近日，谷歌公開了一款名為SpeciesNet的人工智能模型，該模型專門設計用于分析紅外相機陷阱捕捉的照片，以識別動物物種。這一創新之舉為全球野生動物研究者帶來了福音，預計將極大提升野生動物監測的效率與精確度。
在野生動物研究領域，紅外相機陷阱作為一種高效的監測手段，被廣泛采用。這類陷阱通常由一臺與紅外傳感器相連的數碼相機構成，一旦有動物經過，便會自動觸發拍攝，為研究人員提供寶貴的野生動物種群數據。然而，隨著相機陷阱的廣泛應用，所產生的圖像數據量也急劇增加，研究人員往往需耗費大量時間進行篩選和分析。
為了應對這一挑戰，谷歌早在六年前便通過其Google Earth Outreach公益項目推出了Wildlife Insights平臺。該平臺允許研究人員在線分享、識別和分析野生動物圖像，通過合作加速相機陷阱數據的分析進程。而SpeciesNet模型，正是Wildlife Insights平臺背后不可或缺的關鍵技術之一。
SpeciesNet模型的訓練基于龐大的數據集，包括超過6500萬張公開圖像，以及來自史密森保護生物學研究所、野生動物保護協會、北卡羅來納自然科學博物館和倫敦動物學會等多個權威機構的圖像資料。這一模型能夠識別超過2000種標簽，不僅涵蓋各類動物物種，還包括動物分類群（如哺乳動物、貓科等）以及非動物物體（如車輛），功能強大。
谷歌在最新發布的博客文章中強調，SpeciesNet AI模型的開源將極大地促進工具開發者、學者以及生物多樣性相關初創企業的發展，使他們能夠更大規模地監測自然區域的生物多樣性。目前，SpeciesNet模型已在GitHub上以Apache 2.0許可證的形式發布，意味著該模型可以在商業環境中自由使用，幾乎不受任何限制。
值得注意的是，谷歌并非唯一一家致力于自動化分析相機陷阱圖像的公司。微軟的AI for Good實驗室同樣在這一領域有所建樹，其維護的PyTorch Wildlife框架提供了經過預訓練的模型，專門用于動物檢測和分類，為野生動物研究者提供了另一有力工具。
