Google은 2026년 3월 6일 "How our open-source AI model SpeciesNet is helping to promote wildlife conservation"를 통해 SpeciesNet의 현장 적용 성과를 공개했다. 핵심 메시지는 단순하다. 야생동물 보전에서 가장 큰 병목인 대규모 이미지 판독을 AI로 줄여 연구·보전 의사결정 속도를 높이겠다는 것이다.

SpeciesNet은 모션 감지 카메라 트랩 사진에서 동물을 자동 분류하는 모델로, Google 설명 기준 포유류·조류·파충류를 포함한 약 2,500개 범주를 식별한다. 또한 이 모델은 2019년부터 Wildlife Insights 플랫폼에서 활용되어 왔고, 약 1년 전 오픈소스로 공개된 이후 더 많은 기관이 직접 도입·확장하고 있다고 밝혔다.

사례도 구체적이다. 탄자니아의 Snapshot Serengeti 프로젝트는 SpeciesNet을 활용해 1,100만 장 백로그를 며칠 안에 처리해 장기 행동·개체수 분석을 가속했다. 콜롬비아의 Humboldt Institute와 Red Otus 네트워크는 수만 장 이미지를 분석해 새 이동 시기 변화, 일부 포유류의 야행성 증가 같은 패턴을 추적했다. 미국 Idaho Department of Fish and Game은 연간 수백만 장을 SpeciesNet으로 사전 분류한 뒤 전문가가 최종 검증하는 구조를 운영 중이다. 호주의 WildObs는 지역 고유종 관측에 맞게 모델을 추가 학습해 현지 보전 우선순위에 대응하고 있다.

이 흐름은 "정확도 경쟁"보다 "현장 운영 규모" 측면에서 의미가 크다. 오픈소스 모델이 공공·연구 기관의 진입 장벽을 낮추고, 동일한 데이터 처리 관행을 확산시키면 장기 생물다양성 모니터링 체계가 더 일관되게 축적될 수 있기 때문이다.

결국 SpeciesNet의 가치는 완전 자동화가 아니라 human-in-the-loop 구조를 유지하면서도 초기 분류 비용을 크게 낮추는 데 있다. 보전 현장에서 필요한 것은 화려한 데모보다 지속 가능한 처리량이며, 이번 공개는 그 방향을 분명히 보여준다.

#speciesnet

Google, 오픈소스 SpeciesNet으로 야생동물 모니터링 확장