谷歌研究（Google，谷歌 Research）发布行星预测引擎：从自然语言自动构建地理空间预测模型
谷歌研究（Google，谷歌 Research，美国科技公司谷歌旗下研究部门）于2026年8月27日发布实验性研究能力行星预测引擎（PPE），可由自然语言查询自动完成地理空间数据检索、特征工程、模型训练与评估全流程，无需人工数据工程。
系统在21项美国CDC（美国疾病控制与预防中心）健康指标上平均R²（决定系数）为76.8%，高于人工专家流程的60.0%； 尼日利亚粮食安全降尺度任务R²由31.5%提升至66.1%。
该系统属早期实验研究项目，尚无同行评审或实际部署验证，所有指标均为预测性能而非因果效果证明。
谷歌研究于2026年8月27日发布行星预测引擎（PPE）。 该系统由大语言模型（LLM）编排三个阶段：智能地理空间数据选择、多模态数据集整理、自动化模型构建与预测。 系统从Data Commons（谷歌数据公共库）和Google Earth Engine（谷歌地球引擎）等已建库提取协变量，对未收录信号执行实时开放网络检索；
将统计协变量与Population Dynamics Foundation Models（PDFM，人口动态基础模型）和AlphaEarth的嵌入向量融合； 通过“特征门控”（Feature Gate）避免目标泄漏，并设置防止过拟合的“过拟合防护协议”（Overfitting Guard Protocol）。
评估结果：21项美国CDC（美国疾病控制与预防中心）健康指标平均R²（决定系数）为76.8%（人工专家流程60.0%）； FEMA（美国联邦应急管理署）国家风险指标平均R²为64.9%（基线60.0%）； 社会脆弱性指数平均R²为66.2%（基线58.6%）；
尼日利亚粮食安全从州级（ADM1）降尺度至地方政府区级（ADM2）时R²为66.1%（基线31.5%）； 2026年刚果民主共和国本迪布焦型埃博拉病毒（Bundibugyo ebolavirus）疫情中，五次逐周预测取得Recall@10为83.3%，即18个新入侵卫生区中正确识别15个，较已发表贝叶斯建模基线（约73%）提升10.3个百分点。
消融研究显示，多模态融合与智能数据选择结合优于任一单一方式。 谷歌研究表示该系统为早期实验研究项目。
PPE的实质进展在于将大语言模型（LLM）编排能力从传统表格数据自动机器学习（AutoML）扩展至地理空间多模态工作流，并以“模块化+不透明句柄传递”回避上下文窗口瓶颈。 这一设计思路对其他需要跨异构数据源自动建模的科学领域（如公共卫生、流行病学、气候风险）具有方法参考价值。
但需注意：所有评估指标均为预测性能指标（R²、Recall@10），不构成对任何公共卫生干预、政策决策或临床措施的因果效果证明； 系统属早期实验研究，尚无同行评审结论或实际部署证据。
后续观察信号
- PPE的三阶段架构中“特征门控”与“过拟合防护协议”的具体实现是否公开
- 尼日利亚粮食安全降尺度与刚果（金）埃博拉预测任务的独立复现结果如何
- 该系统与谷歌地球AI（人工智能）此前发布的推理能力相比，自动化程度有何实质差异