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(shè)計(jì)用于分析紅外相機(jī)陷阱捕捉的照片，以識(shí)別動(dòng)物物種。這一創(chuàng)新之舉為全球野生動(dòng)物研究者帶來了福音，預(yù)計(jì)將極大提升野生動(dòng)物監(jiān)測(cè)的效率與精確度。

在野生動(dòng)物研究領(lǐng)域，紅外相機(jī)陷阱作為一種高效的監(jiān)測(cè)手段，被廣泛采用。這類陷阱通常由一臺(tái)與紅外傳感器相連的數(shù)碼相機(jī)構(gòu)成，一旦有動(dòng)物經(jīng)過，便會(huì)自動(dòng)觸發(fā)拍攝，為研究人員提供寶貴的野生動(dòng)物種群數(shù)據(jù)。然而，隨著相機(jī)陷阱的廣泛應(yīng)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(fèi)大量時(shí)間進(jìn)行篩選和分析。

為了應(yīng)對(duì)這一挑戰(zhàn)，谷歌早在六年前便通過其Google Earth Outreach公益項(xiàng)目推出了Wildlife Insights平臺(tái)。該平臺(tái)允許研究人員在線分享、識(shí)別和分析野生動(dòng)物圖像，通過合作加速相機(jī)陷阱數(shù)據(jù)的分析進(jìn)程。而SpeciesNet模型，正是Wildlife Insights平臺(tái)背后不可或缺的關(guān)鍵技術(shù)之一。

SpeciesNet模型的訓(xùn)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(hù)生物學(xué)研究所、野生動(dòng)物保護(hù)協(xié)會(huì)、北卡羅來納自然科學(xué)博物館和倫敦動(dòng)物學(xué)會(huì)等多個(gè)權(quán)威機(jī)構(gòu)的圖像資料。這一模型能夠識(shí)別超過2000種標(biāo)簽，不僅涵蓋各類動(dòng)物物種，還包括動(dòng)物分類群（如哺乳動(dòng)物、貓科等）以及非動(dòng)物物體（如車輛），功能強(qiáng)大。

谷歌在最新發(fā)布的博客文章中強(qiáng)調(diào)，SpeciesNet AI模型的開源將極大地促進(jìn)工具開發(fā)者、學(xué)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(cè)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(dòng)化分析相機(jī)陷阱圖像的公司。微軟的AI for Good實(shí)驗(yàn)室同樣在這一領(lǐng)域有所建樹，其維護(hù)的PyTorch Wildlife框架提供了經(jīng)過預(yù)訓(xùn)練的模型，專門用于動(dòng)物檢測(cè)和分類，為野生動(dòng)物研究者提供了另一有力工具。