Google 推出 AI 解码 Dolphin Talk，在 Pixel 手机上运行

快速阅读: 据《解密》称，谷歌推出开源AI模型DolphinGemma，通过分析海豚声音探索其交流方式，助力解读海豚是否具备语言能力。此模型与CHAT系统协作，并与NatureLM等项目共同推动动物交流破译，未来或扩展至更多物种。

艺术、时尚与娱乐专区。探索场景为何要费劲去理解Z世代的俚语，而不是尝试与动物交流呢？今天，谷歌推出了开源AI模型海豚盖玛，旨在通过分析海豚的点击声、哨声和爆发脉冲来解读它们的交流方式。这一公告恰逢国际海豚日。

该模型由谷歌与乔治亚理工学院以及野生海豚项目（WDP）合作开发，学习了海豚发声结构，并能生成类似海豚的声波序列。这项突破可能有助于确定海豚的交流是否达到了语言的水平。DolphinGemma是在世界上持续时间最长的水下海豚研究项目上进行训练的，利用了WDP自1985年以来收集的数十年精准标注的音视频资料。该项目使用一种非侵入性方法“在它们的世界里，按它们的规则”研究巴哈马群岛的大西洋斑点海豚。

“通过识别重复出现的声音模式、集群和可靠的序列，该模型可以帮助研究人员揭示隐藏在海豚自然交流中的潜在结构和意义——这是一个以前需要大量人力的任务，”谷歌在其公告中表示。这个包含约4亿个参数的人工智能模型足够小，可以在研究人员使用的Pixel手机上运行。它使用谷歌的SoundStream标记器处理海豚发出的声音，并预测序列中的后续声音，就像人类语言模型预测句子中的下一个单词一样。

DolphinGemma并非孤立工作。它与CHAT（鲸类听觉增强遥测）系统配合使用，该系统将合成哨声与海豚喜欢的具体物体（如马尾藻、海草或围巾）联系起来，为互动建立共享词汇的可能性。

现场研究人员目前使用Pixel 6手机实时分析海豚声音。该团队计划在2025年夏季研究季升级到Pixel 9设备，这将集成扬声器和麦克风功能，同时运行深度学习模型和模板匹配算法。转向智能手机技术大大减少了对定制硬件的需求，这对海洋野外工作来说是一个关键优势。DolphinGemma的预测能力可以帮助研究人员更早地预见并识别语音序列中的潜在模仿者，使互动更加流畅。

理解无法理解的内容

DolphinGemma加入了多个其他旨在破解动物交流密码的人工智能项目。地球物种项目（ESP），一个非营利组织，最近开发了NatureLM，这是一种音频语言模型，能够识别动物种类、大致年龄以及声音是否表示痛苦或玩耍——虽然不是语言，但仍然是建立一些原始交流方式的方法。该模型经过人类语言、环境声音和动物叫声的混合训练，即使是对之前未遇到过的物种也显示出有希望的结果。

CETI项目代表了这一领域的另一个重要努力。由伦敦帝国理工学院的迈克尔·布罗因斯坦领导的研究人员专注于抹香鲸交流，分析它们用于长距离的复杂点击模式。该团队已经识别出143种可能构成某种语音字母表的点击组合，并正在使用深度神经网络和自然语言处理技术进行研究。

尽管这些项目专注于破译动物声音，纽约大学的研究人员从婴儿发展中汲取灵感，用于人工智能学习。他们的对比学习的儿童视角模型（CVCL）通过婴儿的视角观看世界，使用6个月到2岁婴儿佩戴的头戴式摄像机拍摄的视频来学习语言。NYU团队发现，他们的AI可以从类似于人类婴儿的自然数据中高效学习，与传统AI模型需要万亿字词进行训练形成鲜明对比。

谷歌计划在今年夏天分享DolphinGemma的更新版本，可能将其用途扩展到大西洋斑点海豚之外。然而，该模型可能需要针对不同物种的叫声进行微调。WDP专注于将海豚声音与特定行为相关联，包括母亲和幼崽用来重聚的标志性哨声、冲突期间的爆发脉冲‘咯咯声’以及求偶或追逐鲨鱼时使用的点击‘嗡嗡声’。

“我们不仅仅是倾听，”谷歌指出。“我们开始理解声音中的模式，为未来缩小人类与海豚交流之间的差距铺平道路。”

(以上内容均由Ai生成)