Earth AI: Google afirma que el seu agent planifica abans d'analitzar

El que presenta Google

Google va anunciar el 14 d'octubre que amplia l'accés experimental a Geospatial Reasoning, l'agent d'Earth AI. Segons el seu propi blog, Google és una filial íntegra d'Alphabet, la societat que la va substituir com a empresa cotitzada en borsa.

Segons Google, l'accés s'obre a un grup limitat d'usuaris per dues vies. Una és una funció d'anàlisi en profunditat dins d'Ask Google Earth, un xat on es fan preguntes espacials complexes en llenguatge natural, s'analitzen dades —també les pròpies— i es veuen els resultats sobre el mapa. L'altra és un servei experimental Agent-to-Agent per a equips de desenvolupament que vulguin connectar l'agent als seus propis agents i fluxos de dades. Per sol·licitar-lo cal emplenar un formulari d'interès.

L'agent planifica abans d'executar, segons Google

Segons Google, els models de llenguatge generalistes ensopeguen amb els problemes espacials reals perquè les dades del planeta són enormes i arriben en formats especialitzats de mapes i satèl·lit. El seu agent respon en tres temps: primer planifica un flux de treball de diversos passos, després tria les eines, les dades i els models d'Earth AI que necessita la consulta i, finalment, executa cada etapa en un espai de treball a part.

Les capacitats d'Earth AI s'empaqueten com a habilitats modulars que l'agent només invoca quan la pregunta ho requereix. Si la cobertura local de dades és escassa, recorre a conjunts alternatius, i cada resposta mostra el pla i les fonts utilitzades perquè els experts puguin revisar els supòsits o substituir dades, segons afirma Google.

A més, segons Google, els usuaris ja poden aportar les seves pròpies dades a través de l'API de l'agent —fulls de càlcul CSV, contorns de mapa en GeoJSON o taules al núvol— i demanar-li que les creuï amb els models i catàlegs globals d'Earth AI.

Les proves que presenta Google

Segons el seu informe tècnic, Google compara quatre configuracions amb Gemini 3.8 Flash i Gemini 3.1 Pro: el model de llenguatge tot sol; amb eines bàsiques com la cerca web i els mapes; amb les eines d'Earth AI però sense planificació prèvia, i l'agent complet, que comença cada consulta amb una fase de planificació. Les mesura en quatre proves: dues d'externes, CBGB i UnivEARTH, i dues de creades per la mateixa empresa, GeoKTools i GeoExpertQueries, que posa a disposició d'altres investigadors.

Segons Google, l'agent amb eines bàsiques ensopega en les tasques espacials quantitatives, i dotar-lo de les habilitats d'Earth AI produeix un salt significatiu en GeoExpertQueries, GeoKTools i CBGB. L'excepció és UnivEARTH, on fins i tot el model de llenguatge tot sol puntua alt, probablement perquè els articles de la NASA en què es basa i les seves respostes són a la web pública.

La segona conclusió que presenta Google és que la planificació prèvia és la que permet abordar problemes oberts: les habilitats d'Earth AI són suficients per a tasques acotades com les de CBGB i GeoKTools, però GeoExpertQueries exigeix planificar perquè l'agent no es perdi en anàlisis de diversos passos, no faci supòsits poc fiables ni prengui dreceres com cercar a la web en lloc d'utilitzar eines espacials.

Un primer esborrany, segons Google

L'informe tècnic també en recull les limitacions: segons Google, les puntuacions de GeoExpertQueries surten d'un avaluador automàtic que compara la feina de l'agent amb fluxos d'experts que defineixen els passos que ha de seguir una anàlisi, no amb la resposta final correcta. Per això l'empresa considera el que produeix l'agent un bon primer esborrany que els experts han de revisar i completar, no una resposta definitiva.

Segons Google, l'ampliació de l'accés vol recollir més opinions sobre aquestes capacitats experimentals, que de moment només arriben a un grup limitat d'usuaris.