近日，谷歌宣布开源了一个名为SpeciesNet的人工智能模型，该模型专门设计用于通过分析相机陷阱中的照片来识别动物物种。这一创新举措有望为全球范围内的野生动物研究带来重大突破。
相机陷阱，即连接到红外传感器的数码相机，已成为世界各地研究人员研究野生动物种群的重要手段。这些设备能够在不干扰野生动物自然行为的情况下，捕捉到它们的身影，为科学研究提供了宝贵的数据。然而，相机陷阱产生的大量数据却给研究人员带来了不小的挑战。筛选和分析这些数据往往需要耗费数天甚至数周的时间，极大地限制了研究效率。
为了帮助解决这一问题，谷歌在大约六年前推出了Wildlife Insights项目，作为该公司Google Earth Outreach慈善计划的一部分。Wildlife Insights提供了一个在线平台，使研究人员能够共享、识别和分析野生动物图像，从而协作加快相机陷阱数据分析的速度。
SpeciesNet正是Wildlife Insights众多分析工具背后的核心力量。据谷歌介绍，SpeciesNet已经使用了超过6500万张公开可用的图像，以及来自史密森尼保护生物学研究所、野生动物保护协会、北卡罗来纳州自然科学博物馆和伦敦动物学会等权威组织的图像进行了训练。这使得SpeciesNet具备了强大的图像识别能力，能够将图像分类为超过2000个标签之一，涵盖动物物种、分类群（如“哺乳动物”或“猫科”）以及非动物对象（如“车辆”）。
谷歌在周一发表的一篇博文中表示：“SpeciesNet AI模型的发布将使工具开发人员、学者和生物多样性相关初创公司能够扩大对自然区域生物多样性的监测。”这无疑将为野生动物保护和生物多样性研究开辟新的可能。
值得一提的是，SpeciesNet在GitHub上基于Apache 2.0许可证提供，这意味着它可以在很大程度上不受限制地用于商业用途。这一开放共享的态度将进一步推动人工智能技术在野生动物研究领域的应用和发展。
此外，谷歌并非唯一致力于自动分析相机陷阱图像的开源工具。微软的AI for Good Lab也维护着PyTorch Wildlife这一AI框架，该框架提供了针对动物检测和分类进行微调的预训练模型，为野生动物研究提供了另一种有力的工具选择。
