اسپیشیزنِت (SpeciesNet) مدل هوش مصنوعی متن‌بازی است که گوگل توسعه داده و از زمان انتشار، تحولی در پایش حیات‌وحش ایجاد کرده است. این مدل با تحلیل تصاویر دوربین‌های تله‌ای (camera trap) قادر است نزدیک به ۲۵۰۰ گونه جانوری مختلف را شناسایی کند و بدین ترتیب ساعات بی‌شماری از کار دستی محققان را صرفه‌جویی می‌کند.
از یک سال پیش که اسپیشیزنِت به صورت متن‌باز منتشر شد، گروه‌های حفاظتی در سراسر جهان این فناوری را برای تسریع تلاش‌های پژوهشی خود به کار گرفته‌اند. پروژه اسنپ‌شات سرنگتی (Snapshot Serengeti) در تانزانیا از این مدل برای پردازش ۱۱ میلیون عکس استفاده کرد و مطالعات حیات‌وحش حیاتی این پروژه را به طور چشمگیری سرعت بخشید.
در کلمبیا و استرالیا نیز پژوهشگران از اسپیشیزنِت برای نظارت بر تغییرات جمعیت حیات‌وحش و حفاظت از گونه‌های بومی منحصربه‌فرد استفاده می‌کنند. این فناوری به حفاظت‌گران امکان می‌دهد الگوهای رفتاری حیوانات را پیگیری کرده و تهدیدات علیه گونه‌های در معرض خطر را سریع‌تر شناسایی کنند.
سازمان‌های حیات‌وحش ایالت آیداهو نیز این مدل را پذیرفته‌اند تا میلیون‌ها تصویر دوربین را دسته‌بندی کنند و ردیابی گسترده حیات‌وحش در سطح ایالت را کارآمدتر و دقیق‌تر سازند.
توانایی این مدل هوش مصنوعی در شناسایی سریع و دقیق حیوانات از داده‌های دوربین‌های تله‌ای به این معناست که محققان به جای صرف ماه‌ها وقت برای دسته‌بندی دستی تصاویر، می‌توانند بر تحلیل و تدوین استراتژی‌های حفاظتی تمرکز کنند. این پیشرفت نشان‌دهنده گامی بلند در حفاظت از حیات‌وحش جهان است.
اسپیشیزنِت نشان می‌دهد که چگونه ابزارهای هوش مصنوعی متن‌باز می‌توانند فناوری حفاظتی را دموکراتیزه کنند و به سازمان‌هایی با منابع محدود امکان دسترسی به قابلیت‌های قوی پایش حیات‌وحش را بدهند. با به اشتراک‌گذاری آزادانه این فناوری، تیم تحقیقاتی گوگل (Google Research) توانمندی‌های پیشرفته یادگیری ماشینی را در اختیار گروه‌های حفاظتی بیشتری در سراسر جهان قرار می‌دهد تا درک و حفاظت از جمعیت‌های حیات‌وحش بهبود یابد.
گفتگو