Aaron Bell Amit Aides Amr Helmy Arbaaz Muslim et al

Résumé

Les données géospatiales offrent un potentiel considérable pour mieux comprendre notre planète. Toutefois, leur volume massif, leur diversité, ainsi que leurs résolutions, échelles temporelles et densités variables posent des défis majeurs pour une analyse et une interprétation approfondies. Ce papier présente Earth AI, une famille de modèles d’intelligence artificielle géospatiale et de raisonnement agencent, permettant des progrès significatifs dans notre capacité à dégager des insights nouveaux et profonds sur notre planète. Cette approche repose sur des modèles fondamentaux dans trois domaines clés — Images à l’échelle planétaire, Population et Environnement — ainsi qu’un moteur de raisonnement intelligent alimenté par Gemini. Nous présentons des benchmarks rigoureux mettant en lumière la puissance et les capacités innovantes de nos modèles fondamentaux, et nous validons que, utilisés conjointement, ils apportent une valeur complémentaire pour l’inférence géospatiale, leurs synergies permettant d’atteindre des capacités prédictives supérieures. Pour traiter des requêtes complexes et à plusieurs étapes, nous avons développé un agent alimenté par Gemini, capable de raisonner de manière intégrée sur nos différents modèles fondamentaux, ainsi que sur de vastes sources de données géospatiales et outils associés. Sur un nouveau benchmark dédié à des scénarios de crise réels, notre agent démontre sa capacité à fournir des insights critiques et opportuns, comb combler efficacement le fossé entre les données géospatiales brutes et une compréhension actionnable.