人工智能破解“动物语言”的尝试

易卜拉辛

破解鸟语后，直接问他们真相即可，因为他们都有动物记忆

人工智能破解“动物语言”的尝试

人类自古以来就梦想与动物对话，如今，这一梦想正借助人工智能的力量向现实迈进。由英国Jeremy Coller基金会发起、以色列特拉维夫大学协办的“Coller Dolittle挑战赛”正为这一目标提供强劲推动力。主办方设立了总额高达50万美元的现金大奖，奖励利用AI在跨物种沟通领域取得“突破性进展”的科研项目，此外，每年还将颁发10万美元年度奖，直至大奖被夺得。自然杂志2025年5月16日特别发表了文章《Can AI help us talk to dolphins? The race is now on》介绍了这项名为“Coller Dolittle”的挑战和人类跨物种交流的未来。


2025年首届年度奖项已于近日揭晓，得主是一支致力于解析宽吻海豚（Tursiops truncatus）交流系统的研究团队。他们将AI技术应用于长达40年的海豚录音数据，已识别出超过20种非“签名哨声”的独特音型，计划进一步扩展“海豚语”的词汇库。


人类与动物“双向沟通”不再是幻想？

“我们的终极目标，是实现真正的双向、多语境的人类与动物沟通，并且要用动物自身的‘语言’。”本次奖项评审委员会主席、特拉维夫大学神经生态学家Yossi Yovel如是说。他表示，大奖评审标准将在未来一年内正式公布，获奖者可选择50万美元现金，或高达1000万美元的后续投资支持。


目前，AI在分析动物声音信号方面已显示出强大潜力。研究人员借助AI可以处理和识别大量鸟鸣、狼嚎等录音数据，并从中挖掘出可能传递情感、意图或警示的规律。尤其是在自然语言处理（NLP）技术突飞猛进的背景下，利用大型语言模型（LLM）“翻译”动物语言的想法也引发了广泛关注。

但Yovel也提醒，AI尚无法完全取代动物行为学知识。“你不能指望只用一个麦克风或者摄像头，录下几段动物声音，就让AI自动分析出其含义。这是不现实的。”

海豚的“名字”与“词汇”

本年度大奖得主Laela Sayigh博士及其团队来自美国伍兹霍尔海洋研究所，他们对佛罗里达萨拉索塔湾约170只宽吻海豚已持续研究四十年之久。


早在1984年，团队便开始通过吸盘式水下麦克风采集个体海豚的声音。这一长期积累使他们得以辨识出每只海豚独有的“签名哨声”——功能类似人类的姓名，用于个体识别。

据Sayigh介绍，大约50%的海豚哨声属于签名哨声，而剩余一半的“非签名哨声”因研究难度高、识别成本大，过去长期被忽视。但该团队凭借对海豚群体的深入掌握，已识别出20多种重复出现的共享非签名哨声。

研究人员通过在海豚面前回放这些哨声并观察其行为反应，初步推测部分哨声可能具有“主动接触”或“警告”功能。例如，当播放某些哨声时，海豚会靠近音源；而播放其他哨声时，海豚则会迅速游离。这为进一步解码海豚间的语义互动提供了宝贵线索。

不止是海豚：AI正帮助揭示多种动物语言的“奥秘”

除了海豚项目，本届挑战赛还评选出三项入围决赛的研究成果，分别聚焦于墨鱼、夜莺和狨猴的沟通行为：

墨鱼的“手势语言”：研究人员发现，欧洲墨鱼（Sepia officinalis）和小带墨鱼（Sepia bandensis）会通过特定触腕动作向同伴传递信息。AI分析帮助识别出四种基本“手势”——上摆、侧摆、翻滚与冠形。当另一只墨鱼在屏幕上展示这些动作时，墨鱼会做出对应的回应，甚至在只播放动作产生的声音时也能做出同样反应，表明其具备视觉与听觉符号的跨模态联想能力。
夜莺的“语法结构”：研究团队利用AI将夜莺（Luscinia megarhynchos）的复杂哨声分解为音节，分析其歌曲结构和语法规则。他们希望最终能根据这些数据生成模拟“鸟语”的声音，并与夜莺进行初步交互。
狨猴的“命名行为”：另一组团队发现，普通狨猴（Callithrix jacchus）之间会使用特定声音称呼彼此，这一命名行为此前只在人类、海豚和大象中被观察到。AI技术协助解构了这些交流信号的规律，进一步证实灵长类动物在社会沟通中存在高度复杂的语义表达。

写在最后

从海豚的哨声到墨鱼的触腕，从夜莺的旋律到狨猴的呼唤，动物世界的“语言”正逐步被AI揭示其密码。虽然我们距离真正与动物“对话”仍有相当距离，但“Coller Dolittle挑战赛”的出现，无疑为这一跨学科、跨物种的研究注入了新的动力。

人工智能，是否能成为“人类与自然沟通的桥梁”？也许，这正是这个时代最令人兴奋的科学命题之一。

2025-05-18
计算机科学专栏作家
计算机科学专栏作家

关注计算机科学、互联网与人工智能领域

You may also like...
Open Source Software Word Cloud
开源软件 OSS：数字经济的催化剂

机械超材料及其未来发展
Around Physics 物理边界 © 2026. All Rights Reserved.

易卜拉辛

🔈 试试我们最新的NatureLM音频互动演示：现已在Hugging Face Spaces上线

地球物种计划
凯蒂·扎卡里安与霍普——一只幼年抹香鲸（Physeter macrocephalus）在东加勒比海水域游泳。照片由Keri Wilk拍摄。
超过800万物种共享我们的星球。我们只懂其中一种语言。
地球物种项目是跨物种理解的新前沿。我们用先进的人工智能解码动物交流，揭示地球上多样的智能。

我们的愿景是与自然的其他部分建立关系，使生命的多样性得以繁荣。

关于我们


理解地球生命的下一个前沿
随着人工智能和大型语言模型的指数级进步，解码动物交流不再是“是否”的问题，而是“何时”。我们正在构建首个大型语言模型，旨在分析生命之树中不同物种的数据。通过更深入地倾听，我们可以解锁与自然其他部分的新关系。

开创性的解码实验
语言是我们寻找对自然新颖且有用视角的透镜。利用我们的人工智能模型和工具，我们进行深入实验，以了解生命之树中物种的通信系统和多样智能。我们与全球顶尖生物学家合作，目前正在研究乌鸦、白鲸、大象等多种语言。

我们的工作
我们的旗舰基础模型：NatureLM-audio
NatureLM-audio是世界上第一个也是最强大的大型生物声学音频语言模型。它在大量数据集上训练，学习生物声信号的基础表示。这使得任务和物种的判断具有普遍性。

无论是研究鸟类、鲸鱼还是跳蛛，我们的大型动物语言模型都帮助研究人员自动在庞大的无标签动物行为学数据集中发现、分类并找到新的答案。

早期结果显示，人类语言向动物交流具有积极的领域转移，强化了我们关于人工智能能够解码跨物种共享语言结构的假设。

了解更多
Pause video

“从小我就梦想着理解动物们在说什么。现在这成了现实，真是太美好了。”
—— 简·古道尔博士
最新消息
2025年12月15日 - 博客
揭开鸟类秘密：微型生物记录者如何揭示腐肉https://www.earthspecies.org/
是的，目前确实有多个研究项目和团队正在利用 **AI** 来分析和尝试“破译”**鸟类叫声**（birdsong 和 calls），虽然还没有像 CETI 项目针对抹香鲸那样形成一个特别高调、专注于单一物种的大型跨学科倡议，但鸟类发声的研究其实比鲸类更早、更成熟，而且近年来因为深度学习和 Transformer 等技术的进步，进展非常显著。

鸟类（尤其是鸣禽 songbirds）是研究**动物“语言”结构**的经典模型，因为它们的歌声具有明显的**音节（syllables）**组合、**序列规则（syntax）**和上下文依赖性，很多科学家认为这类似于人类语言的**音系学（phonology）**和**句法（syntax）**，但缺乏真正的语义（semantics）。

以下是目前一些主要的进展方向：

1. **像“鸟类 ChatGPT”一样的模型**  
   2025 年有研究团队开发了类似生成式语言模型的工具，直接把鸟鸣序列当作“文本”来训练。例如针对**文鸟（Bengalese finch）**的 **FinchGPT**（基于 Transformer），把鸟鸣音节 token 化后训练，能生成符合该鸟自然歌声规律的序列。这种方法显示鸟歌的音节转移有很强的上下文依赖性，和人类语言的 n-gram 或更高阶规则有可比性。

2. **自动分割与句法分析工具**  
   - AVN（Avian Vocalization Network）：一个深度学习 pipeline，能自动把鸣禽（如斑胸草雀 zebra finch）的歌声分割成音节、标注类型，并计算**句法熵（syntax entropy）**、转移概率等指标，用来量化歌声的复杂度和规律性。  
   - 其他无监督方法：可以跨物种（包括雀类和山雀）自动把连续叫声切分成“音节单元”，发现个体签名和一致的模式。

3. **句法规则与“语法”研究**  
   - **山雀（chickadee）**的警戒叫声：有明确证据显示音节顺序（syntax）会改变含义，顺序错了鸟就听不懂（类似人类语法错误）。研究者用 AI 操纵序列播放实验验证。  
   - 许多鸣禽的歌声被描述为“phonological syntax”（音系句法），有层级结构，但不像人类语言有无限递归。

4. **大型机构与跨物种项目**  
   - **Earth Species Project (ESP)**：这是一个非营利组织，明确目标是用 AI 解码非人类沟通，目前包括**斑胸草雀**、乌鸦等鸟类（也包括鲸类、海豚）。他们先解决噪音中分离个体声音（cocktail-party problem）和上下文对应的问题。  
   - **Cornell Lab of Ornithology** 和 Merlin Bird ID 团队：长期用机器学习处理海量鸟鸣录音，现在能更精细分析歌声结构。  
   - 其他：西班牙的乌鸦项目用 AI 分析家族个体几百种叫声，希望未来理解含义甚至“对话”。