گوگل یک مدل هوش مصنوعی به نام SpeciesNet را به‌صورت منبع‌باز منتشر کرده است که برای شناسایی گونه‌های جانوری با تحلیل عکس‌های گرفته‌شده از تله‌های دوربینی طراحی شده است.
محققان در سراسر جهان از تله‌های دوربینی — دوربین‌های دیجیتالی متصل به حسگرهای مادون قرمز — برای مطالعه جمعیت‌های حیات‌وحش استفاده می‌کنند. اما در حالی که این تله‌ها می‌توانند اطلاعات ارزشمندی ارائه دهند، حجم عظیمی از داده‌ها را تولید می‌کنند که بررسی آن‌ها روزها تا هفته‌ها زمان می‌برد.
به منظور کمک به این موضوع، گوگل حدود شش سال پیش ابتکار Wildlife Insights را راه‌اندازی کرد که بخشی از برنامه خیریه Google Earth Outreach این شرکت است. Wildlife Insights پلتفرمی را فراهم می‌کند که در آن محققان می‌توانند تصاویر حیات‌وحش را به اشتراک بگذارند، شناسایی کنند و به‌صورت آنلاین تحلیل کنند و با همکاری یکدیگر، فرآیند تحلیل داده‌های تله‌های دوربینی را تسریع ببخشند.
بسیاری از ابزارهای تحلیلی Wildlife Insights توسط SpeciesNet پشتیبانی می‌شوند. گوگل ادعا می‌کند که این مدل با استفاده از بیش از ۶۵ میلیون تصویر در دسترس عموم و تصاویری از سازمان‌هایی مانند مؤسسه زیست‌شناسی حفاظت اسمیتسونیان، انجمن حفاظت از حیات‌وحش، موزه علوم طبیعی کارولینای شمالی و انجمن جانورشناسی لندن آموزش دیده است.
گوگل اعلام کرده است که SpeciesNet می‌تواند تصاویر را به بیش از ۲۰۰۰ برچسب طبقه‌بندی کند که شامل گونه‌های جانوری، دسته‌بندی‌های زیستی مانند «پستانداران» یا «گربه‌سانان»، و اشیای غیرجانوری (مانند «وسیله نقلیه») می‌شود.
گوگل در پستی وبلاگی که روز دوشنبه منتشر شد، نوشت: «انتشار مدل هوش مصنوعی SpeciesNet به توسعه‌دهندگان ابزار، پژوهشگران دانشگاهی و استارتاپ‌های مرتبط با تنوع زیستی امکان می‌دهد تا نظارت بر تنوع زیستی در مناطق طبیعی را گسترش دهند.»
SpeciesNet در GitHub تحت مجوز آپاچی ۲.۰ در دسترس است، به این معنا که می‌توان از آن به‌صورت تجاری و بدون محدودیت‌های قابل‌توجه استفاده کرد.
شایان ذکر است که گوگل تنها ارائه‌دهنده ابزار منبع‌باز برای خودکارسازی تحلیل تصاویر تله‌های دوربینی نیست. آزمایشگاه AI for Good مایکروسافت نیز PyTorch Wildlife را نگهداری می‌کند؛ چارچوبی مبتنی بر هوش مصنوعی که مدل‌های از پیش آموزش‌دیده‌ای را برای شناسایی و طبقه‌بندی جانوران ارائه می‌دهد.
