谷歌发布 DolphinGemma:AI破译海豚语言：Pixel手机变身“翻译器”
DolphinGemma的开发背景
谷歌近日发布了一款开创性的人工智能模型——DolphinGemma，旨在深入理解野生大西洋斑点海豚的交流模式。该项目由谷歌与野生海豚项目（WDP）和佐治亚理工学院的研究人员合作开发，利用WDP近40年来在巴哈马群岛积累的庞大海豚音频和视频记录数据库。
DolphinGemma的功能与技术
DolphinGemma基于这些珍贵数据进行训练，并采用谷歌先进的音频技术SoundStream分词器将海豚的声音转化为数字格式。这款AI模型能够识别、分析甚至生成逼真的海豚典型声音模式序列，包括口哨声、咔哒声和脉冲串声，其功能类似于人类语言模型，可以预测声音序列中的下一个声音。
图源备注:图片由AI生成，图片授权服务商Midjourney
海洋中的实时应用
值得一提的是，研究人员正利用谷歌Pixel智能手机将DolphinGemma直接部署到水下，进行实地数据记录和分析。与此同时，团队还采用了CHAT系统（鲸类听觉增强遥测系统），该系统将特制的人工哨声与海藻或游戏服等特定物体关联起来，旨在让海豚学习并使用这些声音与研究人员互动。Pixel智能手机能够实时识别海豚模仿的音调，并通过声音反馈给潜水员，告知他们所请求的物体。
未来的研究方向
这项创新性的研究计划结合了人工智能、移动技术和长期的实地观察，目标是揭示海豚语言的结构，并最终实现某种形式的人类与海豚之间的交流。谷歌计划于2025年夏季将DolphinGemma作为开放模型发布，供其他研究团队用于分析海洋哺乳动物的交流。
谷歌的更广泛努力
DolphinGemma是谷歌将其人工智能技术应用于动物交流研究（特别是海洋哺乳动物）的更广泛努力的一部分。作为其“AI for Social Good”项目的一部分，谷歌还与美国国家海洋和大气管理局 (NOAA) 合作开发了一款鲸鱼探测人工智能，用于分析自2005年以来在太平洋12个地点记录的海洋哺乳动物叫声的水听器数据。此外，谷歌的一个AI模型最近还帮助识别出一种此前未知的布氏鲸叫声，这种被称为“Biotwang”的声音是通过结合目击和录音确定的。
跨物种交流的未来展望
不仅如此，地球物种项目也在积极努力于创建动物交流的表征，涵盖单个物种以及跨物种的交流，其目标是理解包括蜜蜂舞蹈在内的各种非语言交流形式。
