綜述

小時候你有沒有幻想過，自己可以像童話故事一樣聽懂動物的“語言”，自由自在地和各種動物實現(xiàn)交流？最近，谷歌的一項研究讓幻想照進現(xiàn)實。AI模型“DolphinGemma”橫空出世，成功破譯了海豚的“語言”。

這個僅有400M大小的AI模型，能直接在谷歌Pixel設備上運行。DeepMind的CEO哈薩比斯透露，下一個要破解的目標就是狗。不過，這個海豚語言模型的"詞匯量"究竟有多大？它真的能實現(xiàn)人類與海豚的跨物種對話嗎？

AI如何聽懂海豚

讓AI理解海豚的“語言”，原理上和教會AI理解人類語言類似。就好比你打字時，輸入法會猜測你下一個詞是什么。谷歌的DolphinGemma也用了類似的邏輯，只不過它的學習對象是一連串海豚的哨聲，短脈沖和嘶鳴。

通過持續(xù)的訓練，DolphinGemma如同其他語言大模型學習人類語言那樣，從海量的海豚發(fā)聲數(shù)據(jù)中逐步摸索出了它們的"語法規(guī)則"。

這個模型的秘訣在于兩大核心技術(shù)。第一是SoundStream音頻分詞器，它就像給聲音配字幕的工具，能把海豚千變?nèi)f化的叫聲轉(zhuǎn)化為計算機看得懂的信號，精準“拆解”它們的發(fā)聲片段用以學習。

第二是基于序列預測的模型架構(gòu)，它能分析這些聲音碎片之間的關(guān)系，試著預測海豚一段“對話”中下一個可能出現(xiàn)的音節(jié)。當然，其規(guī)則要比輸入法聯(lián)想復雜得多。

訓練模型的核心數(shù)據(jù)來自一個堅持了40年的研究項目：“野生海豚計劃”（WDP）。自1985年起，這個非營利組織的科學家就在巴哈馬群島追蹤一群大西洋斑點海豚，他們?yōu)槊恐缓ｋ嗝涗浕顒榆壽E，收集海量的水下音頻資料并分析整理，用于研究。

例如，研究人員發(fā)現(xiàn)斑點海豚母親會在幼崽覓食后，用特定的哨聲序列呼喚它們回家。正是無數(shù)個這些聲音與行為“配對”的案例，成了AI理解海豚世界的“啟蒙教材”。

未來，這個僅400M大小，能在手機上運行的模型將隨科學家潛入海底進行實時分析。屆時研究人員只需一部手機，AI就能即時"翻譯"海豚的交流內(nèi)容，為海洋生物研究提供全新的技術(shù)支撐。

當前的局限性

雖然DolphinGemma的誕生是跨時代性的，但這并不代表人類真正地破譯了海豚的語言。

舉個簡單例子：當一個人類媽媽對孩子說“回家吃飯”，這句話不僅傳遞了“要求回家”這個明確信息，還可能隱含擔憂或催促的情緒信息。孩子回到家是吃紅燒肉還是“皮帶炒肉”，就隱藏在媽媽喊話的語氣中。

科學家當下只是破解了海豚發(fā)出某段聲音時，海豚在做什么或?qū)⒁鍪裁吹男畔?，簡單將為關(guān)聯(lián)了起來，至于海豚能否像人類一樣結(jié)合聲音創(chuàng)造抽象含義，比如在聲音中融入情緒，是 “回憶昨天的潮水”還是“提醒遠處有鯊魚”，科學家仍一無所知。

為了向真正的“交流”邁進，谷歌和WDP正在努力教會海豚新的“語言”。團隊開發(fā)了一套名為CHAT（鯨類動物聽力增強遙感）的系統(tǒng)，它能發(fā)出人工合成的類似海豚聲，每個聲音對應特定物品，比如海藻，海草或人類戴的圍巾。

比如，當研究者按下按鈕，設備發(fā)出類似海豚聲的同時，遞上一把海草。研究者希望通過這種方式，教會海豚新的“單詞”，海豚若能學會用同樣的聲音回應，就實現(xiàn)了原始的“語言教學”。

不過，當下技術(shù)仍面臨一道天然門檻：海豚也有“方言”。DolphinGemma的訓練數(shù)據(jù)全部來自巴哈馬群島的小型斑點海豚社群，但在其他海域的同類，可能會棲息環(huán)境不同演化出不同的發(fā)聲方式，AI模型若沒學過對應的“口音”，幾乎不可能聽懂。

為此，谷歌計劃在今年夏季開源DolphinGemma，鼓勵全球科學家上傳不同海域的海豚聲音數(shù)據(jù)，以豐富海豚語言的數(shù)據(jù)庫。

AI跨物種潛力

你可能會好奇：為什么谷歌先盯上了海豚，而不是研究更常見的家養(yǎng)寵物貓或狗？這主要基于兩個關(guān)鍵原因。

首先是海豚高超的的“語言天賦”，它們的交流方式幾乎是動物中最接近我們?nèi)祟惖摹?/strong>海豚的發(fā)聲需要靠鼻腔附近一對特殊組織振動，原理類似人類的聲帶發(fā)聲；二是海豚有著堪比人類社會的復雜社會群落，成員會合作捕獵，照顧幼崽，甚至為去世的同伴哀鳴。

同時研究還發(fā)現(xiàn)，海豚能通過不同聲音的組合來表達復雜意圖，這與人類用句子傳遞信息的邏輯不謀而合。正是這種相似性讓海豚成為突破口，但AI的潛力遠不止于此。

比如CETI（鯨類翻譯倡議）項目，專門用于抹香鯨研究。抹香鯨通過類似摩斯電碼般，一連串的"噠噠"聲來交流，該項目已收集了60多頭抹香鯨的8000余條聲音密碼，正在解析其中的規(guī)律。

又比如另一個研究團隊的“地球物種項目”，正在致力于利用AI，解碼大象，白鯨，烏鴉等更多物種的語言，以實現(xiàn)跨物種交流。當然，最值得期待的還是DeepMind團隊下一步計劃。團隊CEO哈薩比斯透露：“我想對話的下一個對象，就是我家的狗?！?/strong>

相比海豚，狗與人類的互動更頻繁，收集數(shù)據(jù)也更方便。如果某天手機上裝個軟件，就能看懂自家狗子扒門是想散步還是餓了，這場面想想大概就讓無數(shù)寵物主人興奮無比了。

結(jié)尾

或許未來某天，你戴著智能設備去海洋館，不僅能看見海豚躍出水面的優(yōu)美身姿，還能實時看到它們"對話"字幕："日常打卡迎接兩腳獸，好無聊！""我為什么不能和小美一個缸"...這樣的場景是不是比科幻電影還帶勁？

不過話說回來，動物語言被破譯，是否會導致人類濫用這種能力？比如用虛假信號引誘鯨群靠近漁船，或是強制改變動物的行為。科技讓我們離動物更近，在打開跨物種對話大門的同時，人類更要把握好這把"雙刃劍"，讓科技來傳遞善意而非傷害。