Jeff Clune ، مدیر تحقیقات ارشد آزمایشگاه هوش مصنوعی در بیانیه‌ای گفت : " این تکنولوژی امکان جمع‌آوری دقیق و مقرون به‌صرفه‌ی داده‌ها را فراهم می‌کند که در نتیجه به انتقال اطلاعات در زمینه‌ی حیات وحش ، زیست شناسی ، حفاظت از حیوانات و بوم شناسی کمک می‌کند و به طور چشمگیری توانایی ما را برای مطالعه و حفظ حیات وحش و اکوسیستم‌های ارزشمند بهبود می‌بخشد. "
الگوریتم طراحی شده می‌تواند 3.2 میلیون عکس را از فیل ، زرافه ، غزال، شیر ، یوزپلنگ و دیگر حیوانات در زیستگاه‌های طبیعی جمع آوری کند و در حال حاضر بیش از 50000 نفر با 225 تله دوربین به ساخت این پروژه کمک نموده‌اند.
عملکرد این پروژه بدین ترتیب است : دوربین‌های حرکت سنجی به‌طور خودکار از حرکت حیوانات سریعاً عکسبرداری می‌کنند و عکس‌ها را از طریق یک شبکه‌ی عصبی convolutional که الگوی ارتباطی بین نورون‌ها در قشر بصری انسان را تقلید می‌کند ، ارسال می‌نمایند. این عکس‌ها متن و آمار دقیق را با خود به همراه دارند و خورد و خوراک و حرکات گونه‌های مختلف را به‌خوبی توصیف می‌کنند.
سیستم می‌تواند یک دسته عکس که در شش ماه دریافت شده است را فقط در چند ساعت علامت گذاری کند. رهبر گروه Snapshot Serengeti، می‌گوید این سیستم می‌تواند از هشت سال تلاش برای برچسب زدن عکس‌ها توسط انسان را برای هر 3 میلیون تصویر جلوگیری کند.
در نوامبر سال 2016 ، دانشمندان دانشگاه Queensland از الگوریتم Google’s TensorFlow برای شناسایی و عکسبرداری از شیرهای دریایی استفاده کردند و در ماه مارچ استارتاپ iNaturalist مجموعه‌ای از عکس‌های حیوانات و گیاهان را جمع آوری و اپلیکیشنی مبتنی بر هوش مصنوعی راه‌اندازی نمود که می‌تواند گونه‌های متفاوت در حیات وحش را شناسایی کند.
