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：
隆重推出DolphinGemma，基於多年積累的海豚聲音數據訓練而成，有助於實現跨物種交流。
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那邊發佈了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）
谷歌這次發佈的AI基礎模型DolphinGemma，經過訓練可以學習海豚的發聲結構，並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訊，來預測後續可能出現的聲音，並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訊技術。
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，隨後由適合處理複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於獲取數據。
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專案”，最終積攢了數十年的水下視頻和音訊，並且每個海豚的身份、生活史和觀察到的行為擁有細緻匹配。
比如下面這些能夠將海豚聲音和行為聯繫起來的例子：
下圖展示了第一種情形。
左圖：一隻斑點海豚媽媽在幼崽覓食時觀察著它，等幼崽覓食完畢後，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是基於WDP的野生大西洋斑點海豚聲學資料庫進行廣泛訓練。
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。
該機構與喬治亞理工學院合作，開發了CHAT(Cetacean Hearing Augmentation Telemetry) 這款水下應用，其設計目的並非直接解讀海豚複雜的自然語言，而是建立一套更簡單的共用詞彙。
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繫起來，比如海藻、海草或研究人員使用的圍巾。
然後通過人類教導，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。
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樑。
谷歌表示，Pixel 6（谷歌2021年10月發佈）已經能夠即時處理高保真海豚聲音分析，而即將發佈的Pixel 9（計劃於2025年夏季投入使用）將在此基礎上進行升級。
Pixel 9將集成揚聲器和麥克風功能，並利用手機強大的處理能力同時運行深度學習模型和範本匹配演算法。
這將使研究人員能夠更高效地分析海豚的聲音，並與海豚進行更複雜的互動。
也有人好奇，為什麼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後原因，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於人類。
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，其運作原理類似於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：
實際上，它們是通過鼻腔中結締組織的共振頻率來發聲的，而且它們能隨意調節肌肉緊張度和通過的氣流。這和人類用聲帶說話時做的一模一樣。
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，並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》雜誌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哈薩克斯透露的想法來看，沒準下一個就是狗了。(doge）
—完—
@量子位 · 追蹤AI技術和產品新動態
深有感觸的朋友，歡迎贊同、關注、分享三連վ'ᴗ' ի ❤