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

به گزارش ایتنا از ایسنا، در تلاش برای کمک کردن به پژوهشگران حیات وحش، گوگل حدود ۶ سال پیش «Wildlife Insights» را راه‌اندازی کرد که ابتکار برنامه «Google Earth Outreach» این شرکت است. 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.

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. 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.

گوگل می‌گوید که 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.

گوگل در یک پست وبلاگ که روز دوشنبه منتشر شد، نوشت: 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.

شایان ذکر است که 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.