AI如何帮助科学家听懂鲸鱼的声音
海洋生物学家David Gruber创立的CETI，即“鲸类翻译计划”，正在用大语言模型和机器学习研究抹香鲸的交流。过去他们主要是记录声音，现在团队尝试从声音中找出结构，再追问这些结构表达了什么。目标是让鲸鱼的交流成为可以理解的内容，而不只是一份录音档案。
团队发现，抹香鲸会发出叫作codas的成组咔嗒声，其中存在类似元音的特征：压缩咔嗒声之间的静音、调整频率后，得到的声谱图甚至让受过训练的语音学研究者也难以与人类元音区分。它们还有靠学习获得、沿母系群体代代传承的地域“方言”，幼鲸也会经历咿呀学语阶段。
这个项目把“听起来很复杂”推进成了可以逐项检验的问题。但从声音结构走到翻译，中间还缺少一环：谁在什么情况下，对谁发出了这个声音，随后发生了什么。
模型可以学会哪些声音经常接在一起，也可能预测播放某段声音后鲸鱼的反应。可同一种反应，可能对应不同含义。只有把声音与行为、关系、环境持续对照，才有机会排除错误解释。否则，人类可能可以通过声音让鲸鱼转身，却依然不知道自己到底“说”了什么。增加录音量很有价值，给录音补上生活现场同样关键。
科研团队开发了鲸类声学模型WhAM，让研究者先研究合成重建的交流信号，减少对真实鲸鱼的打扰。Gruber对不明含义的声音播放实验十分谨慎，也正与纽约大学相关研究团队制定负责任的跨物种交流指南。
这种谨慎是必要的技术选择：一旦模型能稳定诱发反应，使用者就可能先获得干预鲸鱼的能力，再获得理解它们的能力。CETI最值得期待的成果，是建立声音与含义之间可检验的联系。
让鲸鱼回应我们固然惊人，能解释它为什么回应，才算在和鲸鱼的交流中真正向前走了一步。
AI解码鲸鱼交流