В марте 2026 года Google отметил первую годовщину открытия исходного кода SpeciesNet — ИИ-модели для автоматической идентификации видов животных на снимках с камер-ловушек. За прошедший год модель стала одним из ключевых инструментов природоохранных организаций по всему миру: от национальных парков Африки до лесов Южной Америки и заповедников Северной Америки. SpeciesNet способен распознавать 2 498 категорий млекопитающих, птиц и рептилий, что делает его самым масштабным открытым ИИ-инструментом в области мониторинга дикой природы.
Технические показатели модели впечатляют: SpeciesNet обнаруживает животных на изображениях с точностью 99,4%, а при определении конкретного вида точность составляет 94,5%. Модель обучена на более чем 65 миллионах размеченных изображений, предоставленных партнёрами — Смитсоновским институтом биологии охраны природы, Обществом охраны дикой природы (WCS) и другими организациями. Архитектура основана на EfficientNet V2 M, а работа ведётся в связке с детектором MegaDetector, который определяет местоположение объектов на снимках.
Один из самых впечатляющих примеров — проект Snapshot Serengeti в Танзании, где профессор Тодд Майкл Андерсон из Университета Уэйк-Форест использовал SpeciesNet для обработки 11 миллионов фотографий. Работа, которая заняла бы у волонтёров годы, была выполнена ИИ за считанные дни. «SpeciesNet позволил нам анализировать данные за десятилетия наблюдений в сроки, которые раньше казались невозможными», — отмечают исследователи проекта. На снимках модель распознавала слонов, львов, зебр и бородавочников.
В Колумбии Институт Гумбольдта развернул сеть Red Otus — масштабную систему камер-ловушек национального уровня, где SpeciesNet помогает определять оцелотов и пум. В Айдахо Департамент рыбы и дичи (IDFG) применяет модель для сортировки миллионов изображений с сотен камер по всему штату — ИИ группирует снимки по видам, после чего эксперты проводят финальную проверку. В Австралии Обсерватория дикой природы (WildObs) использует SpeciesNet для мониторинга казуаров и красноногих падемелонов.
SpeciesNet работает в рамках платформы Wildlife Insights с 2019 года, но именно открытие исходного кода под лицензией Apache 2.0 в марте 2025 года стало переломным моментом. Теперь любой исследователь может запустить модель на обычном ноутбуке, обрабатывая до 30 000 изображений в день, а с бюджетной игровой видеокартой — более 250 000 снимков. Конкурирующее решение — PyTorch Wildlife от Microsoft — также предлагает автоматизацию анализа камер-ловушек, но SpeciesNet лидирует по числу распознаваемых видов.
Эксперты отмечают, что открытый ИИ для мониторинга дикой природы меняет саму парадигму охраны природы: вместо ручной обработки данных учёные получают масштабируемые инструменты реального времени. Следующий рубеж — модели поведенческого анализа, которые будут не просто определять вид, а интерпретировать действия животных, прогнозировать популяционные тренды и коррелировать присутствие видов с изменениями среды обитания. Google планирует расширить SpeciesNet на амфибий и беспозвоночных, что может утроить число распознаваемых категорий.
