新火種
2025-04-16 
海豚語言被谷歌大模型破譯！跨物種交流大門打開，哈薩比斯：下一個是狗
神奇！人類和海豚真的能實現跨物種交流了？！
當地時間4月14日（也是世界海豚日），谷歌CEO皮猜激動官宣：
劃重點，這個海豚模型參數僅400M，小到能直接在谷歌Pixel 9手機上運行。
而且皮猜還說了，預計今年夏天會將其開源以促進科學合作。
這一消息也迅速引來大量網友圍觀，評論區一整個“哇聲一片”：
更有意思的是，谷歌和OpenAI這對老冤家這一次又雙叒對上了，OpenAI那邊發布了GPT 4.1。
有網友直接辣評：GPT 4.1很好，但我對DolphinGemma更感興趣。（你是懂拉踩的doge）
谷歌大模型破解海豚叫聲谷歌這次發布的AI基礎模型DolphinGemma，經過訓練可以學習海豚的發聲結構，并生成類似的聲音序列。
這和大語言模型中的預測下一個token類似，通過識別輸入的海豚音頻，來預測后續可能出現的聲音，并最終解鎖這些聲音隱藏的潛在含義。
根據介紹，這一模型使用了谷歌獨特的音頻技術。
其中，SoundStream分詞器能快速把海豚聲音變成計算機能理解的信號，隨后由適合處理復雜序列的模型架構進行處理。
當然，除了訓練技術，最重要的環節還是在于獲取數據。
谷歌這次找了WDP（ Wild Dolphin Project）合作，這家機構研究海豚社會數十年，擁有極為豐富的數據集。
具體而言，自1985年以來，WDP研究了巴哈馬群島中一個跨世代的野生大西洋斑點海豚（Stenella frontalis）群落。
通過這一“世界上持續時間最長的水下海豚研究項目”，最終積攢了數十年的水下視頻和音頻，并且每個海豚的身份、生活史和觀察到的行為擁有細致匹配。
比如下面這些能夠將海豚聲音和行為聯系起來的例子：
標志性的口哨聲，一般出現在母子相遇的場景打斗時經常會聽到脈沖“尖叫聲”求偶或追逐鯊魚時常用“嗡嗡”聲下圖展示了第一種情形。
左圖：一只斑點海豚媽媽在幼崽覓食時觀察著它，等幼崽覓食完畢后，它會用自己獨特的口哨聲呼喚它回來。
右圖：聲譜圖顯示的口哨聲。
因此最終，DolphinGemma是基于WDP的野生大西洋斑點海豚聲學數據庫進行廣泛訓練。
另一方面，除了研究海豚的交流方式，WDP還進一步探索了“人機交互”方式。
該機構與佐治亞理工學院合作，開發了CHAT(Cetacean Hearing Augmentation Telemetry) 這款水下應用，其設計目的并非直接解讀海豚復雜的自然語言，而是建立一套更簡單的共享詞匯。
具體來說，CHAT會將生成的合成哨聲與海豚喜歡的特定物體聯系起來，比如海藻、海草或研究人員使用的圍巾。
然后通過人類教導，讓天生好奇的海豚學會模仿這些哨聲來請求這些物品。
最終，隨著對海豚更多自然聲音的理解，這些聲音也可以被加入到系統中。
△CHAT示意圖概括而言，CHAT設備通過水下揚聲器和麥克風實現聲音的發送和接收，通過嘗試模仿海豚發出的哨聲來建立一種基本的溝通橋梁。
谷歌表示，Pixel 6（谷歌2021年10月發布）已經能夠實時處理高保真海豚聲音分析，而即將發布的Pixel 9（計劃于2025年夏季投入使用）將在此基礎上進行升級。
One More Thing也有人好奇，為什么谷歌選了海豚而非更常見的貓狗來研究？
雖然官方這次未明確提及背后原因，但查閱廣泛研究資料后可以得出一個結論：
這是因為海豚的“語言”和人類語言高度接近。
一項發表在《皇家社會生物學通訊》的研究表明，海豚相互間交流的方式近乎于人類。
當一些海豚發出像吹口哨一樣的聲音時，這些聲音是由特定組織震動發出的，其運作原理類似于人類和許多陸生生物的聲帶振動。
論文一作彼得·麥德森曾表示：
和海豚類似，事實上谷歌2024年9月還推出了一款鯨魚聲音識別模型，它能夠識別出八種鯨魚的獨特叫聲，并精細區分其中兩種鯨魚的不同發聲類型。
而鯨魚也和海豚一樣，其語言和人類語言也具有相似性。
今年年初發表在《科學》雜志上的一項研究驚奇地發現，通過模仿兒童學習語言的過程，鯨魚的歌聲與人類使用的語言存在統計相似性。
這一發現不僅揭開了鯨歌的部分秘密，還為理解跨物種交流乃至AI語言模型提供了全新視角。
可以看到，谷歌首先考慮的還是這些與人類語言更接近的物種。
不過別著急，從DeepMind聯創兼CEO哈薩比斯透露的想法來看，沒準下一個就是狗了。(doge）
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
