Skip to content
Published on

AI 自然 & バードウォッチング & 野生生物識別アプリ 2026 完全ガイド - Merlin Bird ID (Cornell)・iNaturalist・eBird・BirdNET・Picture Insect・Seek・PlantNet (Pl@ntNet)・PictureThis・Google Lens・モヤモ (MoYaMo)・キウィライブ・Picture Bird・ヤマレコ 徹底解説

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

はじめに — 2026年5月、AI 自然識別が「専門家レベル」に到達した

2020年までは、スマホに鳴き声を聞かせて種を当てさせるのは魔法のような体験だった。2026年5月現在、それは Merlin Bird ID の Sound ID をワンタップするだけで済む。Cornell Lab of Ornithology が運営する無料アプリは、米国東部で96%超、ユーラシア圏で85%超の種レベル精度を報告しており、iNaturalist は累計観測2億件を超え、シチズンサイエンスの基盤を作り上げた。

この記事はマーケティングマトリクスではない。鳥、植物、昆虫、キノコ、鉱物、そして登山 / トレイル系アプリまで、韓国のモヤモとキウィライブ、日本の YAMAP とヤマレコまで含めて、2026年現在の「現場でどのアプリがどの役割を担っているか」を率直に整理する。

AI 自然識別 2026 — 7つのカテゴリに分解する

まず全体像である。2026年の自然観察アプリ市場は次の7カテゴリに分かれる。

  1. 鳥識別 — 音響 + 写真: Merlin Bird ID、BirdNET、Picture Bird
  2. 鳥観測ログ / シチズンサイエンス: eBird、iNaturalist
  3. 総合野生生物識別: iNaturalist、Seek
  4. 植物識別: Pl@ntNet、PictureThis、PlantSnap、モヤモ
  5. 昆虫 / キノコ / 鉱物識別: Picture Insect、Picture Mushroom、Rock Identifier
  6. 登山 / トレイル / 自然コースアプリ: AllTrails、Komoot、Gaia GPS、YAMAP、トランゴ
  7. スマートカメラ / バードフィーダー: Bird Buddy、Birdfy (Netvue)

各カテゴリ内で OSS / 学術 / SaaS / 政府データのトラックがさらに分岐する。以下で1カテゴリずつ見ていく。

Merlin Bird ID — Cornell Lab の無料絶対王者

Cornell Lab of Ornithology の Merlin Bird ID は、2026年5月時点で鳥識別アプリの絶対王者である。無料、広告なし、オープンデータベースという三拍子が揃っている。

3つの識別モードがすべて1つのアプリに入っている。

  • Sound ID: マイクからリアルタイムに鳴き声を受け、種を推論する。スペクトログラムが可視化される。2021年のリリース以降毎年精度が大幅に改善され、2026年5月時点で世界約1,000種以上をカバーする。
  • Photo ID: 写真を撮ってアップすると、ビジョンモデルが候補を絞る。eBird 観測データを事前分布 (prior) として使い、位置 / 季節情報も活用する。
  • Step-by-Step: 色、大きさ、行動、生息地など5つの質問に答えて候補を絞る非 AI 分岐。オフラインでも動く。

内部モデルは音響 / 視覚とも CNN ベース + Transformer 後処理 の構造で知られる。学習データは Cornell の Macaulay Library 音源と eBird 写真 + 位置メタデータである。

# Cornell の BirdNET-Analyzer (学術 / OSS) のローカル実行例
# Merlin 自体はクローズドだが、同じ研究室の BirdNET は OSS として公開されている。
pip install birdnetlib
python - <<'PY'
from birdnetlib import Recording
from birdnetlib.analyzer import Analyzer

analyzer = Analyzer()
rec = Recording(
    analyzer,
    "field-recording.wav",
    lat=35.6812, lon=139.7671,  # 東京座標
    date=__import__("datetime").datetime(2026, 5, 16),
    min_conf=0.25,
)
rec.analyze()
for d in rec.detections:
    print(d["common_name"], d["confidence"])
PY

Merlin は アプリ単体で完結するシチズンサイエンスツール である。日本のユーザーは「地域 (region) パック」として Northeast Asia をダウンロードすれば、日本 / 韓国 / 東シナ海沿岸の種を一気にカバーできる。

BirdNET — 音響 ML のオープンソース基準点

BirdNET は Cornell Lab と TU Chemnitz が共同開発した音響鳥識別モデルである。Merlin がクローズドな一般ユーザー向けアプリなら、BirdNET は 学術 / OSS のバックエンド に位置する。

  • BirdNET-Analyzer: コマンドライン / Python ライブラリ。6,000種以上をカバー。
  • BirdNET-Pi: Raspberry Pi にマイクを付けて24時間自動録音 + 識別。バックヤード監視として爆発的人気。
  • BirdNET-Go: 同じモデルを Go へ移植した組込 / エッジ向けライン。

学術引用も活発である。2026年5月時点で Google Scholar 引用6,000件超、環境省 / 国立科学博物館 / 韓国 NIBR など各国政府のモニタリング事業でもバックエンドに使われている。

# BirdNET-Analyzer を活用した庭の24/7 モニタリング
from birdnetlib import Recording
from birdnetlib.watcher import DirectoryMultiProcessingAnalyzer
from birdnetlib.analyzer import Analyzer

analyzer = Analyzer()
watcher = DirectoryMultiProcessingAnalyzer(
    "/data/recordings",
    analyzers=[analyzer],
    lat=35.6812,
    lon=139.7671,
    min_conf=0.40,
)
watcher.watch()

Merlin と BirdNET は 同じファミリーで異なるインターフェース と捉えれば良い。エンドユーザーは Merlin を、研究者 / 市民モニタリング運営者は BirdNET を選ぶ。

eBird — シチズンサイエンス鳥観測データの世界標準

eBird も Cornell Lab が運営している。2002年のローンチ以降、2026年5月時点で累計観測 17億件超の鳥観測ログプラットフォームである。

  • チェックリスト (checklist) 単位で時刻 / 場所 / 種 / 個体数を記録する。
  • ホットスポット: ユーザーが登録した「有名観察地」。東京の谷津干潟、大阪南港野鳥園、ソウル漢江公園などすべて登録されている。
  • eBird API: 無料 (レートリミットあり)。観測データ、種分布、ホットスポットを JSON で提供。

eBird データは学術研究の1次入力データとして頻繁に使われる。Macaulay Library 音源、eBird 写真、eBird チェックリストが実質 Cornell の統合データ資産になっている。

iNaturalist — Cal Academy + ナショジオの総合野生生物 ID

鳥以外のあらゆる生物の識別 / 記録の標準は iNaturalist である。California Academy of Sciences と National Geographic Society が共同運営し、2026年5月時点で 累計観測2億件 + アクティブユーザー320万人 を突破している。

核となる価値は2つある。

  1. AI 1次識別 + 専門家 / コミュニティ検証: ユーザーが写真をアップロードするとビジョンモデルが種候補を提示し、コミュニティが合意 (Research Grade) に到達すると GBIF へ流れる。
  2. データの学術還流: Research Grade の観測は GBIF (Global Biodiversity Information Facility) へ自動で流れる。シチズンサイエンスからグローバル学術データへのパイプライン。

iNaturalist API は OAuth2 ベースで無料公開されており、韓国語 / 日本語の和名マッピングは2024年以降大幅に改善した。

# iNaturalist Observations API の例 — 東京半径50km / 2026年5月の Research Grade
import requests

resp = requests.get(
    "https://api.inaturalist.org/v1/observations",
    params={
        "lat": 35.6812,
        "lng": 139.7671,
        "radius": 50,
        "month": 5,
        "year": 2026,
        "quality_grade": "research",
        "per_page": 50,
    },
    timeout=10,
)
data = resp.json()
for obs in data["results"][:10]:
    name = obs.get("taxon", {}).get("name")
    place = obs.get("place_guess")
    print(name, "@", place)

iNaturalist の決定的な特徴は「AI が間違ってもコミュニティが直してくれる」補正ループである。単一 AI モデルだけを信じる他アプリとの最大の差はここにある。

Seek by iNaturalist — 子ども / 初心者向けゲーミフィケーション

同じ運営チームが作る Seek は、iNaturalist を家族 / 小学生向けに単純化したアプリである。

  • アカウント不要。カメラを起動して植物 / 昆虫 / 動物にかざすと、リアルタイムに種識別が進む。
  • 観測は匿名で保存され、「フィールドガイド (Field Guide)」が自動で埋まっていく。
  • 位置情報は強く匿名化されており、学校 / 家族単位の使用に安全。

内部モデルは iNaturalist のビジョンモデルを軽量モバイル版に蒸留 (distill) したものである。2026年時点の精度は、一般非専門家の識別能力を平均的に上回る。

Audubon Bird Guide & iBird Pro — 米国鳥図鑑ラインナップ

米国市場には Audubon Society が作る Audubon Bird Guide と商用図鑑アプリ iBird Pro が並立している。

  • Audubon Bird Guide: 無料。800種以上、オフライン動作、鳴き声音源、シーズンガイド。
  • iBird Pro: 有料。超詳細イラスト、比較検索、ノート機能。

Merlin が AI 1次識別、eBird がログ、Audubon / iBird が「図鑑 + 読み物」の役割に分かれている。米国の birder は通常この3つを併用する。

Sibley Birds & Collins Bird Guide — 図鑑権威書のデジタル版

紙の権威ある図鑑がそのままデジタル化されたラインナップがある。

  • Sibley Birds 2nd Edition: David Sibley の手描きイラスト図鑑のデジタル版。北米800種。
  • Collins Bird Guide: 欧州 / 英国の鳥識別の事実上の標準。iOS / Android 両方リリース。
  • Birds of Korea / NIBR Bird DB: 韓国国立生物資源館 (NIBR) が運営する韓国の鳥 / 野生生物 DB。

このラインは AI 識別ではなく、権威あるイラスト + 音源 が主役である。AI ツールで識別し、図鑑でさらに詳しく確認する流れになる。

Pl@ntNet — 学界が作る植物識別の基準点

植物識別の学術標準は Pl@ntNet である。フランスの CIRAD / INRA / IRD / INRIA の共同運営、Agropolis Fondation の支援。

  • 無料、広告なし、オープンデータ。
  • 2026年5月時点で40,000種以上をカバー。
  • 市民がアップロードした写真が十分集まると、新しい種が自動でモデルに追加される能動学習ループ。

Pl@ntNet の精度自体は PictureThis のような商用アプリより若干劣るという評価があるが、データが公開 されているという点が学術 / 環境行政にとって決定的である。

PictureThis · PlantSnap · NatureID — 商用植物識別アプリ

消費者市場では商用植物識別アプリが大きなシェアを占める。

  • PictureThis: 精度 / UX とも1位。サブスク型。ガーデニングガイド、病害診断まで。
  • PlantSnap: 米国市場で強い。無料 + 広告モデル。
  • NatureID: 植物 + 昆虫 + 鳥 / 動物の識別を統合した商用アプリ。

これらのビジネスモデルは AI 識別 → ガーデニングガイド / 鉢植えケア / 病害診断のサブスクリプション で収益化する構造である。Pl@ntNet のような無料学術ツールとは明らかに別トラック。

Google Lens & LeafSnap — 汎用ビジョンの植物モード

専用アプリでなくとも Google Lens は自然識別の1次ツールとして頻繁に使われる。植物 / 動物モードが分かれてはいないが、Lens の一般ビジョンモデルは身近な種の識別なら十分に正確である。

LeafSnap はスミソニアン博物館 / コロンビア大学が共同開発した葉ベースの識別アプリで、葉の形状学習データが強みだ。

汎用モデル vs 専用モデルのトレードオフは明確である。Lens は「これ何だっけ？」の1次スクリーニングに強く、Pl@ntNet / PictureThis は正確な種まで絞り込むのが強い。

Picture Insect & Insect ID — 昆虫識別

昆虫識別は鳥 / 植物よりモデル学習の難易度がはるかに高い。種数が圧倒的に多く、写真一枚から種まで絞るのが難しいケースが多いからである。

  • Picture Insect: 昆虫識別カテゴリの事実上1位。iOS / Android。
  • Insect ID: 同カテゴリの競合。サブスクモデル。
  • Seek + iNaturalist: 昆虫も同じビジョンモデルで識別。精度はケースバイケース。

専門の昆虫研究者は依然として種レベルの識別を AI だけに任せない。属 (genus) レベル まで絞り、人間の専門家が仕上げる流れが標準。

Picture Mushroom & Shroomify — キノコ識別の危険と機会

キノコ識別は AI 精度が不十分だと命を脅かす可能性がある カテゴリだ。食用と毒キノコの見た目が似ている事例が多いからである。

  • Picture Mushroom: キノコカテゴリ1位。UI 内に「このアプリだけで食べないこと」の警告が明示されている。
  • Shroomify: 英国 / 欧州中心。同じ警告ポリシー。
  • Mushroom Observer (+ iNaturalist 連携): シチズンサイエンス / コミュニティ識別プラットフォーム。

このカテゴリ最大の価値 / リスクは 「食べていいか」を AI に決めさせない UX だ。2024-2026年に、メジャーアプリすべてが「単独識別で絶対に食べるな」の警告をステップ1に強制している。

Rock Identifier & PictureMinerals — 鉱物識別

鉱物 / 岩石識別は画像だけで精度を出しにくいカテゴリだが、Rock Identifier が事実上の標準である。

  • Rock Identifier: 鉱物識別 + 宝石識別。サブスクモデル。
  • PictureMinerals: 同じポジショニングで後発。

鉱物は結晶構造 / 硬度 / 比重といった非視覚的特性が決定的だが、写真だけでは限界が明確である。このカテゴリは AI より 人間専門家の価値が最も大きい 領域だ。

AllTrails · Komoot · Gaia GPS — 登山 / トレイル世界三強

自然観察は結局どこかへ行かないと始まらない。登山 / トレイルアプリの世界三強は以下である。

  • AllTrails (+ AI Trail): 米国市場1位。ユーザーレビュー、AI 推奨トレイル、オフライン地図 (有料)。
  • Komoot: 欧州市場で強い。自転車 / MTB に親和的。
  • Gaia GPS (Outside Inc.): バックパッキング / プロ向け。地形図、衛星マップ、狩猟シーズンマップなど専門レイヤー多数。
  • FarOut (旧 Guthook): PCT / AT / CDT といった米国長距離トレイル (thru-hiking) の1位アプリ。
  • Hiking Project (REI): 米国の無料オプション。データは OSM ベース。

2026年には AllTrails AI Trail がトレイル推奨 / コンディション予測 / 混雑予測まで LLM ベースで拡張した。Komoot も似た方向へ進んでいる。

韓国の登山 / 自然アプリ — 산경맵、トランゴ、モヤモ、キウィライブ

韓国の自然 / 登山アプリのラインナップ。

  • トランゴ (Tranggle): 韓国の登山アプリ市場1位。GPS ログ、認証、コース推奨。
  • 산경맵 / 등산코스: 韓国登山コース DB。
  • モヤモ (MoYaMo): 韓国植物識別1位。Naver 系資本。韓国自生植物 + 庭園植物のデータ。
  • 꽃밭 (Flower Garden): 植物識別 + ガーデニングコミュニティ。
  • キウィライブ (Kiwi Live): 自然観察者コミュニティ / ライブ / データ共有。
  • NIBR (国立生物資源館) アプリ: 政府運営。朝鮮半島の生物種 DB。
  • 자연드림: 環境モニタリング / 生態系アプリ。

特に モヤモ は韓国自生植物のデータがグローバルアプリより圧倒的に良い。iNaturalist / Pl@ntNet は韓国の一部の種を取りこぼすケースがあり、韓国ユーザーは モヤモ + iNaturalist を併用するのが定番である。

日本の自然 / 登山アプリ — YAMAP、ヤマレコ、いきものログ

日本市場は登山 / 自然アプリが最も発達している地域のひとつである。

  • YAMAP (ヤマップ): 日本登山アプリ1位。GPS ログ、活動 SNS、安全通知。
  • ヤマレコ (YAMARECO): 登山記録 / コース / 活動ログコミュニティ。YAMAP と並ぶ日本の両雄。
  • 環境省「いきものログ」: 日本環境省運営の政府シチズンサイエンスプラットフォーム。
  • 日本鳥学会 + 野鳥観察会系のアプリ群: 学会 / 同好会ベース。
  • PictureBird Japan: 日本語 UI の鳥識別アプリ。
  • やまっぷ / ピクトハイク: 登山補助 / 写真記録アプリ。

YAMAP は日本市場で非常に深く根付いており、「登山認証 = YAMAP ログ」が事実上の標準になっている。AI 自然識別は YAMAP 自体よりも、日本でも iNaturalist / Pl@ntNet / Merlin が依然として優勢である。

Bird Buddy & Birdfy — スマートバードフィーダーの台頭

2023年以降、スマートバードフィーダー カテゴリが急成長している。

  • Bird Buddy: スロベニアのスタートアップ。AI カメラ + 自動写真 / 動画 + 種識別。庭の鳥観察のゲームチェンジャー。
  • Birdfy (Netvue): 中国 Netvue のラインナップ。Bird Buddy の有力な競合。価格競争力が強み。
  • Wingscapes: カメラトラップ / 野生カメラ。専門家 / 狩猟 / 野生生物モニタリング向け。

このカテゴリは ハードウェア + AI ビジョン + クラウドサブスク の組み合わせである。識別精度は Merlin / iNaturalist には及ばないが、庭という限定空間 / 一定のカメラ距離に特化することで実使用体験は秀逸である。

GBIF & オープン生物多様性データ — 学術データのハブ

自然観察アプリ群のデータが最終的に流れ込む先が GBIF (Global Biodiversity Information Facility) である。

  • グローバル生物多様性観測データの公開ハブ。
  • iNaturalist の Research Grade 観測、eBird データ、博物館標本データまで統合。
  • 2026年5月時点で累計観測30億件以上。

研究者 / 環境政策アナリストは GBIF を1次データソースとして使う。市民がモヤモ / Merlin / iNaturalist で写真を一度アップロードすると、そのデータが GBIF を経て保全政策の入力値になる。

AI 技術 — CNN + Transformer + 音響スペクトログラム + 地理 prior

自然識別モデルの2026年標準アーキテクチャは以下である。

  • ビジョン: CNN (EfficientNet 系) + Vision Transformer 後処理。マルチクロップ / マルチスケール入力。
  • 音響: メルスペクトログラムを画像のように CNN へ通す。BirdNET が代表例。
  • 地理 prior: 位置 / 季節 / 時刻のメタデータを入力して候補分布を絞る。eBird / iNaturalist データを prior として使用。
  • マルチモーダル fusion: 写真 + 位置 + 行動テキストを同時に入力するケースが増加。

学術カンファレンスとしては NeurIPS Wildlife Conservation ワークショップ、AAAI AI for Social Good、CVPR FGVC (Fine-Grained Visual Categorization) が中心である。

シチズンサイエンスイベント — Project FeederWatch、Christmas Bird Count、BioBlitz

自然観察アプリが下支えするシチズンサイエンスイベントも重要である。

  • Project FeederWatch: Cornell Lab + Bird Studies Canada。冬の庭の鳥観測。
  • Christmas Bird Count: Audubon Society。100年以上の伝統イベント。
  • eBird Global Big Day: 24時間グローバル同時観測。
  • City Nature Challenge: iNaturalist ベースの都市単位 BioBlitz。
  • 韓国 NIBR 自生植物モニタリング: 国立生物資源館運営。

2020年代の大きな変化として、これらのイベントは AI 識別アプリがなければ事実上運営不能 になっている。「参加者全員が専門家ではない」という前提を、AI の1次識別が解消した。

保全 AI — Wildbook、AI for Earth、Rainforest Connection

自然識別アプリに隣接する 保全 AI (conservation AI) のラインナップも見ておく。

  • Wildbook (WildMe): マンタ、シマウマ、クジラなど個体識別。CNN で模様パターンマッチング。
  • Microsoft AI for Earth: 保全 NGO にクラウド / AI クレジットを支援するプログラム。
  • NVIDIA Earth-2: 気候 / 環境シミュレーション (別記事で詳述)。
  • Conservation Metrics: 音響モニタリング → 種推定の自動化。
  • Rainforest Connection: 廃携帯 + ソーラーパネル + 音響 ML で違法伐採 / 密猟を検知。

このラインを一般ユーザーが直接インストールすることはないが、シチズンサイエンスが集めたデータを保全政策へ接続するインフラ である。

韓国政府 / 学界ラインナップ — 国立公園公団、NIBR、自然環境研究院

韓国政府 / 学界ラインナップも整理しておく。

  • 国立公園公団: 登山道 / 野生動物 / 植物保護情報。アプリと Web。
  • 国立生物資源館 (NIBR): 朝鮮半島生物 DB / 市民モニタリング / AI 種識別研究。
  • 国立生態院: 生態系調査 / シチズンサイエンス / 環境影響評価。
  • 自然環境研究院: 環境保全の応用学術研究。

NIBR の朝鮮半島自生種 DB が、モヤモ / 韓国語化された iNaturalist の分類体系の基準点として機能している。

日本政府 / 学界ラインナップ — 環境省、KAHAKU、ヤマケイ

日本側のラインナップ。

  • 環境省「いきものログ」: 日本政府のシチズンサイエンスデータプラットフォーム。
  • 国立科学博物館 (KAHAKU): 日本の自然史 / 種 DB。
  • 山と渓谷社 (ヤマケイ): 登山 / 自然雑誌 / 図鑑出版。デジタル図鑑も多数。
  • 日本野鳥の会: 日本の野鳥保全 / シチズンサイエンス団体。

日本は学術 / 出版 / 政府データの連携が良いため、YAMAP や iNaturalist のような市民アプリから政府データへ流れるループが韓国より一段スムーズである。

組み合わせパターン — 実際の自然観察者はどう使うか

最後に、実際のユーザーペルソナ別のアプリ組み合わせである。

  • 入門 / 家族: Seek + Merlin Bird ID + AllTrails 無料版。
  • 韓国の登山 / 植物: モヤモ + トランゴ + Merlin Bird ID (Northeast Asia パック) + iNaturalist。
  • 日本の登山 / 自然: YAMAP + ヤマレコ + iNaturalist + Merlin + いきものログ。
  • 北米のバードウォッチング: Merlin + eBird + Audubon + AllTrails / Gaia GPS。
  • 欧州の鳥 / 自然: Collins Bird Guide + Merlin + Pl@ntNet + Komoot。
  • 研究者 / 環境 NGO: iNaturalist + GBIF + BirdNET-Analyzer + Wildbook。
  • 庭 / スマートフィーダー: Bird Buddy または Birdfy + Merlin + Project FeederWatch。

共通形は 「AI 1次識別 + 学術 / コミュニティ検証 + 政府 / 学術データ還流」の3段構造 だ。1つのアプリで完結させようとすると、必ずどこかが抜ける。

まとめ — 2026年5月、「AI 識別は道具に過ぎず、観察は人が行う」

「AI 識別精度が専門家レベルに到達した」というのがこの記事の出発点だったが、結論はその逆である。AI が正確になるほど、人間の観察 / 記録 / 保全行為がより重要になる のだ。

Merlin が鳴き声をつかむのは始まりであり、eBird のチェックリストで記録し、iNaturalist に写真を上げ、GBIF へデータが流れて保全政策の入力になるまでの全プロセスに価値がある。ツール選びに時間をかけすぎないこと。Merlin + iNaturalist + 1つの地域アプリ (モヤモ / YAMAP) で90%は片付く。

残る10%は時間と歩数である。2026年でもそれは AI が代わりにやってはくれない。

References

Discuss on Twitter • View on GitHub