NASA地球観測データ検索にAIエージェント導入

研究の概要

メリーランド大学などの研究チームは、NASAの地球観測データを対象としたエージェント型検索システムを開発し、一般公開した。同システムは自然言語による研究クエリを受け付け、NASA WorldviewやGiovanniなどのツール群および数千件のデータセットの中から最適なものを自動的に返す。

研究の核心は、NASAの地球観測ナレッジグラフ（NASA EO-KG）から導出した約4万7千件のクエリとデータセットのペアで構成するベンチマーク「NASA-EO-Bench」にある。このベンチマークで微調整したニューラルスコアラーは、従来の全文検索手法（BM25）や余弦類似度ベースライン双方を大幅に上回る精度を示した。さらに両手法のスコアを融合させることで、検索精度の代表的指標であるRecall@10（R@10）とMRR（平均逆順位）をそれぞれ5倍超改善した。

加えて、大規模言語モデル（LLM）によるゼロショットの再ランク付けステージを追加することで、追加学習なしにMRRをさらに28%向上させた。この結果は、LLMの推論能力が教師あり検索パイプラインと相補的に機能することを示している。

ビジネスへの示唆

衛星データは近年、民間企業にとって戦略的資産となりつつある。しかし、これまでドメイン専門家でさえ目的のデータセットを特定するのに多大な時間を要してきたという問題が存在していた。本システムはその障壁を大幅に引き下げる。

影響が大きい業界・部門として以下が挙げられる。

• 保険・金融: 洪水・干ばつ・山火事リスクの定量化に活用できる気象・地表データの検索効率が向上し、カタストロフィーモデルの精度向上やCAT債の組成コスト削減につながる
• エネルギー・資源: 石油・ガス探査や再生可能エネルギーの立地選定において、地質・気象データへのアクセス速度が競争優位の源泉となる
• 農業・フードテック: 土壌水分や植生指数データを迅速に特定することで、作物収量予測モデルの更新サイクルを短縮できる
• ESG・サステナビリティ部門: 企業の気候関連財務情報開示（TCFD）対応において、根拠データの収集工数を削減し、開示品質を高める

KPIへの直接的な影響としては、データ調査工数の削減（研究員・アナリストの時間コスト）、データ活用プロジェクトのリードタイム短縮、および衛星データに基づく意思決定の精度向上が見込まれる。

今後の展望

本システムはすでに地球科学コミュニティ向けに公開されており、民間企業が直接利用できる段階にある。ナレッジグラフとLLMエージェントを組み合わせるアーキテクチャは、NASAのデータに限らず、企業内の大規模データカタログ管理にも転用可能な汎用性を持つ。

今後、各種センサーデータや独自の衛星コンステレーションを保有するスタートアップが類似のアーキテクチャを自社プラットフォームに組み込む動きが加速するとみられる。一方、データ品質やバイアスへの対応、および検索結果の説明可能性の確保が商用展開における課題となろう。衛星データ市場が2030年代にかけて年率10%超の成長が予測される中、検索精度の優劣が事業差別化の重要因子となる可能性が高い。