Google、野生動物識別AI「SpeciesNet」をオープンソース公開、カメラトラップ画像から2,500種を自動識別

SpeciesNetは哺乳類・鳥類・爬虫類を含む約2,500種を自動識別するAIモデルで、GoogleがGitHubでオープンソース公開した
タンザニアのSnapshot Serengetiプロジェクトでは1,100万枚の未処理写真を数日以内に処理し、数十年分のデータ解析を実現した
オーストラリアでは現地固有種向けに追加学習した独自バージョンを開発し、絶滅危惧種の継続的な監視に活用している

SpeciesNetとは

SpeciesNetは、カメラトラップ（動体感知で自動撮影する野外カメラ）で撮影した画像から野生動物の種を自動識別するAIモデルです。哺乳類・鳥類・爬虫類を合わせた約2,500カテゴリに対応しており、GoogleはこのモデルをGitHub上でオープンソースとして公開しました。

このモデルは2019年からGoogleが提供する野生動物観測プラットフォーム「Wildlife Insights」を通じて利用されてきました。今回のオープンソース化によって、世界中の研究者や開発者が自由に使用・改良できます。

複数角度からの撮影や暗所での撮影、動物が画面の一部にしか映っていないケースにも対応しており、実際の野外撮影環境を想定した設計が施されています。

野生動物の保護管理においてカメラトラップは重要な調査手段ですが、蓄積される画像枚数は膨大で、人手による種の識別作業は長年の課題でした。SpeciesNetはこの課題に直接対応するツールとして位置づけられています。

世界4地域での活用事例

オープンソース公開から1年で、世界の研究機関や行政機関での実用が着実に広がっています。導入が進んでいるのは次の4地域です。

タンザニア: 「Snapshot Serengeti」プロジェクトがセレンゲティ国立公園で運用
コロンビア: フンボルト研究所がアマゾン熱帯雨林の生態系監視に活用
アメリカ: アイダホ州魚類野生生物局が州内のカメラトラップ画像を分類
オーストラリア: 「Wildlife Observatory of Australia（WildObs）」が固有種向けに改良

それぞれの導入状況を順に見ていきます。

タンザニアの「Snapshot Serengeti」は2010年から続くプロジェクトで、以前はオンラインボランティアによる人手識別に頼っていましたが、処理しきれない画像が積み残されていました。SpeciesNetを導入した結果、1,100万枚の未処理写真を数日で処理することに成功し、数十年分の動物行動・個体数データの解析が一気に進みました。

コロンビアのフンボルト研究所は、2025年に全国規模のカメラトラップネットワーク「Red Otus」を立ち上げました。数万枚の画像を解析し、一部の哺乳類が脅威を回避するために夜行性化していること、都市近郊では鳥類の活動開始時刻が遅れていることが明らかになっています。

アメリカのアイダホ州魚類野生生物局は、州内の数百台のカメラトラップから毎年集まる数百万枚の画像をSpeciesNetで事前に種別分類しています。最終確認は専門家が行いますが、SpeciesNetが前処理を担うことでレビュー作業の効率が大幅に向上しました。

オーストラリアのWildObsは、オープンソース版をベースにファインチューニング（既存モデルを特定の用途向けに追加学習させる手法）を施し、現地固有種に対応した独自バージョンを開発しました。オーストラリアには世界で他に見られない固有種が数多く生息しており、地域データで追加学習することで絶滅危惧種を含む固有種の監視を実現しています。

オープンソース公開の意義

SpeciesNetのオープンソース化は、生態系保護の現場にとって複数の面で実用的な価値をもたらします。各地域の研究機関が自組織のカメラトラップデータに合わせてモデルを追加学習できる点は、オーストラリアの事例が示すとおりです。また、導入コストを大幅に抑えられるため、予算が限られた非営利団体や途上国の研究機関も活用できます。

野生動物の個体数変動や行動パターンの変化は、生態系の健全性を測る指標です。データ不足や分析リソースの制約により保護政策の立案が遅れるケースは少なくなく、SpeciesNetのような自動識別ツールは、意思決定に必要なエビデンスの収集を加速する役割を果たします。モデルの改良を世界中の開発者と研究者が継続的に行える点も、長期的な精度向上につながるでしょう。

技術的特徴と今後の展開

SpeciesNetはカメラトラップという特殊な撮影環境に特化して設計されており、暗所撮影・画角の一部にしか映らない動物・複数角度での撮影など、野外で想定される多様な条件に対応しています。モデルの詳細な学習プロセスや性能評価については、Google Research Blogで公開されています。

商用AIの競争が激化する中、SpeciesNetは環境・生態系保護へのAI応用の具体例といえます。Googleは「Wildlife Insights」プラットフォームを通じて長年この分野を支援しており、オープンソース化はその延長線上にある取り組みです。研究者や開発者が今すぐ利用・改良できる状態で公開されており、保護活動のデータドリブン化を後押しすると見られます。