Google 宣布将 SpeciesNet 模型开源给公众使用后，大大提升科学家研究物种的效率。通过与 Wildlife Insights 的合作，该模型已能准确识别全球超过 2,500 种哺乳动物物种。这项人工智能技术不仅将科学家从繁琐的手动筛选工作中解放出来，还能通过精准的影像分析，为守护地球生命开启新篇章。
Google SpeciesNet (物种网) 是什么？
物种网是款 Google 开源人工智能模型，经过训练可以自动识别近 2500 种哺乳动物、鸟类和爬行动物，越来越多的机构和学术单位使用物种网进行保护研究。该模型自 2019 年以来一直被使用，Google 于一年前将其作为免费开源工具推出，如今研究团队正在使用此模型来分析整理影像数据。SpeciesNet 可从多个角度、在不同类型的光线下识别物种，即使只捕捉到动物的部分身影也能识别出动物的名称。
物种网如何运作？
物种网在 Google 云端环境中运行。SpeciesNet 帮助 Wildlife Insights 用户标注图片，任何经过验证标注的图片都可以反过来为 SpeciesNet 提供训练资料。Wildlife Insights 是一个托管 2 亿张标注图片的社区。
SpeciesNet 解决了传统保护工作中最大的瓶颈：数据处理速度。
包括以下特点：
海量识别：能够识别近 2,500 种哺乳类、鸟类和爬行类。
高精准度：识别动物的准确率高达 99.4%。
极速处理：即使是普通笔记本，一天也能处理 30,000 张照片；若使用 GPU 则可达 25 万张以上。
SpeciesNet 如何协助研究
相机可全天候捕捉到动物的活动，但对于野生动物管理员、生物学家和保护学者来说，将数百万张影像转化为数据却极为耗时。哥伦比亚洪堡研究所使用 SpeciesNet 监测生活在亚马逊雨林的物种，分析收集到的数万张影像，发现哥伦比亚鸟类迁徙时间和野生动物日常活动模式的变化。分析结果显示出哺乳动物为了躲避威胁和捕食者变得更加夜行性。
爱达荷州渔猎部 (IDFG) 在森林覆盖率较高的北部地区，部署了数百台相机，由 SpeciesNet 按物种对影像进行分类，大大加快了每年收集的数百万张影像的审理速度。
澳大利亚拥有许多世界上其他地方找不到的物种，澳大利亚的 WildObs 利用 SpeciesNet 识别当地至关重要的稀有物种。这些物种是监测保护的重点项目。经过 AI 训练的 SpeciesNet 可以帮助相关组织留意到受威胁物种或濒危物种，维持野生族群的生态。
这篇文章 Google 开源模型「SpeciesNet」简化物种标注作业，发挥保护效率 最早出现在 链新闻 ABMedia。
