谷歌正在搞一个行星预测引擎：PPE，能听懂人话、自己找数据、建模型、出报告的地理空间预测全自动系统

输入一句话，比如“预测某地区下季度粮食不安全风险”，PPE就能自动完成数据发现、数据整理、模型训练、出报告的全流程

把地理空间预测从数周变成了几分钟的自主任务，在公共卫生、粮食安全、疫情预测三个真实场景上都超过了对比基线

可以用于预测饥荒、追踪疫情扩散、评估洪水风险、识别贫困脆弱地区等等，这些都需要地理空间预测

当下传统做法的问题是，数据极其分散，比如人口数据在一个库，卫星图像在另一个平台，粮食价格可能在某个政府网站上，需要专业团队花好几周手动收集、清洗、拼接这些数据，还要做复杂的特征工程

现有AutoML工具虽能自动训练模型，但只会处理已经整理好的表格数据，不会自己去翻遍整个地球找数据，结果是模型还没建好，灾难已经蔓延了

PPE的目标就是你把需求用自然语言告诉它，它用几分钟把原来几周的活全干完

三阶段架构，每阶段由一个LLM编排
首先智能地空间数据选择，将自然语言查询转化为地理约束，从Data Commons、Google Earth Engine等库检索数据，必要时进行实时网络搜索

多模态数据集策展，融合结构化统计协变量与预训练地空间基础模型嵌入，PDFM用于社会人口潜在状态，AlphaEarth用于卫星影像语义，并设有严格的特征门防止目标泄漏

自动化模型构建与预测，在正则化线性模型、梯度提升树、多层感知机等多种模型中自动搜索优化，并内置过拟合防护协议

三个真实场景上
美国21项健康指标预测：76.8% R² vs专家手工60%
尼日利亚粮食安全预测：精度翻倍，66.1 vs 31.5
刚果埃博拉疫情预测：比目前最先进方法高10个百分点，5 次周预测命中15/18个新扩散地区

博客：https://research.google/blog/planetary-prediction-engine-automating-global-models-via-earth-ai/?utm_source=twitter&utm_medium=social&utm_campaign=social_post&utm_content=gr-acct

#谷歌行星预测引擎##PPE##灾难预测模型#