讓AI成為觀測地球的眼睛：Google Earth AI

Posted By owenou on 11 月 13, 2025 in AI for Good, AI關鍵技術, Google, 技術新訊, 綜論 | 0 comments

作者：歐敏銓

「LLM 在數位世界理解語言，Earth AI 則在物理世界理解地球。」

在 2025 年 Los Angeles 地區受災最嚴重的山火期間，根據 Google 官方表示，其搜尋與地圖等產品提供了「來自地方當局的危機警報資訊」給當地居民，並「在地圖上顯示避難所位置」。

這背後並非單一演算法運作，而是依靠一整套「地理空間人工智慧模型（Geospatial AI Models）」，涵蓋洪水、山火、颶風、空氣品質等多種領域。這套系統透過衛星影像、人口資料、天氣預報等多維數據自動串接分析，從「發生了什麼」延伸至「為什麼會發生」——更重要的是，它試圖在關鍵時刻把「接下來該怎麼做」變成具體路徑。

從地圖到地球智慧：Earth AI 的誕生

這一切的進化，如今有了新的名稱：Google Earth AI。

它是 Google 數十年地球建模工作的集大成——將衛星影像、氣候模型、環境數據與最新的 Gemini 推理能力融合，讓 AI 能在幾分鐘內完成過去要分析師花上數年才能得出的結論。

這意味著，城市規劃者能即時看到河川乾涸的趨勢，非營利組織能在洪水來臨前知道哪個村莊最需要援助，水資源公司能預測乾旱期間的沙塵暴風險。

Google 地球科學總監說得直接：「要解決全球問題，你必須看到整個地球的脈絡，而不只是其中的一塊拼圖。」

這種「地理空間推理（Geospatial Reasoning）」的核心，在於讓 AI 學會連接世界的片段。它能將天氣預測、人口密度與衛星觀測自動串接，回答過去難以量化的問題。

舉例來說，非營利組織 GiveDirectly 就用它結合洪水模型與人口資料，在災區識別出最需要現金援助的群體，讓 AI 不只是看見災難，也「理解」災難。

在 Google Earth 裡提問：AI 作為分析助手

當 Gemini 進入 Google Earth 後，這款原本屬於探索地圖的工具，變成了能與 AI 對話的「地球大腦」。

現在，分析人員只要問：「這片區域的河流是否在枯竭？」AI 便能即時從衛星影像中找出答案；若問：「這裡是否有藻類滋生？」Earth AI 會結合光譜資料自動比對水質變化，幫助當地政府提前發布飲用水警報。

這種結合 AI 推理與地球觀測的整合平台，讓決策變得更直覺。過去要跨越資料孤島、手動處理模型，如今 AI 能主動推演出意涵。Google 將這種能力比喻為：「LLM 在數位世界理解語言，Earth AI 則在物理世界理解地球。」

Earth AI 的跨界行動

Google 並沒有讓這項技術鎖在實驗室裡。它與數千家機構啟動了 Earth AI 試點計畫，涵蓋公共衛生、衛星影像與保險等領域。

在非洲，世界衛生組織（WHO）正在利用 Earth AI 的環境與人口模型，預測剛果民主共和國霍亂疫情的爆發風險。這些模型幫助衛生單位決定疫苗配送與飲水衛生的優先區域。

在太空端，衛星供應商 Planet 與 Airbus 透過 Earth AI 分析每日拍攝的數十億像素影像。Planet 用它來追蹤森林砍伐趨勢，而 Airbus 則能自動偵測輸電線路周圍的植被入侵，預防停電事故。

甚至在保險業，Google X 也啟動了名為 Bellwether 的項目。它利用 Earth AI 為 McGill & Partners 提供颶風風險分析，讓保險理賠能更快進入重建流程。這意味著，AI 不只是幫助科學家，也讓金融、能源、公共安全等產業更快反應現實世界的變化。

source

理解自然：AI 與 DeepMind 的新任務

Google 與 DeepMind 正在推進另一個更宏大的願景——讓 AI 理解自然本身。地球的生物圈，是所有生命共同的系統：從雨林到珊瑚礁，從昆蟲到哺乳類。我們的呼吸、水與食物，全仰賴它的平衡。

然而隨著人類活動擴張，這個系統的壓力也前所未有。DeepMind 的研究團隊正在利用 AI 繪製森林、動物與聲音的「地球生命地圖」，希望讓科學家能看見變化的細節。

預測森林消失的 AI 地圖

森林是地球的碳蓄池、雨水調節者與生物棲地。但它們仍以驚人的速度消失。為了理解這個現象，Google 與世界資源研究所合作開發了森林損失驅動模型，分析 2000 年至 2024 年間的森林變遷。

這張地圖顯示了東南亞某地區2023年的森林砍伐風險，綠色區域代表已砍伐區域，紅色區域代表森林砍伐風險較高區域。(source)

這套模型以視覺變換器架構為核心，僅靠衛星資料就能在 1 平方公里解析度下預測森林砍伐風險——誤差不超過 30 公尺。對保育團體而言，這不只是地圖，而是一個預警系統。

這些資料被整合進 Earth Engine，研究者可以在地圖上即時看到哪些地區可能因農業擴張、採礦或火災而失林。這讓防災與保育的界線模糊了：AI 不再只看災害，也關注生命。

模擬物種的分佈：AI 如何看見生命

為了守護地球上的物種，第一步是知道它們在哪裡。Google 的研究團隊正開發基於圖神經網路（GNN）的新模型，結合全球開放物種觀測資料與衛星環境特徵，能以更高解析度生成全球物種分佈圖。

這項研究已在澳洲展開試點，與昆士蘭氣候變遷研究所及 EcoCommons 合作，成功繪製出 23 種哺乳類（包括大袋鼠）的棲地圖。未來這些資料將透過聯合國生物多樣性實驗室公開，為全球保育政策提供新基準。這樣的模型，讓生態學家第一次能「看到」那些難以實地觀測的生命足跡。

傾聽自然：AI 的聲音感知力

除了看見自然，AI 也開始「聽」自然。

DeepMind 的 Perch 2.0 模型能辨識全球上千種鳥類、兩棲動物與昆蟲的鳴叫聲。這款生物聲學 AI 可以分析野外錄音設備收集的龐大音訊資料，辨識瀕危物種的出現時間與地點。

在夏威夷，它幫助研究人員監測瀕危吸蜜鳥的叫聲，甚至能分辨出幼鳥的鳴音，以推估族群繁衍狀況。對科學家而言，這相當於在雨林深處裝上「AI 耳朵」，讓自然的聲音被聽見。

AI 與自然共學的未來

Google 與 DeepMind 的共同目標，是讓 AI 不只是分析資料，而是幫助人類重新理解與自然的關係。

當地球的變化能被量化、模擬與預測，政策制定者便能以更具前瞻性的方式行動。這些 AI 模型未來將整合更多模態數據：從衛星影像、聲音紀錄，到土地利用、農業產量與防洪模擬——讓 AI 學會閱讀地球的「多語言」。

正如 Google 研究團隊在報告中所言：「如果我們能模擬環境，就能幫助它繁榮。」AI 的最終使命，或許不是取代人類智慧，而是放大我們對地球的理解。

owenou

曾投身IT、電子科技媒體報導十多年，因認同Maker運動的創新實作精神，創立MakerPRO，致力結合媒體、產業與PRO Maker、開發者的社群力量，共同推展科技創造力。