نمونه‌ای از تصاویر ثبت‌شده توسط دوربین‌های تله‌ای. عکس از: گوگل.
نمونه‌ای از تصاویر ثبت‌شده توسط دوربین‌های تله‌ای. عکس از: گوگل.

گوگل مدل هوش مصنوعی را برای شناسایی گونه‌های حیات وحش در تصاویر دوربین‌های تله‌ای منتشر کرد

گوگل مدل هوش مصنوعی خود به نام "SpeciesNet" را که برای شناسایی گونه‌های جانوری در عکس‌های دوربین‌های تله‌ای طراحی شده است، به طور عمومی منتشر کرد.

گوگل در یک پست وبلاگی در هفته گذشته، از انتشار SpeciesNet، یک مدل متن‌باز خبر داد که عکاسان و محققان می‌توانند آن را در جعبه ابزار دوربین از راه دور ادغام کنند.

SpeciesNet شامل یک مدل برای شناسایی اشیاء در تصاویر دوربین‌های تله‌ای است که حیات وحش را پایش می‌کنند و یک مدل دوم برای طبقه‌بندی آن اشیاء به گونه‌های جانوری.

در حالی که دوربین‌های از راه دور ابزارهای مفیدی برای کمک به پایش گونه‌های گریزان در مناطق دورافتاده هستند، این دستگاه‌ها مقادیر زیادی فیلم تولید می‌کنند که بررسی آن‌ها توسط محققان زمان زیادی می‌برد.

از سال 2019، زیست‌شناسان حیات وحش از طریق ابزاری مبتنی بر Google Cloud به نام Wildlife Insights به SpeciesNet دسترسی داشته‌اند که به محققان در شناسایی گونه‌ها با تجزیه و تحلیل عکس‌ها از دوربین‌های تله‌ای کمک کرده است. از روز دوشنبه، SpeciesNet اکنون به صورت عمومی به عنوان یک مدل متن‌باز منتشر شده است.

گوگل Wildlife Insights، ابتکاری از برنامه بشردوستانه Google Earth Outreach این شرکت را شش سال پیش راه اندازی کرد. این پلتفرمی را فراهم می‌کند که در آن محققان می‌توانند تصاویر حیات وحش را به صورت آنلاین به اشتراک بگذارند، شناسایی و تجزیه و تحلیل کنند و برای سرعت بخشیدن به تجزیه و تحلیل داده‌های دوربین تله‌ای همکاری کنند. بسیاری از ابزارهای تجزیه و تحلیل Wildlife Insights توسط SpeciesNet پشتیبانی می‌شوند.

SpeciesNet می‌گوید ابزار هوش مصنوعی آن می‌تواند به "متخصصان حفاظت کمک کند تا زمان بیشتری را صرف حفاظت کنند و زمان کمتری را صرف بررسی تصاویر کنند."

بر اساس گزارشی از TechCrunch، گوگل می‌گوید که SpeciesNet بر روی بیش از 65 میلیون تصویر در دسترس عموم از سازمان‌هایی مانند مؤسسه زیست‌شناسی حفاظتی اسمیتسونیان، انجمن حفاظت از حیات وحش، موزه علوم طبیعی کارولینای شمالی و انجمن جانورشناسی لندن آموزش داده شده است. SpeciesNet داده‌های جمع‌آوری‌شده از مدل‌های زیربنایی خود را ترکیب می‌کند تا در مورد هر حیوانی که شناسایی می‌کند پیش‌بینی کند و درصد دقت را برچسب‌گذاری کند.

SpeciesNet می‌تواند حیوانات را در حداکثر 2000 دسته در رده‌های بالاتر تا سطح گونه طبقه‌بندی کند، و گونه‌های جانوری، تاکسون‌هایی مانند "پستانداران" یا "Felidae" (گربه‌سانان) و اشیاء غیرجانوری (به عنوان مثال "وسیله نقلیه") را پوشش می‌دهد.

صندوق جهانی حیات وحش (WWF) می‌گوید که SpeciesNet می‌تواند طیف گسترده‌ای از گونه‌ها را با دقت قابل توجهی تشخیص دهد. این مدل 99.4٪ از تصاویر حاوی حیوانات را تشخیص می‌دهد و هنگامی که مدل پیش‌بینی می‌کند حیوانی وجود دارد، 98.7٪ مواقع درست است. علاوه بر این، این مدل 94.5٪ مواقع هنگام پیش‌بینی در سطح گونه دقیق است.