عندما قمنا بإطلاق Google Earth AI، قمنا بمشاركة مجموعة من نماذج الأساس الجغرافي — التي تشمل الاستشعاع عن بعد، الطقس، هندسة المياه الناجمة عن الفيضانات، وديناميكيات السكان — بالإضافة إلى نموذج أولي يُظهر كيف يمكن للعنصر المدعوم بـ Gemini أن يربط هذه النماذج لإجابة الأسئلة المتعددة الوسائط.
منذ ذلك الحين، تطورنا روبوت التفكير الجغرافي المكاني من مفهوم مبكر إلى نظام أكثر قدرة واختبارًا، مصمم للتفكير الجغرافي المكاني متعدد الخطوات على مستوى الكوكب، ولتدريب النماذج التنبؤية المخصصة بشكل مستقل. اليوم، نشارك ثلاثة تحديثات:
- تقرير تقني جديد حول التفكير المكاني-جغرافي: نقدم تقييمات منهجية على أربعة معايير، بما في ذلك GeoKTools وGeoExpertQueries، وهما معياران جديدان قمنا بتطويرهما ونشرهما للباحثين لاختبار أجهزة التفكير المكاني-جغرافي الخاصة بهم. تُقاس نتائجنا قيمة الأدوات والتخطيط المتخصص لشركة Earth AI مقارنةً بالنماذج اللغوية الكبيرة غير المعدّلة مسبقًا.
- رؤى من اختبارات الشركاء في العالم الحقيقي: خلال الأشهر القليلة الماضية، دعونا مجموعة صغيرة من المنظمات الشريكة التي تركز على التأثير الاجتماعي والتجاري — بما في ذلك مكتب منظمة الصحة العالمية لمنطقة أفريقيا، People in Need، GiveDirectly، معهد Milken، وWPP — لاختبار العامل دعمًا لعملياتهم العملية الحقيقية، مثل التحقيق في تفشي الأمراض، والاستعداد للكوارث، وفحص الطاقة النظيفة.
- توسيع الوصول المبكر لـ Google Earth وGoogle Cloud: نحن نوسع الوصول التجريبي لكل من التحليل الجغرافي المكاني متعدد الخطوات وتوقعات الكواكب. نقدم وصولًا مبكرًا لتحديث تجريبي للبحث العميق لمشروع Ask Google Earth. كما نوفر وصولًا مبكرًا لواجهة API بين الوكلاء لالمطورين الذين يبنون عمليات عملية مخصصة، بما في ذلك وصفات للتكامل للاتصال بGemini.
ما هو الجديد في التفكير المكاني الفضائي؟
تواجه نماذج التعلم العميق عمومية والأدوات البرمجية القياسية مشاكل مكانية حقيقية في العالم الفعلي، لأن مجموعات البيانات الكوكبية هائلة، وتحتاج إلى تنسيقات خرائط وأقمار صناعية متخصصة تتطلب تخطيطًا متعدد الخطوات دقيقًا للجمع الدقيق. وللتعامل مع عمليات العمل المكانية المعقدة في الممارسة، يجمع العقل البشري الخاص بنا أربع قدرات رئيسية:
متصل بنماذج أفكار الذكاء الاصطناعي لمنظمة الأرض والبيانات على مستوى الكوكب
يقوم الوكيل بتوصيل Gemini بقدرات نماذج الأساس لـ Earth AI — بما في ذلك WeatherNext، Flood Forecasting، Population Dynamics Foundation Model (PDFM)، AlphaEarth Foundations، و Remote Sensing Foundations — بالإضافة إلى المعلومات من Google Maps Platform (مثل معلومات الأماكن، التوجيه، جودة الهواء، وإمكانات الطاقة الشمسية على الأسطح)، Google Earth Engine، Data Commons، و Google Dataset Search.
مهارات متعددة الوحدات، تخطيط مسبق، وبيئة عمل مكانية متخصصة
تم تضمين قدرات الذكاء الاصطناعي للأرض كمهارات منطقية، ويتم استدعاؤها من قبلالذكاء الاصطناعي فقط عند الحاجة إلى إجابة من المستخدم. قبل تنفيذ عمليات معقدة، يقوم الذكاء الاصطناعي ببناء خطة تحليلية خطوة بخطوة، ويختار مجموعات البيانات البديلة المناسبة عندما يكون التغطية المحلية نادرًا، ويقوم بمعالجة طبقات الخريطة الكبيرة في مساحة عمل متخصصة. يساعد هذا النهج في تجنب إزعاج سياق الذكاء الاصطناعي بكميات كبيرة من البيانات المكانية، مع الحفاظ على دقة وملاحظة أصل البيانات. تُظهر كل رد من الردود خطة الوكيل ومصادر البيانات المستخدمة، حتى يمكن للخبراء التحقق من الافتراضات أو استبدال مجموعات البيانات.
خذ بياناتك الخاصة
تعتمد المنظمات نادرًا على البيانات العامة وحدها. يمكن للمستخدمين الآن إدخال مجموعات البيانات الخاصة بهم من خلال واجهة برمجة التطبيقات لروبوت الأرصاد الجغرافية، سواء في جداول CSV، أو حدود الخرائط المخصصة (GeoJSON)، أو جداول السحاب. بعد ذلك، يمكن للمستخدمين طلب من الروبوت أن يربط المواقع الخاصة بهم مع النماذج والقوائم العالمية التابعة لـ Earth AI.
من التفكير متعدد الخطوات إلى التنبؤ الذاتي للكواكب
بالإضافة إلى الإجابة على الأسئلة التحليلية المعقدة، يدعم الوكيل أيضًا محرك التنبؤ البيئي الذي تم الإعلان عنه مؤخرًا Planetary Prediction Engine. عندما يقدم المستخدم بيانات النتائج المحلية، مثل معدلات الأمراض الإقليمية، أو إنتاج المحاصيل، أو انقطاع الخطوط الكهربائية، يقوم الوكيل تلقائيًا بتحديد الإشارات المتعلقة بالسكان والبيئة، ويستخدم Population Dynamics Insights وبيانات Satellite Embedding dataset السنوية (منتجات جوجل مبنية على PDFM وAlphaEarth Foundations)، ويقوم بتدريب نماذج تعلم الآلة المؤكدة لتوقعات مكانية وتقليل الدقة الفائقة والتنبؤ. في أبحاثنا الخاصة بالصحة العامة التي تم الإعلان عنها مؤخرًا، فإن دمج هذه الإشارات السكانية والقمرية قد حسن التنبؤات المتعلقة بالصحة بنسبة 12% مقارنة بالمعايير الديموغرافية الأساسية، وسمح بإعداد خرائط بمقياس مكاني أدق بـ 8 أضعاف.
جهاز التفكير الجغرافيي المكاني لدينا يستجيب لسؤال المستخدم من خلال تخطيط عملية متعددة الخطوات أولاً، ثم اختيار أدوات الذكاء الاصطناعي الرئيسية للأرض، مجموعات البيانات والنماذج التي تتعلق بالاستفسار، وأخيرًا تنفيذ كل مرحلة من الخطة في مساحة عمل خارج نافذة السياق. يتم تقديم الإجابة من خلال تضمين قدرات متعددة للذكاء الاصطناعي للأرض في تقرير نصي، جدولي، وعلى شكل خريطة.
تقييم عامل الاستدلال المكاني الجغرافي
لقياس تأثير الأدوات المتخصصة في المجال والمخططات المسبقة على التفكير المكاني البيني، نحن تقرير تقني يقارن أربعة تكوينات للأجهزة بين Gemini 3.8 Flash وGemini 3.1 Pro: (1) نموذج LLM مستقل، (2) نموذج LLM مع الأساسيات بحث ويب و معالم الأساس الأدوات، (3) نموذج LLM مع أدوات Earth AI (مثل Remote Sensing Foundations وWeatherNext 3) لكن بدون تخطيط مسبق، و(4) الوكيل الكامل للتحليل المكاني الجغرافي الذي يبدأ كل استفسار بمرحلة تخطيط مخصصة يفكر في القدرات المتاحة لتقييم ما يمكنه وفعله وما لا يمكنه، ويحدد مراحل الاسترجاع والمعالجة اللازمة للوصول إلى إجابة.
نقيم أربع تكوينات للعاملات، بدءًا من نموذج جيميني الأساسي، حتى العوامل التي تم تعزيزها تدريجيًا بمهارات وآليات تنظيمية مُحسّنة لتحليل المكان والزمان.
تشمل التقييم أربعة معايير، تضم تحليلًا مفتوحًا على المزيد على مستوى الخبراء، تنظيم أدوات متعددة، ومشكلات جغرافية مكانية تم تطويرها من قبل المجتمع وتحتاج إلى إجابات حتمية. CBGB وUnivEARTH هما معايير طرحت خارجيًا لتجربة إنتاج الكود الجغرافي المكاني والإجابة على الأسئلة على التوالي. لاختبار الوكلاء في مهام صعبة تتجاوز سؤال أو حالة استخدام واحد، طورنا معايير جديدة. GeoExpertQueries يقدم استفسارات معقدة من العالم الحقيقي مكتوبة من قبل خبراء، وتحتوي على عمليات عملية ذهبية تلتقط أفضل الممارسات في التحليل في مجالات مثل مرونة الأزمات واختيار المواقع والصحة العامة. GeoKTools يحتوي على استفسارات مصممة مسبقًا مع إجابات يمكن التحقق منها، وكل منها يتطلب اختيار واستخدام أداة جغرافية مكانية مختلفة من 1 إلى 4. معًا، توفر هذه المجموعة تغطية أوسع بكثير من التقييمات السابقة للأنظمة المعتمدة على التفكير الجغرافي المكاني. لتسريع البحث والتطوير للوكلاء الجغرافي المكاني، أطلقنا النسخة الكاملة من تطوير كلا المعايير الجديدة.
أمثلة الاستعلامات من اختباراتنا الجديدة لGeoKTools (اليسار) وGeoExpertQueries (اليمين). يقوم GeoKTools باختبار قدرة العميل على اختيار واستخدام أدوات ومجموعات البيانات الجغرافية المحددة، بينما يقوم GeoExpertQueries بتقييم القدرات المنطقية في عمليات العمل المتعددة الخطوات والذات النهاية المفتوحة.
النتائج والاستنتاجات الرئيسية
تبرز نقطتان رئيسيتان من تقييمنا: أولاً، المهارات المتخصصة في المجال تُعد ضرورية للتفكير المكاني. الشخصية الذكية التي تمتلك أدوات أساسية فقط (بحث الويب، تأسيس الخرائط، وتنفيذ الكود) تواجه صعوبات في المهام المكانية الكمية. وإن تزويد الشخصية بالمهارات الخاصة بـ Earth AI يُسهم في تحقيق قفزة كبيرة على مستوى GeoExpertQueries وGeoKTools وCBGB. الاستثناء الوحيد هو UnivEARTH، حيث يحصل النموذج اللغوي الذكي المستقل على نسبة 93.6%، وربما يكون ذلك لأن مقالات وإجابات ناسا متاحة على الويب العام.
ثانيًا، التخطيط المسبق يفتح طرق عمل مفتوحة وواقعية. بينما تكفي مهارات الذكاء الاصطناعي للأرض وحدها لأداء مهام أضيق نطاقًا مثل تلك في CBGB وGeoKTools، فإن معالجة المشكلات غير المحدودة في GeoExpertQueries تتطلب تخطيطًا مسبقًا لضمان بقاء الذكاء الاصطناعي على المسار الصحيح خلال التحليلات المتعددة الخطوات، ولكي لا يقوم بافتراضات غير موثوقة أو يسلك طرقًا سريعة مثل استخدام البحث عبر الإنترنت بدلاً من الأدوات المكانية.
توضح الجدول أدناه النتائج على جميع المعايير الأربعة باستخدام Gemini 3.8 Flash:
النتائج تتراوح بين 0 و100، ويتم تحليلها بمتوسط ثلاث جولات. كل معيار يتم تقييمه بشكل مختلف، لذا قارن بين العمليات داخل صف واحد، وليس بين صفوف مختلفة.
ناقش التقرير التقني أيضًا القيود. تأتي درجات GeoExpertQueries من مُقيّم، حيث يقارن أداء الوكيل مع عمليات الخبراء التي تحدد الخطوات التي يجب أن يتخذها التحليل، وليس الإجابة النهائية الصحيحة. لذلك، نعتبر نتائج الوكيل مجرد مسودة أولية قوية يمكن للخبراء مراجعتها وتطويرها عليها، وليست إجابة نهائية.
ذكاء الأرض في العمل: اختبارات مبكرة مع الشركاء
لتقييم كيفية تطبيق هذا البحث على التحديات الواقعية، أعطينا مجموعة صغيرة من الشركاء فرصة مبكرة لاختبار العامل التجريبي على أصعب مشاكلهم. في مجالات الصحة العامة واستجابة الكوارث وتخطيط البنية التحتية، فيما يلي نظرة عامة حول كيفية تطبيق الذكاء الاصطناعي للأرض في الممارسة العملية:
- منظمة الصحة العالمية (منظمة الصحة للدول الأفريقية) وبرنامج التغذية والتنمية في جمهورية الكونغو الديمقراطيةفي بداية تفشي فيروس الإيبولا في جمهورية الكونغو الديمقراطية عام 2026، يوجد مركز الاستعداد للطوارئ والاستجابة التابع لمنظمة الصحة العالمية في داكار. استخدمت عامل التفكير المكاني الطبيعي لرسم مسارات التعدين البعيدة حيث مخاطر التعرض وحركة البشر عالية، من خلال مقارنة فقدان الغابات (من الصور الأقمارية)، مواقع التعدين (من الخرائط والبيانات الإلكترونية)، وأرقام السكان. في دقائق، حدد الفريق 48 مستوطنة معرضة للخطر ووجد أكثر من 45,500 شخص في خطر — وهي عملية كانت ستستغرق أسابيع عادةً. هذا سمح للمتطوعين المحليين بتوزيع مختبرات متنقلة بشكل استباقي وتنسيق المراقبة على الحدود. في الوقت نفسه، وحدة نمذجة الأوبئة والاستخبارات في جمهورية الكونغو الديمقراطية (UMIE) المعهد الوطني للأبحاث الطبية البيولوجية استخدمت (INRB) محرك التنبؤ الكوكبي لتقدير مخاطر انتشار فيروس الإيبولا إلى المناطق غير المصابة. من خلال دمج تدفقات الحركة مع اتجاهات الحالات التاريخية ونماذج الذكاء الاصطناعي للأرض وبيانات الأنظمة، توفر هذه النتائج الأسبوعية للمنسقين وقت تخطيط حاسم قبل وصول الحالات.
- “السكان المتنقلون مثل عمال المناجم يتحركون بسرعة أكبر من التي يمكن لمراقبة الورق التقليدية تتبعها، مما يخلق فراغات خطيرة. تقوم الذكاء الاصطناعي الأرضية بتعويض هذه الفجوات بإشارات الأقمار الصناعية والحركة—مما يغيرنا من رد الفعل على فيروس إلى التنبؤ بنشاط بمكانه القادم.” الدكتور إتيان كوا، مدير مجاله البرنامج ومسؤول تنسيق محور منظمة الصحة العالمية للاستعداد والاستجابة للطوارئ في أفريقيا (شاهد الفيديو)
- الأشخاص المحتاجون: ساعد التفكير المكاني البيئي في دمج توقعات الكوارث الطبيعية مع معلومات السكان والصور، مما حول تركيز المحللين من معالجة البيانات إلى تقديم رؤى:
- “أدى عامل التفكير الجغرافي التجريبي إلى مساعدتنا في تحليل 14 مسارًا تاريخيًا للأعاصير، وتمكيننا من تحديد القرى المعرضة للخطر الشديد في دقائق بدلاً من أيام من العمل اليدوي في نظام المعلومات الجغرافية، مما حوّل البيانات المعقدة إلى رؤى فورية، ووفر وقتًا حاسمًا للإجراءات الوقائية التي تحمي الحياة.” ألونسو غونزاليس，منسق نظام المعلومات الجغرافية والاستشعار عن بعد
- GiveDirectly: قامت الفرق برفع حدود الخرائط المخصصة لتحضير حسابات سريعة لعدد السكان حسب مناطق سرعة الرياح أثناء الإعصار الاستوائي “ميلا”، ولقياس أضرار الأعاصير في ميسيسيبي، مما يقلل من وقت تحديد الأزمة من أيام إلى دقائق داخل منطقة العمل الواحدة.
- WPP: استخدموا التفكير المكاني الجغرافي للربط بين أفكار ديناميكيات السكان والبيانات الخاصة بهم. دراسة الحالة الخاصة بهم توضح كيف ساعدت أفكار Earth AI في تحسين أداء حملات التسويق المكاني الجغرافي، مع الحفاظ على خصوصية البيانات.
- معهد ميلكن: استخدمت فرق ما قبل التطوير العنصر لدمج قوائمها الخاصة التي تحتوي على أكثر من 1,500 مبنى مرشح، مع واجهة برمجة التطبيقات الخاصة بمنصة خرائط جوجل الخاصة بالطاقة الشمسية وبيانات التعداد السكاني، من أجل تقييم المواقع لتصميم مراكز للمرونة المجتمعية، مع الأخذ في الاعتبار إمكانيات الطاقة الشمسية على الأسطح، بيانات الحركة، مراكز النقل القريبة، المخاطر المناخية، وشروط الأهلية للمناطق الاستثمارية الفيدرالية.
الاختبارات المبكرة مع هؤلاء الشركاء ساعدتنا في تقييم وتطوير مهارات العميل في مجال التصور الجغرافي، مما دفعنا إلى إضافة خاصية توجيه شبكة الطرق، ودعم مجموعات البيانات الكبيرة التي يرفعها المستخدمون، بالإضافة إلى اكتشاف مصادر البيانات المحلية الموثوقة بشكل أفضل.
توسيع الوصول المبكر: المكان الذي تقدم فيه طلبًا للاختباره
اليوم، نحن نوسع الوصول إلى قدرات أبحاث الذكاء الاصطناعي على كوكب الأرض لجمع المزيد من التعليقات حول هذه القدرات التجريبية للتفكير الجغرافي المكاني. نحن نوفر هذه القدرات لمجموعة محدودة من المستخدمين الأوائل:
- اسأل جوجل أرتد: افتح نظرة أولية لقدرات التحليل العميقة مباشرة داخل جوجل أرتد. يوفر ذلك تجربة دردشة تفاعلية حيث يمكنك طرح أسئلة مكانية معقدة باللغة الطبيعية، وتحليل البيانات — بما في ذلك بياناتك الخاصة — في مشاريع جوجل أرتد، واستكشاف النتائج المرئية مباشرة على الخريطة.
- واجهة برمجة أجهزة عامل التفكير المكاني الجغرافي: لفرق المطورين الذين يرغبون في تكامل قابل للتخصيص يمكنهم تنفيذه بأنفسهم لتعزيز العمليات العملية المخصصة، نقدم خدمة تجريبية بدون واجهة مركزية من عامل إلى عامل (A2A). يمكن للشركاء الأوائل ربط عامل التفكير المكاني الجغرافي بالعوامل والأنابيب البيانات المخصصة الخاصة بهم. نقدم وصفات تطويرية خطوة بخطوة لفرق المطورين الذين يرغبون في ربط الخدمة ببيئتهم للمساعدة التجارية من Gemini.
تتوفر قدرات محرك التنبؤ الكوكبي لدينا أيضًا للمراجعة المبكرة – ويمكن الوصول إليها من خلال واجهة تفاعلية لتصميم سريع باللغة البسيطة، أو من خلال واجهة API العملية لتصاميم عمليات مخصصة.
لإظهار اهتمامك بالحصول على إمكانية استخدام هذه القدرات البحثية، يرجى تعبئة نموذج الاهتمام الخاص بنا. ولكي تكون من أوائل من يختبر مشاريع المرحلة المبكرة لدينا، يمكنك أيضًا التسجيل في صندوق الوصول المبكر.