Googleは2026年3月6日、"How our open-source AI model SpeciesNet is helping to promote wildlife conservation"を公開し、SpeciesNetの国際的な現場活用を詳しく紹介した。狙いは、保全現場で最も時間を要する画像判読工程をAIで高速化し、研究と政策判断の速度を上げることにある。

SpeciesNetは、モーション検知カメラで取得した野生動物画像を分類するモデルで、Googleによれば哺乳類・鳥類・爬虫類を含む約2,500カテゴリを識別できる。2019年からWildlife Insights経由で使われ、約1年前に無償のオープンソースとして公開された後、導入主体が拡大しているという。

記事で示された事例は実務寄りだ。タンザニアのSnapshot Serengetiでは、SpeciesNetを使って1,100万枚の未処理画像を数日で分析し、長期的な行動・個体数研究を前進させた。コロンビアではHumboldt InstituteとRed Otusが数万枚の画像を解析し、鳥の渡り時期の変化や一部哺乳類の夜行性シフトといった兆候を観測した。米国Idaho Department of Fish and Gameでは、年間の大量画像をSpeciesNetで事前分類し、専門家が最終確認する運用を採用している。豪州WildObsは地域固有種に合わせた追加学習モデルを構築し、現地の保全課題に対応している。

重要なのは、これは単なるモデル発表ではなく、保全オペレーションの処理能力を引き上げる基盤整備だという点だ。オープンソース化により、研究機関や公的機関が共通ツールでデータを扱える可能性が広がる。

SpeciesNetの価値は完全自動化ではなく、human-in-the-loopを維持したまま一次分類コストを大幅に下げることにある。地味だが再現可能な運用改善こそ、長期的な生物多様性モニタリングでは最も大きな成果につながる。

#speciesnet

Google、オープンソースSpeciesNetで野生動物モニタリングを拡大