Google 推出自然保護三項 AI 舉措：開源物種識別模型 SpeciesNet

SpeciesNet 是 Google 開源的野生動物識別 AI 模型，專門用來分析野外紅外相機拍攝的照片，自動辨認畫面裡的動物物種。

做野外生態調查的人都知道，紅外觸發相機一架就是幾個月，收回來的儲存卡里動輒有數萬張甚至幾十萬張照片。人工一張張剔除風吹草動、辨認是哪種動物，往往要耗費幾個月的時間。

它能做什麼

SpeciesNet 解決的就是這個篩選和分類痛點。模型能夠讀取相機陷阱拍下的複雜野外影像，快速過濾掉沒有動物的空鏡頭，並自動標記出具體的野生動物物種。

這項技術並不是剛出實驗室的半成品。自 2019 年起，已有數千名野生動物生物學家通過 Google Cloud 支援的 Wildlife Insights 平臺使用 SpeciesNet，用來輔助生物多樣性監測和保護決策。這次 Google 選擇把模型本身開源，讓開發者、科研團隊和生態初創公司可以把它直接整合到自己的工具或本地工作流中。

配套的加速器與 300 萬美元基金

開源 SpeciesNet 是 Google 3 月 3 日公佈的三項自然保護舉措之一。除了開放模型，Google 還拿出了實際的資金和孵化資源。

第一項是啟動 Google for Startups Accelerator: AI for Nature 加速器。這是 Google 首次針對自然保護技術設立的專項加速計劃，面向美洲地區的初創團隊，提供為期 10 周的線上培訓，由 Google 工程師和專家進行一對一技術指導。申請視窗為 2025 年 3 月 3 日至 3 月 31 日，入選專案將於 5 月開營。

第二項是 Google.org 聯合巴西氣候與社會研究所（iCS）設立的 300 萬美元專項資助基金。這筆資金將公開招募並資助巴西本地非營利機構和研究中心，重點支援三個方向的 AI 應用：扭轉生物多樣性流失（契合全球 30x30 保護目標）、發展生物經濟（包括可持續林產品價值鏈），以及面向小農戶的再生農業。

為什麼重要

生物多樣性監測長期受困於兩件事：野外資料處理成本極高，以及生態保護團隊普遍缺乏演算法研發能力。很多保護區連基本的資料管道都沒建好，更別提自己訓練一套高精度的物種分類模型。

SpeciesNet 的開源把經過數年實際檢驗的工業級視覺模型直接交到了研究者手裡。對於從事生態保護、林業調查的科研機構和開發者來說，現在不需要依賴雲端平臺或重複造輪子，就能在邊緣裝置或本地伺服器上搭建屬於自己的自動化監測管線。

我們認為，Google 這次把開源模型、區域加速器和非營利資助打包推進，思路相當務實。比起單純辦一場比賽或發一筆贊助，直接開放關鍵演算法底層，才是降低生態保護數字化門檻最有效的方式。