近日，谷歌公开了一款名为SpeciesNet的人工智能模型，该模型专门设计用于分析红外相机陷阱捕捉的照片，以识别动物物种。这一创新之举为全球野生动物研究者带来了福音，预计将极大提升野生动物监测的效率与精确度。
在野生动物研究领域，红外相机陷阱作为一种高效的监测手段，被广泛采用。这类陷阱通常由一台与红外传感器相连的数码相机构成，一旦有动物经过，便会自动触发拍摄，为研究人员提供宝贵的野生动物种群数据。然而，随着相机陷阱的广泛应用，所产生的图像数据量也急剧增加，研究人员往往需耗费大量时间进行筛选和分析。
为了应对这一挑战，谷歌早在六年前便通过其Google Earth Outreach公益项目推出了Wildlife Insights平台。该平台允许研究人员在线分享、识别和分析野生动物图像，通过合作加速相机陷阱数据的分析进程。而SpeciesNet模型，正是Wildlife Insights平台背后不可或缺的关键技术之一。
SpeciesNet模型的训练基于庞大的数据集，包括超过6500万张公开图像，以及来自史密森保护生物学研究所、野生动物保护协会、北卡罗来纳自然科学博物馆和伦敦动物学会等多个权威机构的图像资料。这一模型能够识别超过2000种标签，不仅涵盖各类动物物种，还包括动物分类群（如哺乳动物、猫科等）以及非动物物体（如车辆），功能强大。
谷歌在最新发布的博客文章中强调，SpeciesNet AI模型的开源将极大地促进工具开发者、学者以及生物多样性相关初创企业的发展，使他们能够更大规模地监测自然区域的生物多样性。目前，SpeciesNet模型已在GitHub上以Apache 2.0许可证的形式发布，意味着该模型可以在商业环境中自由使用，几乎不受任何限制。
值得注意的是，谷歌并非唯一一家致力于自动化分析相机陷阱图像的公司。微软的AI for Good实验室同样在这一领域有所建树，其维护的PyTorch Wildlife框架提供了经过预训练的模型，专门用于动物检测和分类，为野生动物研究者提供了另一有力工具。
