Google宣布将SpeciesNet 模型开源给公众使用后，大力提升科学家研究物种效率，借由与Wildlife Insights的合作，该模型已能准确辨识全球超过2,500 种哺乳类物种，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释放，更能透过精准的影像分析，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育研究，该模型自2019 年以来一直被使用，Google 于一年前，将其作为免费的开源工具推出，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辨识物种，即使只捕捉到动物的部分身影也能辨识出动物的名称。
物种网如何运作？
物种网在Google 云端环境中运行。 SpeciesNet 帮助Wildlife Insights 使用者标注图片，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 亿张标注图片的社群。
SpeciesNet 解决了传统保育工作中最大的瓶颈：数据处理速度。
包括以下特点：
- 海量辨识：能够辨识近2,500 种哺乳类、鸟类和爬行类。
- 精准度高： 辨识动物的准确率高达99.4 %。
- 极速处理： 即使是普通笔电，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、生物学家和保育学者来说，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。
澳洲拥有许多世界上许多其他地方找不到的物种，澳大利亚的WildObs 利用SpeciesNet 辨识当地至关重要的稀有物种，这些物种是监测保育的重点计划，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。
本文链接地址：https://www.wwsww.cn/rgzn/37491.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
