От пумы, крадущейся на рассвете через колумбийский лес, до казуара, шагающего по австралийскому бушу, — фотоловушки дают нам беспрецедентный взгляд на жизнь животных без присутствия человека. Но для биологов и экологов превратить миллионы таких снимков в полезные данные — задача, на которую раньше уходили годы. Сегодня с этим справляется искусственный интеллект.

Что такое SpeciesNet

SpeciesNet — это открытая AI-модель от Google, обученная автоматически распознавать почти 2 500 категорий млекопитающих, птиц и рептилий на снимках с камер-ловушек (camera traps). Модель работает в рамках платформы Wildlife Insights с 2019 года, а в марте 2025-го Google выпустила её в открытый доступ на GitHub под лицензией Apache 2.0.

За год, прошедший с момента публикации исходного кода, исследовательские группы по всему миру — от Серенгети до Айдахо — начали использовать SpeciesNet для анализа своих данных быстрее, чем когда-либо.

ℹ Ключевые цифры SpeciesNet
  • 65 млн размеченных изображений использовано для обучения
  • 2 500 категорий животных распознаёт модель
  • 99,4% — доля обнаружения животных на снимках
  • 98,7% — точность при определении наличия животного
  • 94,5% — точность на уровне конкретного вида

Как устроена модель

SpeciesNet состоит из двух нейросетей, работающих в связке. Первая — детектор объектов (на базе MegaDetector) — находит на снимке области, содержащие животных. Вторая — классификатор видов на архитектуре EfficientNet V2 M — определяет, какое именно животное попало в кадр.

Такой двухэтапный подход повышает точность: модель сначала отсекает пустые кадры (а их в типичном наборе данных фотоловушек до 75%), а затем концентрируется на классификации.


graph LR
    A["📷 Снимок с фотоловушки"] --> B["🔍 Детектор объектов
(MegaDetector)"]
    B --> C{"Животное
обнаружено?"}
    C -- Нет --> D["❌ Пустой кадр"]
    C -- Да --> E["🧠 Классификатор видов
(EfficientNet V2 M)"]
    E --> F["✅ Вид: пума
Уверенность: 96%"]

SpeciesNet умеет распознавать животных с разных ракурсов, при разном освещении и даже когда в кадре видна лишь часть тела. Но иногда звери сами подходят к камере и заглядывают прямо в объектив — получается настоящий портрет.

Кто и как использует SpeciesNet

Африка: проект Snapshot Serengeti

Проект Snapshot Serengeti работает с фотоловушками в национальном парке Серенгети (Танзания) совместно с Танзанийским институтом исследования дикой природы с 2010 года. Изначально снимки классифицировали онлайн-волонтёры — более 28 000 зарегистрированных пользователей. Но объём данных рос быстрее, чем добровольцы успевали их обрабатывать.

Руководитель проекта Тодд Майкл Андерсон из Университета Уэйк-Форест (Северная Каролина) использовал SpeciesNet для обработки накопившихся 11 миллионов фотографий — десятилетия наблюдений были проанализированы за считанные дни. Теперь команда изучает долгосрочную динамику поведения и численности фауны в одном из самых биоразнообразных регионов Африки.

Южная Америка: Институт Гумбольдта в Колумбии

Давние партнёры Google — учёные из колумбийского Института Гумбольдта — используют SpeciesNet через платформу Wildlife Insights. Многие виды, за которыми следит институт, обитают в тропических лесах Амазонии — регионе с колоссальным биоразнообразием, который стремительно меняется.

В 2024 году на конференции COP16 институт запустил Red Otus — национальную сеть фотоловушек, которая уже насчитывает 446 камер на государственных и частных территориях по всей стране, с планами расширения до 1 300 устройств. Анализ десятков тысяч собранных изображений выявил тревожные тенденции:

  • Некоторые млекопитающие становятся более ночными — вероятно, чтобы избежать угроз со стороны человека
  • Птицы в застроенных районах появляются позже утром — возможно, из-за хищников, активных на рассвете
⚠ Почему это важно
Изменение суточных ритмов — ранний индикатор стресса в экосистеме. Если дневные виды вынуждены переходить на ночной образ жизни, это может говорить о нарушении пищевых цепочек и сокращении естественной среды обитания.

Северная Америка: Департамент охоты и рыболовства Айдахо

Департамент охоты и рыболовства штата Айдахо (IDFG) — один из многих государственных агентств в США и Канаде, использующих SpeciesNet. Департамент размещает сотни фотоловушек по всему штату, особенно в лесистых северных районах. SpeciesNet предварительно сортирует снимки по видам, а эксперты проводят финальную проверку — это значительно ускоряет обработку миллионов изображений, собираемых каждый год.

Австралия: Wildlife Observatory of Australia

Австралийские коллеги из проекта Wildlife Observatory of Australia (WildObs) пошли дальше: они взяли открытый код SpeciesNet и дообучили модель на местных видах, которых не было в исходном наборе данных. Австралия — дом для множества эндемиков, не встречающихся больше нигде на планете. Адаптированная версия SpeciesNet позволяет отслеживать редкие и находящиеся под угрозой виды — от казуаров до красноногих филандеров.

Партнёры и результаты по регионам

РегионОрганизацияМасштаб данныхКлючевой результат
ТанзанияSnapshot Serengeti11 млн фотоАнализ десятилетий данных за несколько дней
КолумбияИнститут Гумбольдта446 камер, 100 000+ фотоОбнаружены изменения суточных ритмов
США (Айдахо)IDFGСотни камер, миллионы фото/годАвтоматическая предсортировка по видам
АвстралияWildObsНац. сеть камерДообучение на 100+ эндемичных видов

Почему open-source меняет правила игры

До открытия исходного кода SpeciesNet был доступен только через облачную платформу Wildlife Insights. Теперь любая исследовательская группа может:

  • Запустить модель локально — без отправки данных в облако (важно для регионов со слабым интернетом)
  • Дообучить на своих данных — как сделали австралийцы для эндемичных видов
  • Интегрировать в свои пайплайны — модель доступна через Python API
💡 Как попробовать
Репозиторий SpeciesNet доступен на GitHub: google/cameratrapai. Лицензия Apache 2.0 позволяет свободно использовать модель, в том числе в коммерческих целях, при указании авторства.
# Пример запуска SpeciesNet (упрощённо)
from cameratrapai import SpeciesNet

model = SpeciesNet()
results = model.predict("path/to/camera_trap_images/")

for result in results:
    print(f"Файл: {result.filename}")
    print(f"Вид: {result.species} ({result.confidence:.1%})")

Что дальше

SpeciesNet — лишь один из примеров того, как открытые AI-модели трансформируют науку о сохранении биоразнообразия. Вместо того чтобы тратить месяцы на ручную классификацию, исследователи могут сосредоточиться на том, что действительно важно: анализе тенденций, разработке стратегий защиты и реагировании на экологические угрозы.


timeline
    title Хронология SpeciesNet
    2019 : Запуск в Wildlife Insights
    2024 : Red Otus — COP16
    2025 (март) : Open-source релиз
    2025–2026 : 4+ крупных партнёрства
    2026 : Дообучение на региональных видах

Компания Google продолжает развивать экосистему AI-инструментов для экологии, включая программу Google for Startups Accelerator: AI for Nature, поддерживающую стартапы, которые применяют ИИ для решения природоохранных задач.

Нейросеть не заменит полевого биолога — но она освободит ему руки для работы, которую может делать только человек: наблюдения, анализа и принятия решений о будущем экосистем.