一位海豚训练员用手示意“在一起”，然后是“创造”。两只训练有素的海豚消失在水下，在浮出水面之前交换声音，翻转它们的背并扬起它们的尾巴。他们设计了自己的新花样，并根据需要一起表演。“这并不能证明语言的存在，”AzaRaskin说。“但如果他们可以使用丰富的、象征性的交流方式，那肯定会使任务变得更容易。”拉斯金是地球物种计划(ESP)的联合创始人兼总裁，该计划是加利福尼亚州的一家非营利组织，其雄心是通过使用一种称为机器学习的人工智能(AI)形式来解码非生物，从而加深我们与其他生物物种的联系。人类交流并将提供所有可用的专业知识，以帮助保护他们。1970年的一张鲸歌专辑激发了导致禁止商业捕鲸的运动。GoogleTranslatefortheanimalkingdom产生了什么？该组织于2017年在包括LinkedIn联合创始人ReidHoffman在内的主要捐助者的帮助下成立，去年12月发表了第一篇科学论文。目标是在我们有生之年开始与动物交流。“我们正在尝试做的是，我们能否解码动物交流并揭开非人类语言的奥秘，”拉斯金说。“在这个过程中同样重要的是，我们正在开发支持生物学家和动物保护的技术。”长期以来，了解动物的发声一直是人们着迷和探究的主题。各种灵长类动物发出的警报声因捕食者而异。海豚用它们标志性的口哨呼唤朋友；一些鸣禽可以从它们的叫声中提取元素并重新排列它们以传达不同的信息。但大多数专家并不称其为语言，因为没有动物交流符合所有标准。直到最近，解码还主要依赖于艰苦的观察。但是，人们对将机器学习应用于现代动物通信传感器现在可以收集的大量数据很感兴趣。“人们开始使用它，”哥本哈根大学研究哺乳动物和鸟类声音交流的副教授ElodieBriefer说。“但我们还不知道我们能做多少。”Briefer与人共同开发了一种算法，可以分析猪的咕噜声，以确定动物是在经历积极情绪还是消极情绪。另一种称为DeepSqueak的方法使用啮齿动物的超声波呼叫来确定啮齿动物是否受到压力。另一个倡议——CETI项目（代表鲸类翻译倡议）——计划使用机器学习来翻译抹香鲸的通信。今年早些时候，ElodieBriefer及其同事发表了一项基于猪发声的研究。在各种场景中从411头猪身上收集了7,414种声音。然而ESP说它的方法是不同的，因为它不是专注于解码一个物种的交流，而是所有的。虽然Ruskin承认灵长类动物、鲸鱼和海豚等群居动物之间更有可能进行丰富的符号交流，但目标是开发可应用于整个动物王国的工具。“我们是物种不可知论者，”拉斯金说。“我们开发的工具......适用于所有生物，从蠕虫到鲸鱼，”拉斯金说，他在ESP上的“发人深省”的工作表明机器学习可以用于不同的，有时是遥远的人类环境。语言之间的翻译-无需任何先验知识。该过程首先开发一种算法来表示物理相空间中的单词。在这种多维几何表示中，点（词）之间的距离和方向描述了它们之间如何有意义地相关（它们的语义关系）。例如，“国王”到“男人”的距离和方向与“女人”到“王后”的距离和方向相同。（映射不是通过了解单词的意思来完成的，而是通过查看它们彼此接近的频率来完成的。）后来注意到这些“形状”对于不同的语言是相似的。然后，在2017年，两组独立工作的研究人员发现了一种通过对齐形状实现翻译的技术。要从英语转到乌尔都语，对齐它们的形状并找到最接近英语单词点的乌尔都语单词点。“这样你就可以很好地翻译大多数单词，”拉斯金说。ESP的愿望是创造这种动物交流的表现形式——同时对单个物种和许多物种进行研究——然后探索诸如它是否与普遍的人类交流“形状”重叠等问题。拉斯金说，我们不知道动物是如何体验这个世界的，但有些动物似乎与我们分享了一些情绪，比如悲伤和快乐，并且很可能与它们的同类交流。“我不知道哪个更不可思议——形状重叠的部分，我们可以直接交流或翻译，或者我们无法与之交流的部分。”海豚使用咔哒声、口哨声和其他声音进行交流。但他们在说什么？他补充说，动物不只是通过声音交流。例如，蜜蜂通过跳“摇摆舞”让其他人知道一朵花在哪里。还需要跨不同的通信模式进行翻译。拉斯金承认，这个目标“就像去月球一样”，但这个想法并不是一下子就发生的。相反，ESP的路线图涉及解决一系列小问题以实现更大的前景。这应该看到通用工具的开发，这些工具可以帮助研究人员尝试应用人工智能来解开他们研究的物种的秘密。例如，ESP最近发表了一篇关于动物交流中所谓的“鸡尾酒会问题”的论文（并分享了它的代码），其中很难辨别一群相同动物中的哪个个体在嘈杂的社会环境中发声“据我们所知，以前没有人对[动物声音]进行过这种端到端的分离，”拉斯金说。ESP开发的基于AI的模型在海豚标志性口哨声、猕猴咕咕声和蝙蝠发声上进行了测试，当呼叫来自模型训练过的个体时效果最佳；但是对于更大的数据集，它能够从不在训练队列中的动物中解开混合呼叫。另一个项目涉及使用人工智能来产生新的动物声音，使用座头鲸作为测试物种。小说的叫声——通过将发声分解成麦克风（持续百分之一秒的声音单位）并使用语言模型“说”鲸鱼般的东西——然后可以回放给动物看它们如何反应。Raskin解释说，如果AI能够识别随机变化与语义上有意义的变化的原因，它将使我们更接近有意义的交流。“它将允许人工智能说这种语言，即使我们还不知道它的意思。”夏威夷乌鸦以使用工具而闻名，但也被认为具有一套特别复杂的发声方式。另一个项目旨在开发一种算法，该算法可以通过应用自我监督机器学习来确定一个物种具有多少种呼叫类型，这种算法不需要人类专家对数据进行任何标记来学习模式。在一个早期的测试案例中，它将挖掘由圣安德鲁斯大学生物学教授克里斯蒂安·鲁兹(ChristianRutz)领导的团队制作的录音，以创建夏威夷乌鸦发声曲目的清单——鲁兹发现了夏威夷乌鸦的发声曲目，它具有制造能力和使用觅食工具的能力，并且被认为比其他乌鸦物种具有更复杂的发声。Rutz对该项目的保护价值特别感兴趣。夏威夷乌鸦极度濒危，只存在于圈养环境中，在那里进行繁殖以重新引入野外。希望通过随着时间的推移记录记录，可以追踪该物种的叫声库是否在圈养中被侵蚀——例如，特定的警报声可能已经丢失——这可能对其重新引入产生影响；这种损失可以通过干预来弥补。解决。“这可能会导致我们帮助这些鸟类从危机中恢复过来的能力向前迈进了一步，”Rutz说，并补充说手动检测和分类呼叫将是劳动密集型的并且容易出错。与此同时，另一个项目试图自动理解发声的功能意义。加州大学圣克鲁兹分校海洋科学教授AriFriedlaender的实验室正在研究它。该实验室研究难以观察的野生海洋哺乳动物如何在水下移动，并运行世界上最大的标记程序之一。附在动物身上的小型电子“生物识别记录”设备可以捕捉它们的位置、运动类型，甚至它们看到的东西（这些设备可以包含摄像机）。该实验室还保存着战略性放置在海洋中的记录器的数据。ESP旨在首先将自我监督机器学习应用于标记数据以自动测量动物在做什么（例如它是否在进食、休息、旅行或社交），然后添加音频数据以查看它是否可以赋予功能意义该行为调用。（然后可以使用回放实验来验证任何发现，以及先前已解码的呼叫。）该技术最初将应用于座头鲸数据——实验室已经标记了同一组中的几只动物，因此它可以看到如何发送和接收信号。弗里德兰德表示，就目前可用的工具可以从数据中梳理出的内容而言，他已经“达到了极限”。“我们希望ESP可以做的工作将提供新的见解，”他说。但并不是每个人都对人工智能实现如此雄心勃勃的目标的力量如此热情。宾夕法尼亚大学心理学名誉教授罗伯特·塞法斯(RobertSeyfarth)研究自然栖息地灵长类动物的社会行为和声音交流已有40多年。虽然他认为机器学习可以解决一些问题，比如识别动物的发声曲目，但还有其他领域，包括发现发声的意义和功能，他怀疑这会带来很多问题。他解释说，问题在于，虽然许多动物可以拥有复杂的社会，但它们的发声能力比人类要小得多。结果是完全相同的声音可以在不同的上下文中用来表示不同的事物，而这只能通过研究上下文来完成——一个人的呼唤是谁，他们与其他人的关系，他们在等级制度中的位置，他们与谁互动——其意义有望确定。“我只是认为这些AI方法还不够，”Seyfarth说。“你必须出去看看动物。”动物交流图需要包括非声音现象，例如蜜蜂的“摇摆舞”。这个概念本身也存在问题——动物交流的形式将以有意义的方式与人类交流“塑造”重叠。Seyfarth说，将基于计算机的分析应用于我们都非常熟悉的人类语言是一回事。但对其他物种这样做可能“完全不同”。“这是一个令人兴奋的想法，但它是一个很大的延伸，”华盛顿大学的神经科学家KevinCoffey说，他共同创建了DeepSqueak算法。拉斯金承认，单靠人工智能可能不足以解锁与其他物种的交流。但他引用的研究表明，许多物种的交流“比人类想象的要复杂得多”。绊脚石是我们收集足够数据并进行大规模分析的能力，以及我们自己有限的知识。“这些工具可以让我们摘下人类的眼镜，了解整个物种的交流系统，”他说。
