AI 요약
구글 리서치는 2026년 3월 6일, 야생 동물 카메라 트랩 이미지를 자동 식별하는 AI 도구인 'SpeciesNet'의 성과를 발표했습니다. 원래 'Wildlife Insights' 플랫폼의 일부였던 이 모델은 1년 전 오픈소스로 전환되어 전 세계 연구자들이 자유롭게 활용하고 개선할 수 있게 되었습니다. SpeciesNet은 보존 파트너들이 제공한 6,500만 개의 라벨링된 이미지를 기반으로 딥러닝 학습을 거쳤으며, 현재 약 2,500가지 동물 범주를 분류할 수 있는 능력을 갖추고 있습니다. 이 기술은 수만 장에서 수백만 장에 이르는 카메라 트랩 이미지를 수동으로 분류해야 했던 기존의 한계를 극복하여 연구자들이 야생 동물의 패턴과 보존 문제를 더 넓은 관점에서 탐구할 수 있게 합니다. SpeciesNet은 'Google Earth AI' 프로젝트의 핵심 구성 요소로서, 지형 공간 도구 및 데이터세트와 결합하여 지구의 시급한 환경 문제를 해결하는 데 기여하고 있습니다.
핵심 인사이트
- 6,500만 개의 라벨링된 이미지를 학습 데이터로 활용하여 모델의 정확도와 범용성을 확보함.
- 전 세계 약 2,500개의 동물 범주를 자동으로 분류할 수 있어 광범위한 종 식별이 가능함.
- 2025년 오픈소스로 공개된 이후 지난 12개월 동안 콜롬비아, 미국 아이다호, 호주, 탄자니아 등 글로벌 연구 현장에서 실전 투입됨.
- Google Earth AI의 일환으로 운영되며, 커뮤니티와 비영리 단체에 딥 플래니터리 인텔리전스(Deep Planetary Intelligence)를 제공함.
주요 디테일
- 주요 식별 사례: 콜롬비아의 퓨마와 오셀롯, 아이다호의 엘크와 흑곰, 호주의 화식조와 사향쥐캥거루, 세렝게티의 사자와 코끼리 등을 성공적으로 포착 및 식별함.
- 기술적 메커니즘: 열 복사 본체의 움직임에 의해 트리거되는 카메라 트랩의 특성을 활용, 딥러닝을 통해 이미지 속 동물을 자동 감지함.
- 연구 효율성 증대: 수백 대의 카메라가 생성하는 방대한 데이터를 자동화함으로써, 수동 식별 시 소요될 수 있는 수십 년의 시간을 절약함.
- 데이터 활용 목적: 개체군 건강 상태 파악, 기후 변화에 따른 동물 이동 연구, 개체 수 관리를 위한 증거 기반의 측정 데이터 수집 등임.
- Snapshot Serengeti 프로그램: 탄자니아 세렝게티 국립공원에서 촬영된 코끼리, 수사자, 얼룩말, 멧돼지 등의 고화질 데이터를 분석 모델에 통합함.
향후 전망
- 오픈소스 생태계를 통해 더 많은 연구자들이 모델을 각 지역 특성에 맞게 수정 및 보완하여 생물 다양성 모니터링의 정밀도가 더욱 높아질 것으로 예상됨.
- 지형 공간 데이터와 결합된 AI 모델이 기후 위기 대응 및 멸종 위기 종 보호를 위한 실시간 의사결정 지원 도구로 발전할 전망임.