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(chuàng)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(jiān)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(jiān)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(shù)碼相機構(gòu)成，一旦有動物經(jīng)過，便會自動觸發(fā)拍攝，為研究人員提供寶貴的野生動物種群數(shù)據(jù)。然而，隨著相機陷阱的廣泛應用，所產(chǎn)生的圖像數(shù)據(jù)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(zhàn)，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(shù)據(jù)的分析進程。而SpeciesNet模型，正是Wildlife Insights平臺背后不可或缺的關(guān)鍵技術(shù)之一。

SpeciesNet模型的訓練基于龐大的數(shù)據(jù)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(xié)會、北卡羅來納自然科學博物館和倫敦動物學會等多個權(quán)威機構(gòu)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(fā)布的博客文章中強調(diào)，SpeciesNet AI模型的開源將極大地促進工具開發(fā)者、學者以及生物多樣性相關(guān)初創(chuàng)企業(yè)的發(fā)展，使他們能夠更大規(guī)模地監(jiān)測自然區(qū)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(fā)布，意味著該模型可以在商業(yè)環(huán)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(jīng)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。