人工智能有望彻底改变我们对动物交流的理解

在南太平洋一个偏远岛屿上茂密的森林树冠上，一只新喀里多尼亚乌鸦从栖息处凝视着，黑色的眼睛闪闪发光。这只鸟小心翼翼地移开一根树枝，用它的喙剥掉不需要的叶子，然后从木头上做一个钩子。乌鸦是一个完美主义者：如果它犯了一个错误，它就会放弃整个事情并重新开始。当它满意时，鸟将完成的器皿戳入树上的缝隙中，然后捞出蠕动的蛴螬。

新喀里多尼亚乌鸦是已知仅有的制造工具的鸟类之一，这种技能曾经被认为是人类独有的。苏格兰圣安德鲁斯大学的行为生态学家克里斯蒂安·鲁茨（ChristianRutz）职业生涯的大部分时间都在研究乌鸦的能力。鲁茨观察到的非凡的聪明才智改变了他对鸟类可以做什么的理解。他开始怀疑是否还有其他被忽视的动物能力。乌鸦生活在复杂的社会群体中，可能会将工具制造技术传给它们的后代。实验还表明，岛上不同的乌鸦群体有不同的发声。鲁茨想知道这些方言是否有助于解释这些群体之间工具制造的文化差异。

由人工智能驱动的新技术有望提供这些见解。动物是否用我们可能能够理解的语言相互交流是一个持久的魅力问题。尽管许多土著文化中的人们长期以来一直认为动物可以有意交流，但西方科学家传统上一直回避模糊人类与其他动物之间界限的研究，因为害怕被指责为拟人化。但随着最近人工智能的突破，“人们意识到，在理解动物的交际行为方面，我们正处于相当重大的进步的边缘，”Rutz说。

除了创造吸引人们的聊天机器人和制作赢得美术比赛的艺术之外，机器学习可能很快就会使破译乌鸦叫声等东西成为可能，非营利组织地球物种项目的创始人之一阿扎拉斯金说。其人工智能科学家、生物学家和保护专家团队正在收集来自各种物种的广泛数据，并建立机器学习模型来分析它们。其他团体，如鲸类翻译计划（CETI）正专注于试图了解特定物种，在这种情况下是抹香鲸。

解码动物的发声可以帮助保护和福利工作。它也可能对我们产生惊人的影响。拉斯金将即将到来的革命与望远镜的发明进行了比较。“我们观察宇宙，发现地球不是中心，”他说。他认为，人工智能重塑我们对动物的理解的力量将产生类似的效果。“这些工具将改变我们看待自己与一切事物的关系。

当ShaneGero在最近一天的实地考察后从多米尼加的研究船上下来时，他很兴奋。他研究的抹香鲸有复杂的社会群体，这一天，一只熟悉的年轻雄性回到了他的家庭，为Gero和他的同事提供了一个机会，可以记录他们团聚时的发声。

近20年来，渥太华卡尔顿大学的常驻科学家Gero详细记录了加勒比海碧绿海水中两个抹香鲸氏族，捕捉了它们的咔哒声以及动物在制造它们时在做什么。他发现鲸鱼似乎使用特定的声音模式，称为codas，来识别彼此。他们学习这些codas就像幼儿学习单词和名字一样，通过重复周围成年人发出的声音。

在手动解码了其中一些coda之后，Gero和他的同事开始怀疑他们是否可以使用AI来加快翻译速度。作为概念验证，该团队将Gero的一些录音提供给神经网络，这是一种通过分析数据来学习技能的算法。它能够在99%的时间内从codas中正确识别出一小部分个体鲸鱼。接下来，该团队设定了一个雄心勃勃的新目标：倾听大片海洋的声音，希望训练计算机学习说鲸鱼。由Gero担任首席生物学家的CETI项目计划部署一个连接到浮标的水下麦克风，以全天候记录多米尼克常驻鲸鱼的发声。

随着传感器变得越来越便宜，水听器、生物记录器和无人机等技术得到改进，动物数据量呈爆炸式增长。突然间，生物学家无法用手有效地筛选太多了。不过，人工智能在大量信息中茁壮成长。像ChatGPT这样的大型语言模型必须摄取大量文本来学习如何响应提示：ChatGPT-3在大约45TB的文本数据上进行了训练，这是整个国会图书馆的很大一部分。早期的模型要求人类用标签对大部分数据进行分类。换句话说，人们必须教机器什么是重要的。但是下一代模型学会了如何“自我监督”，自动学习什么是必要的，并独立创建一个算法来预测下一个单词。

年，两个研究小组发现了一种在人类语言之间进行翻译的方法，而无需罗塞塔石碑。这一发现取决于将单词之间的语义关系转变为几何关系。机器学习模型现在能够通过对齐未知的人类语言的形状来翻译它们——例如，使用“母亲”和“女儿”等单词彼此靠近出现的频率来准确预测接下来会发生什么。“有一种隐藏的底层结构似乎将我们所有人团结在一起，”拉斯金说。“使用机器学习来解码我们还不知道如何解码的语言的大门已经打开。

拉斯金解释说，该领域在年达到了另一个里程碑，当时自然语言处理开始能够“将所有事物视为一种语言”。以DALL-E2为例，它是可以根据口头描述生成逼真图像的AI系统之一。它将代表文本的形状映射到代表图像的形状，非常精确——这正是动物交流翻译可能需要的那种“多模态”分析。

许多动物同时使用不同的交流模式，就像人类在说话时使用肢体语言和手势一样。在发出声音之前、期间或之后做出的任何动作都可以为理解动物试图传达的内容提供重要的背景。传统上，研究人员将这些行为编入一个称为人种图的列表中。通过正确的训练，机器学习模型可以帮助解析这些行为，并可能在数据中发现新的模式。例如，科学家去年在《自然通讯》（NatureCommunications）杂志上撰文称，一个模型发现斑马雀歌曲中以前未被识别的差异是女性在选择配偶时会注意的。雌性更喜欢像雌性一起长大的鸟儿一样唱歌的伴侣。

您已经可以将一种AI驱动的分析与Merlin一起使用，Merlin是康奈尔鸟类学实验室的免费应用程序，用于识别鸟类物种。为了通过声音识别鸟类，Merlin会获取用户的录音并将其转换为频谱图——鸟叫声的音量、音高和长度的可视化。该模型在康奈尔大学的音频库上进行训练，并与该音频库进行比较，以预测物种识别。然后，它将这个猜测与康奈尔大学的全球观测数据库eBird进行比较，以确保它是人们期望在用户位置找到的物种。Merlin可以非常准确地识别来自1多种鸟类的叫声。

但是世界很吵，从嘈杂的声音中挑出一只鸟或鲸鱼的曲调是很困难的。隔离和识别单个说话者的挑战，被称为鸡尾酒会问题，长期以来一直困扰着处理动物发声的努力。年，地球物种项目建立了一个神经网络，可以将重叠的动物声音分成单独的轨道并过滤背景噪音，例如汽车喇叭声——并免费发布了开源代码。它的工作原理是创建声音的视觉表示，神经网络使用它来确定哪个扬声器产生的像素。此外，地球物种项目最近开发了一种所谓的基础模型，可以自动检测和分类数据集中的模式。

这些工具不仅改变了研究，而且还具有实用价值。如果科学家能够翻译动物的声音，他们也许能够帮助濒危物种。夏威夷乌鸦，当地人称为“阿拉拉”，在年代初在野外灭绝。最后的鸟类被圈养，开始保护性繁殖计划。Rutz扩展了他与新喀里多尼亚乌鸦的工作，现在正在与地球物种项目合作研究夏威夷乌鸦的词汇。“这个物种已经从自然环境中消失了很长时间，”他说。他正在开发一份圈养鸟类目前使用的所有叫声的清单。他会将其与最后一只野生夏威夷乌鸦的历史记录进行比较，以确定它们的曲目是否在圈养中发生了变化。他想知道它们是否可能丢失了重要的呼叫，例如与捕食者或求偶有关的呼叫，这可能有助于解释为什么将乌鸦重新引入野外是如此困难。

有朝一日，机器学习模型也可以帮助我们弄清楚我们的宠物。长期以来，动物行为学家不太