Google AI協助解碼海豚與海豚交流

數十年來，科學家們一直對海豚的喀嗒聲、口哨聲和脈衝聲著迷，試圖破解牠們複雜溝通的密碼。想像一下，如果我們不僅能偷聽這些海洋對話，還能深入解析牠們的模式，甚至創造出類似海豚的回應。這個夢想正逐漸接近現實，在國家海豚日，Google 與喬治亞理工學院的研究人員以及野生海豚計畫（WDP）的實地工作合作，興奮地分享 DolphinGemma 的最新進展。這款突破性的 AI 模型經過訓練，能掌握海豚聲音的細微差別，甚至生成全新的聲音序列，推動 AI 的極限以及我們與海洋生物連繫的潛力。

海豚社會數十年的研究

了解任何物種都不是輕鬆的任務；這需要深入探索牠們的世界。這正是 WDP 的用武之地。自 1985 年以來，他們一直在進行最長時間的水下海豚研究計畫，專注於巴哈馬野生大西洋斑點海豚（Stenella frontalis）的族群，跨世代研究牠們。他們的「以牠們的方式，在牠們的世界中」方法，意味著在不干擾海豚的情況下收集大量資料。這包括數十年的水下影片和音訊，所有資料都與個別海豚的身份、生命史和行為精確連結。就像擁有一本詳細的海豚生活日記。

一群大西洋斑點海豚，Stenella frontalis

WDP 的主要焦點是觀察和分析海豚的自然溝通和社交互動。通過水下工作，研究人員能直接將聲音與特定行為聯繫起來，這是表面觀察無法做到的。他們花費多年時間將不同聲音類型與行為背景相關聯。例如：

• 標誌性口哨，類似獨特的名字，幫助母海豚與幼海豚團聚。
• 脈衝式「尖叫聲」通常伴隨著海豚的爭執。
• 喀嗒「嗡嗡聲」常在求偶或追逐鯊魚時聽到。

了解參與的個別海豚是準確解讀的關鍵。這項長期觀察的最終目標是解碼這些自然聲音序列的結構和潛在含義，尋找可能暗示某種語言形式的模式和規則。這種對自然溝通的豐富分析是 WDP 研究的支柱，並為 AI 分析提供了至關重要的背景。

左：一隻斑點海豚母親在覓食時看著她的幼海豚。她會使用獨特的標誌性口哨召回幼海豚。右：顯示口哨的聲譜圖。

介紹 DolphinGemma

分析海豚自然而複雜的溝通不是小事，WDP 廣泛的標記資料集為 AI 創新提供了絕佳機會。DolphinGemma 是 Google 的創作，利用特定的音訊技術。SoundStream 分詞器有效捕捉海豚聲音，隨後由專為複雜序列設計的模型處理。這個約 4 億參數的模型大小適中，適合 WDP 在野外使用的 Pixel 手機。

左：DolphinGemma 早期測試中生成的口哨和脈衝聲。

DolphinGemma 從 Google 的輕量級尖端開放模型套件 Gemma 中汲取靈感，與 Gemini 模型共享相同的研究和技術。DolphinGemma 基於 WDP 的野生大西洋斑點海豚聲學資料庫進行訓練，作為音訊輸入、音訊輸出的模型。它處理自然海豚聲音序列以發現模式、結構，並最終預測序列中可能的下一個聲音，類似於人類語言模型預測下一個單詞的方式。

本季，WDP 正在野外推出 DolphinGemma，立即帶來顯著效益。通過精準定位重複的聲音模式、集群和可靠序列，該模型能協助研究人員發現海豚自然溝通中隱藏的結構和潛在含義——這項工作以往需要大量人力。未來，這些模式結合研究人員創造的代表海豚喜愛物體的合成聲音，可能為共享詞彙和互動溝通鋪平道路。

使用 Pixel 手機聆聽與分析海豚聲音

除了分析自然溝通外，WDP 還在探索另一條途徑：利用海洋中的技術進行潛在的雙向互動。這促成了與喬治亞理工學院合作開發的 CHAT（Cetacean Hearing Augmentation Telemetry）系統。CHAT 是一種水下電腦，旨在建立一個更簡單的共享詞彙，而非解碼海豚複雜的自然語言。

其理念是將新穎的合成口哨（由 CHAT 生成，與自然海豚聲音不同）與海豚感興趣的特定物體聯繫起來，例如海藻、海草或研究人員使用的圍巾。通過向彼此展示系統，研究人員希望好奇的海豚能學會模仿這些口哨來請求這些物品。隨著對海豚自然聲音的理解加深，這些聲音也能融入系統中。

為實現雙向互動，CHAT 系統必須：

1. 在海洋噪音中準確聽取模仿聲音。
2. 即時辨識被模仿的口哨是哪一個。
3. 通過水下可用的骨傳導耳機通知研究人員海豚「請求」的物體。
4. 讓研究人員快速回應，提供正確的物體，強化聯繫。

Google Pixel 6 此前已能即時處理高保真海豚聲音分析。下一代將聚焦於 Google Pixel 9（研究計畫於 2025 年夏季進行），通過整合揚聲器/麥克風功能，並利用手機的先進處理能力同時運行深度學習模型和模板匹配演算法，進一步提升。

左：Denise Herzing 博士佩戴「Chat Senior, 2012」，右：喬治亞理工學院博士生 Charles Ramey 佩戴「Chat Junior, 2025」

使用 Pixel 智慧手機大幅減少對客製化硬體的需求，提升系統可維護性，降低功耗，並縮小設備的成本和體積——這對開放海洋中的野外研究至關重要。同時，DolphinGemma 的預測能力可幫助 CHAT 在聲音序列早期預測和辨識潛在的模仿聲音，加快研究人員對海豚的回應，使互動更順暢、更具強化效果。

最新 CHAT 系統硬體內的 Google Pixel 9。

與研究社群分享 DolphinGemma

理解科學發現中合作的重要性，我們計畫於今夏將 DolphinGemma 作為開放模型分享。雖然它基於大西洋斑點海豚的聲音進行訓練，但我們相信它對研究其他鯨類物種（如瓶鼻海豚或飛旋海豚）的研究人員也可能有用。不同物種的聲音可能需要一些微調，但開放模型允許這種適應性調整。

通過提供像 DolphinGemma 這樣的工具，我們旨在為全球研究人員提供分析自身聲學資料集的手段，加速模式搜尋，共同增進我們對這些智慧海洋哺乳動物的理解。

理解海豚溝通的旅程漫長而曲折，但 WDP 專注的野外研究、喬治亞理工學院的工程實力以及 Google 的技術力量相結合，正開啟令人振奮的新可能性。我們不再只是聆聽；我們開始理解聲音中的模式，為未來人類與海豚溝通差距進一步縮小的可能性奠定基礎。

您可以在野生海豚計畫的網站上深入了解更多。