Google 開源模型「 SpeciesNet」簡化物種標註作業，發揮保育效率 

Google 宣佈將 SpeciesNet 模型開源給公眾使用後，大力提升科學家研究物種效率，藉由與 Wildlife Insights 的合作，該模型已能準確辨識全球超過 2,500 種哺乳類物種，這項人工智慧技術不僅將科學家從繁瑣的手動篩選工作中釋放，更能透過精準的影像分析，為守護地球生命開啟新篇章。

Google SpeciesNet  (物種網) 是什麼？

物種網是款 Google 開源人工智慧模型，經過訓練可以自動識別近 2500 種哺乳動物、鳥類和爬行動物，越來越多的機構和學術單位使用物種網進行保育研究，該模型自 2019 年以來一直被使用，Google 於一年前，將其作為免費的開源工具推出，如今研究團隊正在使用此模型來分析整理影像數據。SpeciesNet 可從多個角度、在不同類型的光線下辨識物種，即使只捕捉到動物的部分身影也能辨識出動物的名稱。

物種網如何運作？

物種網在 Google 雲端環境中運行。SpeciesNet 幫助 Wildlife Insights 使用者標註圖片，任何經過驗證標註的圖片都可以反過來為 SpeciesNet 提供訓練資料，Wildlife Insights 是一個託管 2 億張標註圖片的社群。

SpeciesNet 解決了傳統保育工作中最大的瓶頸：數據處理速度。

包括以下特點：

• 海量辨識：能夠辨識近 2,500 種哺乳類、鳥類和爬行類。
• 精準度高： 辨識動物的準確率高達 99.4 %。
• 極速處理： 即使是普通筆電，一天也能處理 30,000 張 照片；若使用 GPU 則可達 25 萬張 以上。

SpeciesNet 如何協助研究

相機可全天候捕捉到動物的活動，但對於野生動物管理員、生物學家和保育學者來說，將數百萬張影像轉化為數據卻極為耗時。哥倫比亞洪堡研究所使用 SpeciesNet 監測生活在亞馬遜雨林的物種，分析收集到的數萬張影像，發現哥倫比亞鳥類遷徙時間和野生動物日常活動模式的變化，分析結果顯示出哺乳動物為了躲避威脅和捕食者變得更加夜行性。

愛達荷州漁獵部 (IDFG) 在森林覆蓋率較高的北部地區，部署了數百台相機，由 SpeciesNet 按物種對影像進行分類，大大加快了每年收集的數百萬張影像的審理速度。

澳洲擁有許多世界上許多其他地方找不到的物種，澳大利亞的 WildObs 利用 SpeciesNet 辨識當地至關重要的稀有物種，這些物種是監測保育的重點計畫，經過 AI 訓練的 SpeciesNet 可以幫助相關組織留意到受威脅物種或瀕危物種，維持野生族群的生態。