Google Earth AI 发布人口动态基础模型 PDFM 并验证其在全球公共卫生中的跨域应用

Google Research 推出地球人工智能（Earth AI）套件中的 Population Dynamics Foundation Model (PDFM)，将搜索趋势、建成环境密度、移动性及环境指标压缩为月度更新的隐私保护位置嵌入向量，旨在作为即插即用输入增强现有流行病学工作流。该模型在五个独立验证案例中展示了无需任务特定微调即可匹配或超越传统输入的效果：在美加边境麻疹疫苗接种预测中解释方差提升 36%，在美国全境心血管死亡现在预测中与人口普查数据误差相当但时效性更高，在墨西哥登革热预测中短期准确率提升显著，在美国产后抑郁风险预测中 AUC 提升且能恢复约 15% 的收入与保险记录信号，在刚果民主共和国霍乱爆发预测中 8 周前瞻期的 Precision@5 提升 19.3%。

关键证据显示 PDFM 解决了传统数据的多重瓶颈：针对美国县级的慢性病监测，PDFM 基于单月数据构建，消除了人口普查数据（ACS）通常存在的 2-3 年滞后，同时覆盖范围从单一国家扩展至 17 个国家；在跨境场景中，通过融合加拿大 Forward Sortation Area 嵌入，成功捕捉了跨越主权边界的流动性与信息溢出效应，修正了仅依赖国内数据的模型偏差；在资源匮乏地区，轻量化版本被证明能有效利用稀疏互联网连接下的环境信号进行早期预警。

事实层面，PDFM 目前以预览版形式作为“人口动态洞察”数据集在 Google Maps Platform 上商业化可用，学术与非运营研究用途可申请免费访问。推断层面，这种将卫星影像、天气与匿名行为数据融合为通用空间指纹的范式，可能推动公共卫生决策从反应式向主动式转变，特别是在缺乏实时临床报告的偏远地区。猜测层面，文中提到的静态快照局限暗示未来将向时间动态嵌入演进，但这尚未在当前版本中实现。