跨物种交流：人工智能与动物翻译器的幻象

技术正在彻底改变动物行为学：人工智能模型如今能够对抹香鲸、海豚和乌鸦的数千种声音进行分类，识别出人耳无法察觉的复杂结构。然而，检测到一种模式并不等于理解其含义。为动物打造“通用翻译器”的想法，可能会忽视非人类交流中深层的生物学和伦理约束。通过分析Project CETI和Earth Species Project的数据

机器学习正在彻底改变动物行为学，使人们能够从缓慢的人工聆听转向对声学数据进行工业规模的分析。人工智能如今能够检测、分离并分类成千上万的动物发声，揭示人类耳朵无法察觉的交流架构。然而，解码一个统计模式并不意味着翻译其含义：在识别声音结构与理解动物真正想要传达的内容之间的距离，代表了这一科学新前沿的核心难题。

海洋字母表与无监督学习

最引人入胜的进展来自海洋。CETI项目最近开发了一款针对抹香鲸尾音（特征性咔嗒声）的自动检测器，开辟了一条利用无监督学习、马尔可夫链模型和Transformer架构来绘制鲸类交流图谱的研究路线。这种方法标志着从人工聆听到创建能够处理海量音频的机器学习流水线的具体转变。

通过分析十余年间收集的近9,000个尾音，研究人员在Nature Communications上发表了一套真正的抹香鲸“语音字母表”，基于节奏、节拍、韵律和装饰音，其变化对对话语境高度敏感。尽管这是鲸类信号具有组合结构的最有力证据，但这一发现并未证明存在可供人类逐词破译的翻译。

开放数据与多模态方法

要将信号转化为意义，仅靠声学分析是不够的。研究需要多模态方法：必须将发声、加速度计数据、视频和严格的动物行为学观察交叉比对，才能将声音与真实行为关联起来。

人工智能已经在提供非凡的工具来识别个体和监测种群，这远早于我们能够梦想假设性的跨物种“对话”。

签名哨声： 一个卷积神经网络成功对70只宽吻海豚的签名哨声进行了分类，在精选数据上达到95.8%的准确率，在更真实的环境条件下达到92.6%。
数据瓶颈： 最近发布的OpenWhistle数据集（发布了约180,000个哨声，相当于114小时的录音和8,354条专家标注）表明，拥有可复现的协议和开放、标注且可比较的数据，远比训练规模越来越大的语言模型更为重要。

在陆地上，由Earth Species Project和莱昂大学使用的Voxaboxen模型分析了188小时的乌鸦录音，成功检测并分类了超过127,000个发声。人工智能揭示了一个近距离、低音量叫声的隐秘世界，这些声音极难用传统方法研究，证明技术可以发现“看不见的”交流，而无需妄称能够翻译它。

解码不等于翻译：伦理边界

正如发表在Science上的一篇纲领性文章所强调的，机器学习应用于动物行为学的潜力是巨大的，但不应向公众呈现为已经实现的科幻目标。当前的模型仅限于识别声学模式，而非意义。我们距离动物交流系统的有效翻译还很遥远，距离进行真正的对话更是天差地别。

这种认知要求严格的伦理约束。技术必须主要服务于保护动物福祉，而非满足人类的好奇心或利益。非伤害、有益和自主性原则要求特别谨慎，尤其是在自然栖息地中回放合成声音时。如果未来我们在技术上能够与乌鸦或海豚“交谈”，根本的伦理问题不仅是我们能否做到，而是我们是否应该这样做，以及在何种严格条件下这样做。

未来研究应该问的正确问题不是“我们什么时候能和鲸鱼对话？”，而是：如果我们不再假设它们的语言必须与我们的语言相似，我们能学到什么？机器学习有能力揭示结构、社会关系和微妙信号，但随后需要生物学来验证这些在动物真实生活语境中的含义。在尝试构建通用翻译器之前，我们应该 simply 学会倾听动物，而不要求它们说出我们想听的话。

参考文献与来源

本文由La Bussola dell’IA编辑部撰写