SpeciesNet completa um ano como ferramenta aberta para identificar animais com IA

O que aconteceu

Em 6 de março de 2026, o Google Research publicou um balanço do primeiro ano do SpeciesNet, seu modelo de IA aberto para identificação de espécies em imagens de câmeras de monitoramento (o chamado camera trap). Segundo Tanya Birch e Dan Morris, do Google Research, o modelo é capaz de classificar quase 2.500 categorias de animais, graças a um treinamento com 65 milhões de imagens rotuladas fornecidas por parceiros de conservação. Originalmente parte da plataforma Wildlife Insights, o SpeciesNet foi lançado em código aberto há um ano, permitindo que qualquer pessoa baixe, adapte e refine o modelo.

Contexto

Câmeras de monitoramento acionadas por movimento são usadas por pesquisadores, gestores de parques e até moradores para registrar a vida selvagem local. Com o barateamento da tecnologia, projetos passaram a instalar dezenas ou centenas de câmeras ao mesmo tempo, gerando volumes gigantescos de imagens. Um pesquisador poderia levar décadas para identificar manualmente milhões de registros. É nesse gargalo que o SpeciesNet atua: a IA assume a tarefa de reconhecer automaticamente as espécies nas fotos, acelerando a análise e permitindo que cientistas se concentrem em questões mais amplas sobre padrões ecológicos.

Por que importa

Nos últimos 12 meses, grupos de pesquisa em diferentes países usaram o SpeciesNet para monitorar espécies emblemáticas: pumas e jaguatiricas na Colômbia, alces e ursos-negros em Idaho (EUA), cangurus-ratos e casuares na Austrália, e leões e elefantes no Parque Nacional de Serengeti, na Tanzânia. A identificação automática é fundamental para avaliar a saúde das populações animais, detectar mudanças rapidamente e estudar migrações — dados essenciais para políticas de conservação baseadas em evidências.

Impacto

No curto prazo, o SpeciesNet reduz o custo e o tempo de análise em projetos de monitoramento, permitindo que organizações menores tenham acesso a uma capacidade que antes era restrita a grandes centros de pesquisa. No médio prazo, o acúmulo de dados padronizados e comparáveis pode melhorar a qualidade das decisões sobre preservação de habitats e espécies ameaçadas. O modelo também integra o Google Earth AI, um conjunto de ferramentas geoespaciais e modelos de IA para análise planetária, o que indica que a identificação de espécies tende a ser combinada com outros dados ambientais.

O que muda

Com o SpeciesNet em código aberto, o monitoramento da biodiversidade deixa de depender de equipes especializadas na triagem manual de imagens. Projetos comunitários e científicos podem adaptar o modelo e colaborar no refinamento contínuo, alimentando uma rede global de conhecimento sobre fauna. A aproximação entre tecnologia e conservação, na prática, torna mais viável responder perguntas que antes eram inviáveis por limitação de recursos.

O que vem agora

O Google Research não anunciou novos recursos específicos no artigo de aniversário, mas o histórico recente indica duas direções: ampliar o número de espécies e categorias suportadas e integrar o SpeciesNet a outras ferramentas do Google Earth AI, como mapas e dados de cobertura do solo. A tendência é que mais países e projetos adotem o modelo, especialmente em regiões de alta biodiversidade onde o monitoramento manual é mais crítico.

Fontes

• Google Research Blog — "Where wild things roam: Identifying wildlife with SpeciesNet" (https://research.google/blog/where-wild-things-roam-identifying-wildlife-with-speciesnet/)