8月28日、Googleが「Planetary prediction engine: Automating global models via Earth AI」と題した記事を公開した。自然言語クエリから地球規模の予測モデルを自動構築するAIシステム「Planetary Prediction Engine（PPE）」について詳しく紹介されている。

「数週間」から「数分」へ——地球規模モデリングの自動化

地域の食料安全保障の予測、環境災害リスクの評価、感染症アウトブレイクのリアルタイム追跡、社会経済的脆弱性のマッピング——こうした地球規模の課題に取り組むには、高精度な地理空間モデリングが不可欠だ。

ところが、このモデル構築が長年のボトルネックになってきた。地理空間データは断片化されており、専門チームがデータの収集・クリーニング・特徴量エンジニアリング・空間的バリデーションに数週間を費やすのが常だった。既存のAutoML（機械学習パイプラインの自動化技術）やLLMベースのエージェントは、あらかじめ整形されたテーブル形式のデータを前提としており、地理空間特有のワークフローには対応できていない。

Googleが今回発表したPlanetary Prediction Engine（PPE）は、この課題に正面から取り組むシステムだ。Google Earth AIイニシアチブの最新研究として位置づけられており、自然言語クエリを入力とするだけで、以下の一連の作業を自律的に実行する：

• 地球規模のデータ探索・取得
• データのクリーニングと前処理
• 特徴量エンジニアリング
• 予測モデルの学習と評価
• 包括的なレポートの生成

手動での介入なしに、複雑な予測モデルの構築を「数週間」から「数分」に短縮できるとGoogleは主張している。

何が従来と違うのか——LLMエージェントによる地理空間ワークフローの自律実行

地理空間データの扱いが難しい理由は、データの性質そのものにある。衛星画像、気象データ、人口統計、インフラ情報などが異なるフォーマット・座標系・解像度で存在し、単純なテーブルデータとして扱えない。AutoMLが「前処理済みデータありき」なのに対し、PPEはデータの発見段階から自律的に動く点が根本的に異なる。

PPEのアーキテクチャの核心は、LLMエージェントが地理空間ワークフロー全体をオーケストレーションする設計にある。ユーザーが自然言語でクエリ（例：「東アフリカの食料不安リスクを予測するモデルを構築せよ」）を入力すると、エージェントがまずデータソースを特定・取得し、座標系の統一やスケール合わせといった地理空間固有の前処理を自動で行う。続いて特徴量を構築し、予測モデルを学習・評価したうえで、結果をレポートとして出力する。人間の専門家が各ステップで判断・介入していた従来フローを、エージェントが一気通貫で代替する構造だ。

また、Googleはこれに先立ち、Earth AIの地理空間資産を横断的に統合する推論能力を別記事で発表している。PPEはそのアーキテクチャを引き継ぎながら、予測モデリングの完全自動化という次の段階に進んだ位置づけだ。

評価結果として、PPEは複数の多様なベンチマークにおいて、従来の手動パイプラインをベースラインとする比較で、人手介入なしに性能改善を達成したとされている。ベンチマークの具体的な名称や数値スコアは論文（arXiv:2608.26088※元記事記載の番号をそのまま転記）に詳細が記載されており、参照を推奨する。

人道支援分野への含意

記事が特に強調しているのが、人道的危機への即応性だ。食料危機や感染症拡大のような状況では、モデル構築に数週間かけていられない。PPEがこの時間的制約を解消できれば、現場の意思決定を大きく変えられる可能性がある——とGoogleは述べている。

対象として言及されているユースケースは以下の通りだ（元記事に明示されているもののみ）：

• 地域レベルの食料安全保障の予測
• 環境災害リスクのマッピング
• リアルタイムの感染症アウトブレイク追跡
• 社会経済的脆弱性の可視化

現時点での位置づけ

PPEは「最新の実験的研究機能（latest experimental research capability）」と明記されており、プロダクション投入済みのサービスではない。論文はarXivに公開されており、技術的な詳細はそちらで確認できる。

地理空間AIの分野では、NASAやESA（欧州宇宙機関）が衛星データの機械学習活用を進める一方、GoogleはGoogle Earth Engineを通じて長年このエコシステムに深く関与してきた。Earth Engineはペタバイトスケールのリモートセンシングデータをクラウド上で処理できるプラットフォームであり、PPEが活用するデータ基盤との親和性は高いと推察される。ただし、PPEがEarth Engine APIと直接連携しているかどうかは元記事には明記されておらず、論文での確認が必要だ。

詳細はPlanetary prediction engine: Automating global models via Earth AIを参照していただきたい。