Un modelo de IA entrenado con 65 millones de fotos ya identifica fauna de cámara trampa en 2.498 categorías, y es gratis

Entrenar un modelo de inteligencia artificial que reconozca fauna en fotos de cámara trampa solía exigir dos cosas que la mayoría de proyectos de conservación no tienen: cientos de miles de imágenes ya etiquetadas por especie, y el presupuesto para entrenar un modelo desde cero por cada sitio nuevo. Google lleva un año intentando quitar de en medio esa barrera con un modelo que cualquiera puede usar sin pagar licencia.

Se llama SpeciesNet, y hace justo un año, en 2025, Google lo liberó como código abierto bajo licencia Apache 2.0. Al cumplir su primer aniversario, Google reportó que el modelo ya trabaja en conjunto con más de 65 millones de imágenes usadas para entrenarlo, y que clasifica 2.498 categorías, entre especies de mamíferos, aves y reptiles, además de taxones de nivel superior y clases no animales como "vacío" o "vehículo".

Cómo funciona, en dos pasos

El modelo no trabaja solo. SpeciesNet opera junto a otro modelo abierto, MegaDetector, que primero decide qué imágenes (y qué píxeles dentro de esas imágenes) contienen un animal. Solo después SpeciesNet entra a decidir de qué especie se trata.

Ese diseño en dos pasos explica sus números de desempeño: según Google, el sistema encuentra el 99,4 % de las imágenes que sí contienen un animal, y en el 83 % de los casos logra bajar la clasificación hasta el nivel de especie, con un 94,5 % de acierto en esas predicciones específicas. En el resto de los casos, el modelo prefiere quedarse en un nivel taxonómico más general (género o familia) antes que arriesgar una especie equivocada.

El material de entrenamiento no salió de la nada: Google lo construyó con imágenes seleccionadas de la comunidad de usuarios de Wildlife Insights, además de repositorios públicos ya etiquetados, la plataforma de análisis de cámaras trampa que Google opera junto a un consorcio de organizaciones de conservación desde 2019.

Qué tan rápido procesa, y quién ya lo está usando

La velocidad es la otra mitad de la propuesta. Google reporta que SpeciesNet puede procesar cerca de 30.000 imágenes al día en un computador portátil corriente, o 250.000 o más al día con una tarjeta gráfica de gama baja para videojuegos. Eso es lo que le permitió a un investigador de Wake Forest University procesar un archivo represado de 11 millones de fotografías del proyecto Snapshot Serengeti en cuestión de días, un volumen que antes habría tomado meses de revisión manual.

El caso que más debería llamar la atención en Colombia está en el mismo reporte de Google: la Red Otus, la red nacional de cámaras trampa que opera el Instituto Humboldt desde que se lanzó en 2024 durante la COP16, usa SpeciesNet para procesar sus capturas, y según Google cuadruplicó el tamaño de su red hasta 446 cámaras, con más de 100.000 imágenes capturadas en 2025.

Lo real, y lo que todavía es una hipótesis

Vale la pena separar lo que ya está confirmado de lo que todavía es una posibilidad abierta. Que el modelo existe, es de código abierto, procesa millones de imágenes y ya lo adopta al menos una red institucional grande en Colombia, es un hecho documentado por Google. Que ese mismo modelo podría bajar aún más la barrera de entrada, no solo para redes con el respaldo institucional de un instituto de investigación nacional sino para una reserva privada pequeña, un colectivo comunitario o un grupo de estudiantes con un puñado de cámaras y sin presupuesto para desarrollo de software, es la parte hipotética.

El propio repositorio del proyecto da una pista de que esa vía ya se está explorando en otras partes del mundo: existe un tutorial oficial para ajustar el modelo a datos locales (fine-tuning), y ya hay variantes ajustadas por la comunidad para regiones tan distintas como el centro de India, el territorio del Norte de Australia, Hawái, el suroeste de Estados Unidos, Nueva Zelanda, Victoria, Ohio y los trópicos húmedos australianos. Ninguna de esas variantes públicas está ajustada todavía a fauna neotropical o colombiana específicamente, lo que deja abierta esa misma pregunta para quien quiera intentarlo primero en la región.

Qué cambia para quien apenas está empezando a monitorear

Antes de un modelo así, montar un sistema de identificación automática exigía dos proyectos en uno: conseguir miles de fotos etiquetadas por especie y luego entrenar (y mantener) un clasificador propio. Con un modelo base ya entrenado en 65 millones de imágenes, ese punto de partida cambia: la pregunta deja de ser "¿cómo entreno un modelo desde cero?" y pasa a ser "¿cuántas fotos locales necesito para ajustar uno que ya sabe reconocer miles de especies?".

Eso no resuelve todo. Un modelo entrenado mayormente con datos globales sigue teniendo puntos ciegos en especies raras o poco fotografiadas de una región concreta, y la clasificación automática nunca reemplaza del todo la validación de un biólogo cuando la decisión importa (un registro que amplía el rango de distribución de una especie, por ejemplo). Pero para el volumen grande de fotos de fauna común que hoy se revisa a mano, sin más razón que la falta de otra alternativa, la disponibilidad gratuita de un modelo de este tamaño cambia la ecuación de qué proyectos pueden permitirse monitorear con IA y cuáles no.