1][3]

Planetary Prediction Engine (PPE) är ett experimentellt forskningsprojekt inom Google Earth AI. Man ställer en fråga i vanligt språk, till exempel om var en sjukdom kommer att sprida sig eller hur matsäkerheten ser ut i olika distrikt, och agenten sköter hela arbetet med att ta fram en prognosmodell: den hittar och rensar data, tar fram lämpliga variabler, tränar och utvärderar modeller och skriver till sist en rapport. Enligt Google kan det krympa veckor av manuellt arbete till minuter.

Arbetet sker i tre steg som var och en styrs av en språkmodell. Först tolkar agenten frågan, formulerar hypoteser och hämtar data från Data Commons, Google Earth Engine och vid behov myndigheters och forskares egna datakällor. Sedan slås data ihop med Googles färdiga inbäddningar för befolkning (PDFM) och satellitbilder (AlphaEarth), och ett filter tar bort variabler som skulle avslöja svaret i förväg. Till sist provar agenten olika modelltyper och har ett skydd mot överanpassning. Google anger inte vilken språkmodell som används.

I Googles tester slog PPE en manuell expertprocess på 21 amerikanska hälsoindikatorer från CDC (R² 76,8 % mot 60,0 %), förutsade matsäkerhet på distriktsnivå i Nigeria betydligt bättre än en jämförelsemetod och hittade 15 av 18 nya drabbade hälsozoner under ebolautbrottet i Kongo-Kinshasa 2026. PPE är ännu ett forskningsprojekt; Google nämner ingen allmän tillgång.

Det viktigaste[1]

  • Bygger en hel geografisk prognosmodell från en fråga i vanligt språk, inklusive datainsamling, träning, utvärdering och rapport.
  • Enligt Google: R² 76,8 % mot 60,0 % för en manuell expertprocess på 21 hälsoindikatorer från CDC.
  • Enligt Google: R² 66,1 % mot 31,5 % vid nedskalning av matsäkerhetsdata i Nigeria till distriktsnivå.
  • Under ebolautbrottet 2026 i Kongo-Kinshasa hittade den 15 av 18 nya drabbade hälsozoner, enligt Google.
  • Använder Googles inbäddningar för befolkning (PDFM) och satellitbilder (AlphaEarth).

Källor

  1. [2]
    Planetary Prediction Engine (arXiv 2608.26088) ↗
    Google Research Forskningsartikel arxiv.org
    Publicerad okänt datum Läst 25 okt 2026
  2. [3]
    GLM 5.3 Flash, Qwen 3.8 Flash Next, Minimax FastH3, Tencent Hy4: AI NEWS ↗
    AI Search Nyhetsbrev aisearch.substack.com
    Publicerad 30 aug 2026 Läst 25 okt 2026
  3. [1]
    Planetary prediction engine: Automating global models via Earth AI ↗
    Google Research Officiell sida research.google
    Publicerad 27 aug 2026 Läst 25 okt 2026

Historik

  1. 25 okt 2026
    Tillagd i listan efter AI Search (nyhetsbrev 2026-08-30). [3]

Vår bedömning

Inte bedömd än. Alla kan ändra.

Kommentarer

Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.

⌘/Ctrl + Enter

Mer från Google