Aaron Bell Amit Aides Amr Helmy Arbaaz Muslim et al

Abstract

Geospatial-Daten bieten ein immenses Potenzial, unser Planeten zu verstehen. Doch die enorme Menge und Vielfalt dieser Daten sowie deren unterschiedliche Auflösungen, Zeitskalen und Sparsamkeit stellen erhebliche Herausforderungen für eine umfassende Analyse und Interpretation dar. In diesem Artikel stellen wir Earth AI vor – eine Familie geospatialer KI-Modelle und agenter Schlussfolgerungskapazitäten, die einen bedeutenden Fortschritt bei der Gewinnung neuartiger und tiefergehender Erkenntnisse über unseren Planeten ermöglicht. Dieser Ansatz basiert auf Grundlagenmodellen in drei Schlüsselbereichen – planetarische Bilder, Bevölkerung und Umwelt – sowie einer intelligenten, auf Gemini basierenden Schlussfolgerungsmaschine. Wir präsentieren rigorose Benchmarks, die die Leistungsfähigkeit und neuartigen Fähigkeiten unserer Grundlagenmodelle unter Beweis stellen, und bestätigen, dass ihre Kombination ergänzenden Wert für die geospatialen Inferenzen liefert und ihre Synergien eine überlegene Vorhersagekraft ermöglichen. Um komplexe, mehrstufige Anfragen zu bewältigen, haben wir einen auf Gemini basierenden Agenten entwickelt, der gleichzeitig über unsere mehreren Grundlagenmodelle sowie große geospatialen Datensätze und Werkzeuge hinweg schlussfolgert. Auf einem neuen Benchmark mit realen Krisenszenarien zeigt unser Agent die Fähigkeit, kritische und zeitnahe Erkenntnisse zu liefern und somit effektiv die Kluft zwischen rohen geospatialen Daten und handlungsleitender Erkenntnis zu schließen.