Earth AIでデータを結合しても、欠損の意味を消してはいけない

Googleの2026年10月14日の発表は、エージェント間APIを含め、Earth AIの実験的なアクセスを拡大するものだ。意思決定者にとって重要なのは、エージェントがデータを結合した後に、何が残るかである。見栄えのよい地図の裏で、空白のセルが確信に満ちた答えへと変わり、重大な意味の変化が隠れる可能性がある。

以下は私たちが提案する評価の枠組みであり、Googleのシステムがその誤りを犯しているという指摘ではない。原則は単純だ。実測値がゼロである場合、結果が観測されていない場合、観測が指定された場所や時間に対応しない場合を、区別したまま扱う必要がある。

二つの地図、二つの過程

Groundsourceは2026年3月に公開され、ニュースから洪水事象を抽出する。関連する予測研究の説明は、報道の欠落が適合率の測定を難しくするとしている。

洪水の起こりやすさが等しい二つの地区を仮定する。それぞれ十回の洪水が起きても、記録には一方が九回、他方が三回しか残っていない。記録件数だけで順位を付ければ、前者は後者の三倍になる。しかし実際の洪水リスクが三倍だと証明したことにはならない。記録は、物理的な現象と、その現象が観測・記録される過程の両方を反映する。

記録を増やせば網羅性は改善し得るが、この区別がなくなるわけではない。同様に、人口や不動産のデータと結合して有用な比率を得るには、分子と分母の地域、期間、観測条件が整合していなければならない。表が大きくなっても、不適切な分母は修正されない。

結合後も意味を残す

地理空間エージェントには、答えとともに簡潔な根拠説明を返すことを求めたい。重要な入力ごとに、観測期間、地理単位、欠損の扱い、適用した変換を示す。長い参考文献一覧を作ることが目的ではない。入力がどのように出力になったかを短く説明するためだ。

例えば、二つの倉庫候補地のうち洪水への曝露が小さい方を利用者が尋ねたとする。エージェントは事象記録、建物の輪郭、予測を組み合わせるかもしれない。私たちの提案では、順位を出す前に、それぞれの資料から何を判断できるかを分ける。過去の報道は記録された事象を示し、予測は将来についての推定、建物の位置は曝露の入力である。結合後も、この役割の違いを見える形で残すべきだ。

場所や時間を整合させられないなら、条件付きの比較の方が適切な場合がある。それも有用な結果だ。どの不足情報を補えば選択が変わり得るかを伝え、不確実性を安心させる色へと置き換えずに済む。

答えだけでなく意思決定を試す

実用的な受入試験は、意図的に不完全にしたデータから始められる。仮定上の実際の事象は変えず、ある地区の報道だけを削除する。そのうえでエージェントが確信度を変えるか、網羅性の差を指摘するか、それとも黙ってリスクが下がったと結論付けるかを調べる。期間の不一致や一部しか重ならない境界でも繰り返す。

第二の試験では、不確実性が最終要約まで残るかを見る。内部では欠損値の印を正しく保持していても、一文の推奨を書く際に消してしまうことはあり得る。したがって地図、計算、文章をまとめて検査する必要がある。

調達時には、こうした制御された変更に対する判断の安定性、留保の明確さ、変換処理の確認しやすさを比較したい。どの指標も、それだけで実環境での予測性能を証明するものではない。答えるのはより限定された運用上の問いである。利用者は、その画面を通じて根拠と仮定を区別できるだろうか。

地理空間AIは、資料ごとの差を保ったまま結合できるほど有用になる。価値のある出力は、常に断定的な順位とは限らない。何がまだ分からず、どの証拠があれば順位を正当化できるのか。その正確な説明である場合もある。