عرضه مدل هوش مصنوعی «SpeciesNet» برای حیات وحش

پژوهشگران در سراسر جهان برای مطالعه حیات وحش از دوربین‌های تله‌ای که دوربین‌های دیجیتال متصل به حسگرهای فروسرخ هستند، استفاده می‌کنند اما از سوی دیگر با توجه به اینکه دوربین‌های تله‌ای می‌توانند اطلاعات ارزشمندی را ارائه دهند، حجم زیادی را از داده‌ها تولید می‌کنند که بررسی آنها روزها تا هفته‌ها طول می‌کشد.

گوگل حدود ۶ سال پیش بمنظور کمک کردن به پژوهشگران حیات وحش،  «Wildlife Insights» را راه‌اندازی کرد که ابتکار برنامه «Google Earth Outreach» این شرکت است که بر این اساس در  پلتفرم Wildlife Insights بستری را فراهم می‌کند که در آن پژوهشگران می‌توانند تصاویر حیات وحش را به صورت آنلاین منتشر کنند، آنها را مورد بررسی قرار دهند و برای سرعت بخشیدن به تحلیل داده‌های دوربین تله‌ای با یکدیگر همکاری داشته باشند.

اما بسیاری از فناوری‌های تحلیل Wildlife Insights توسط مدل «SpeciesNet» پشتیبانی می‌شوند که گوگل ادعا می‌کند روی بیش از ۶۵ میلیون تصویر در دسترس عموم آموزش دیده‌اند.

در واقع این تصاویر از سازمان‌هایی مانند «موسسه زیست‌شناسی حفاظت اسمیتسونین»، «انجمن حفاظت از حیات وحش»، «موزه علوم طبیعی کارولینای شمالی» و «انجمن جانورشناسی لندن» به دست آمده‌اند. 

طبق آنچه گوگل اعلام کرده است SpeciesNet می‌تواند تصاویر را زیرمجموعه یکی از بیش از ۲۰۰۰ عنوان طبقه‌بندی کند که گونه‌های جانوری و موارد غیر حیوانی مانند خودرو را پوشش می‌دهند.

در واقع انتشار مدل هوش مصنوعی SpeciesNet به توسعه‌دهندگان فناوری، دانشگاهیان و استارت‌آپ های مرتبط با تنوع زیستی امکان می‌دهد تا نظارت بر تنوع زیستی را در مناطق طبیعی مقیاس‌بندی کنند.

مدل هوش مصنوعی SpeciesNet تحت مجوز «آپاچی ۲.۰»(Apache 2.0) در وب‌سایت «گیت‌هاب»(GitHub) در دسترس است؛ به این معنی که می‌توان از آن به صورت تجاری تا حد زیادی بدون محدودیت استفاده کرد.

گفتنی است، هوش مصنوعی گوگل تنها مدل منبع باز برای خودکارسازی تحلیل تصاویر دوربین تله‌ای نیست. هوش مصنوعی «AI for Good Lab» شرکت «مایکروسافت» نیز «PyTorch Wildlife» را حفظ می‌کند که یک چارچوب هوش مصنوعی است و مدل‌های از پیش آموزش‌دیده را برای تشخیص و طبقه‌بندی حیوانات به خوبی تنظیم می‌کند.