2026年3月6日
自去年SpeciesNet开源以来，越来越多的人利用人工智能技术识别动物并了解其栖息地，促进全球的野生动物监测和保护。
SpeciesNet是一款开源AI模型，有助于保护区工作人员在相机陷阱照片中识别动物。自推出以来，研究团队利用它更快地分析数据。例如，Snapshot Serengeti项目和澳大利亚野生动物观测站都在使用SpeciesNet监控野生动物行为并保护濒危物种。
“如何通过开源AI模型SpeciesNet推动野生动物保护”解释了人工智能如何帮助野生动物研究。
这种AI模型能够识别几乎2,500种动物类型，大大节省研究人员的时间。例如，坦桑尼亚的Snapshot Serengeti项目使用SpeciesNet分析了1100万张照片，加速了关键的研究工作。在哥伦比亚和澳大利亚等地，SpeciesNet帮助监控野生动物的变化并保护独特的当地物种。
使用SpeciesNet工具可以研究野外相机拍摄的照片，并识别其中的动物种类。这为研究人员节省了大量的时间，使他们能够更好地了解和保护野生动物。世界各地的研究小组都在利用它来追踪动物及其行为。
从哥伦比亚森林中黎明时分徘徊的美洲豹到澳大利亚漫步的驼鸟，运动触发的相机提供了前所未有的视角，让我们了解到当人类不在场时动物的行为。但对于野生动物管理者、生物学家和保护人员来说，将数百万张这些未加工的照片转化为可操作的数据极其耗时。这就需要SpeciesNet。
SpeciesNet是经过训练自动识别近2,500种哺乳动物、鸟类和爬行动物类别的AI模型。自2019年起通过野生动物洞察平台提供使用，我们于一年前将其作为免费开源工具推出，今天，研究小组利用它比以往任何时候都更快地处理相机陷阱数据。
这些照片展示了2024年捕获的动物影像：一群夜间活动的大象、一只雄狮、一匹侧影中的斑马以及似乎在观看相机的一只疣猪。图片来源：Snapshot Serengeti；T.M. Anderson
在非洲，自2010年起， Snapshot Serengeti项目与坦桑尼亚野生动物研究所合作，在坦桑尼亚塞伦盖蒂国家公园运营着相机陷阱。起初项目招募了线上志愿者进行图像分析，但很快因照片数量过多而无法处理。项目负责人、北卡罗来纳州韦克森林大学的 Todd Michael Anderson 使用SpeciesNet对1100多万张历史数据进行了分析，在短短几天内完成了几十年的数据工作。该项目正在通过这些图像获得非洲最生物多样的地区之一的长期动物行为和丰富度视图。
这些照片拍摄于2025年3月至5月，展示了美洲豹（一种在中美洲和墨西哥南部濒临灭绝的小型野生猫科动物）和一只美洲狮（也被称为山猫或美洲虎）。图片来源：Project Lucitania/Universidad de los Andes/Red Otus
在哥伦比亚，我们长期合作的胡姆霍尔德研究所利用SpeciesNet作为野生动物洞察平台的一部分。该机构监测着许多生活在哥伦比亚亚马逊雨林中的物种，这是一个高度生物多样化的地区，正经历快速变化。最近，该团队通过启动一个全国性的网络Red Otus来扩大了规模，该网络在公共和私人土地上捕捉相机陷阱图像。
物种保护不仅需要技术的进步，还需要全球合作与努力，这些项目为实现这一目标提供了实际案例。
推荐意见