12 月 27 日消息，據 Munich Eye 當地時間 22 日報道，2025 年，人工智能（AI）和機器學習領域的突破有望推動我們理解動物交流的進程，解開動物發聲背后的長期謎題。近期，設立的 Coller-Dolittle 獎項為解碼動物聲音的研究提供了可觀獎金，體現了科學界對此的樂觀情緒。

目前已有多個研究項目正致力于開發能夠解讀動物聲音的算法。其中，Ceti 計劃一直在破解抹香鯨特有的點擊聲和座頭鯨的歌聲?，F代的機器學習方法依賴大量的數據集，但高質量的動物聲音數據一直難以獲得，限制了研究進展。

譬如，包括 ChatGPT 在內的大型語言模型就使用了來自互聯網的大量文本數據進行訓練，而與之形成鮮明對比的是，動物交流研究可用的數據集仍然有限。雖然 LLMs 的訓練數據量超過 500GB 的文本信息，但 Ceti 計劃在研究抹香鯨的聲音時，僅獲得了不到 8000 個錄音樣本。這一差距也凸顯了研究人員在理解動物交流方面的難題。

此外，人類語言的解釋依賴于共同的語法和語義規則，而解讀動物的叫聲卻充滿了不確定性 —— 區分狼的不同嚎叫所代表的意義，仍然是一個巨大的挑戰。

一旦這些龐大的數據集完成收集，深度神經網絡等先進的分析技術將能夠揭示動物聲音背后的規律和結構，或許能發現一些與人類語言類似的模式。

盡管研究取得了很大進展，關于解碼動物聲音的最終目標仍然是一個亟待解答的問題。據IT之家了解，像 Interspecies.io 這樣的組織，明確表示希望將跨物種的交流轉化為人類能夠理解的信號，甚至提出要將動物的叫聲翻譯成人類語言。不過，科學界普遍認為，非人類動物并不具備類似人類語言那樣的結構化語言。