我们能用AI为动物语言编写一本“字典”吗？

想象有一天，我们像翻阅野外生存手册那样，翻开一本“鲸语与鸟鸣词典”：每个哨声、咔嗒、战栗般的低鸣，都写着“这是什么意思、在什么时候说、对谁说”。听起来像科幻，但AI已经把手伸进这本“未完待续”的词典里了——而且进展，比大多数人想象得快。能不能写成真正的“字典”？短答并不浪漫：动物交流并非人类式的“词—义”一一对应，更多是“声音+场景+关系+身体”的合奏。因此，一本像人类词典那样把每个叫声精确翻译成中文句子的作品，短期难以实现。但更重要的消息是：AI正在以惊人的速度，把“谁在发声、在何时何地、意图大致为何”这类关键信息，整理成越来越清晰的“语音地图”和“用法索引”，这就是通往“字典”的可行路径。最让人意外的突破来自迁移学习。一个本为鸟类打造的模型Perch 2.0，竟能在鲸类上游刃有余。研究者把每段五秒声音切成频谱图，让模型产出能抓住细微声学差别的“嵌入”，再用仅4至32个样本，训练一个轻量的逻辑回归分类器，就能把不同鲸种、不同叫声分得相当准。为什么“鸟语”能帮忙“鲸语”？一是可能存在发声机理的演化相似，二是大规模基础模型的跨域泛化，三是鸟鸣分类锻炼了模型捕捉极细颗粒声学特征的能力。更有意思的是，虎鲸的某些口哨，频谱范围恰好与不少鸟鸣重叠，这种“跨界同构”给了通用表征以施展空间。类似的“可译之处”正在各地涌现。有团队用AI描摹出抹香鲸的“声学字母表”，揭示熟悉声型里细微时序变化携带的不同信息；对大象的低频呼唤，模型能预测哪头个体会响应，提示它们或许在“呼名相唤”；猪的情绪识别在受控数据上达到高准确率；以人类语音训练的模型迁移到狗叫声，可优于专用小模型；新近的大型音频语言模型能在跨物种数据上判断“是谁、几只、处于哪个生命阶段、发出哪类叫声”。AI也在保护工作中显出锋芒，自动从万小时录音里找出30多年未现身的濒危鸟类信号。这些成果并非“章节齐整的词典”，却像一册册生动的“图鉴”“索引”和“语料库”，为将来更深的语义推断打下地基。为何“字典化翻译”仍困难？动物普遍是多模态交流：气味、姿态、群体结构、环境语境与声音交织成义。单抓声学，容易把“谁在对谁、在什么情绪和社会情境下说”的关键维度漏掉。人类的标注也会投射偏见，用“进食/求偶/玩耍”等范畴给别的物种贴标签，可能忽略它们独有的语境。即便AI在无监督中学到结构，人类也未必读得懂那层结构所承载的“意义”。更别忘伦理：让模型生成“对话”，随意回放给野生动物，可能打断它们的社交与生态秩序。因此，更现实也更有前景的目标，是先写出一本“会话场景手册”。把声学“字母表”、常见“词块”、与之共同出现的行为与场景，一一对齐；用海量被动声学自监督预训练，叠加像Perch那样可迁移的通用嵌入，再以极少样本为特定海域、特定族群训练轻量分类头；同步采集位置、姿态、同伴关系、环境传感数据，逐步把“谁—何时—何地—对谁—为何”的五要素补全；在严格伦理框架下做小心的回放验证。那时，我们手里未必是一本逐词翻译的词典，却可能是一部能指导保护、促进共处的“交流实用学”。也许我们永远无法像蝙蝠那样去“感受”回声，也不能把鲸的每一次咔嗒都译成一行汉字。但人类的理解不必等同于复制他者的体验。学会倾听，就是修一座桥：当AI把自然界的呢喃汇成可读的脉络，我们或许更懂得在何处设限、在何处相助。答案可能不是一本完美的词典，而是一套让我们与万物互相成全的“理解学”。在这本未写完的书里，下一页，等我们与它们一起共著。

跨物种的交流，AI发现了“通用公式”吗？

当森林里的清脆鸟鸣与深海中的幽远鲸歌被同一台机器“听懂”，你会不会怀疑，生命的声响背后藏着一套跨物种的“通用公式”？AI 正在给出一个令人兴奋又冷静的答案：它听见了共性，但距离万能翻译，还差一段旅程。新一代生物声学模型正揭示这种共性。Perch 2.0 原先用来识别鸟类、两栖类、昆虫与哺乳动物的鸣叫，如今被“直接借用”去分辨鲸类的口哨、咕噜与生物声学“biotwangs”。研究者把五秒音频切片变成频谱图，送进模型抽取嵌入，再用少量样本训练一个轻量逻辑回归分类器——仅凭每个数据集区区4到32个嵌入就能起飞，样本越多越稳。这种“小样本即奏效”的迁移，说明模型捕捉到的是跨物种可复用的声学特征：能量随时间和频率起伏的纹理、上行下行的频率滑音、谐波结构、节律与停顿。为什么鸟的“语言底座”能迁移到鲸？有三层原因耐人寻味。相似的发声物理机制与听觉约束，让不同物种在声学空间里画出相近的笔触；巨量多样的数据与大模型规模带来“越大越通用”的外推能力；而鸟鸣分类本身要求模型练就“分毫必争”的听觉——这种对细粒度声纹的敏感，恰好也适用于水下世界。研究者还发现，虎鲸的口哨与大量鸟鸣处在相近的频谱带，进一步增强了这种可迁移性。横向对比多种模型后，Perch 2.0在三份海洋数据集上往往名列前茅或紧随其后，显示出强健的跨域实力。不仅如此，AI 在其他物种上也复现了这类“通用前端”。以人类语音预训练的 Wav2Vec2，微调后比从零开始更能识别狗的年龄、性别、品种与情景场景；对家猪上千次叫声的分析，可以高准确率区分其正负情绪；座头鲸长达数十分钟的歌声展现出与人类语言相似的统计结构，例如接近齐普夫定律的频率分布与可复用的歌句模块，且还能通过“文化传播”在种群间快速流行。这些事实并不意味着“它们有语法等于人类语言”，但确实指向一个重要判断：在声学底层，生命使用了相似的“物理与统计的乐谱”。若把“通用公式”具体化，它更像是一套可泛化的声学表征与学习范式，而非一行能直译万物的魔法方程。物理世界提供了共通的限制与机会，深度学习擅长在频谱图上总结可迁移的纹理与结构，再用少量标注完成下游任务。Perch 2.0 的少样本学习与模型复用，正是这种“公式”的现实检验：它让从“这鸟在哪？”自然延伸到“这片海域有几种鲸、在发出什么信号？”——对生态监测、濒危物种保护、揭示神秘海底噪声都极具意义。然而，把“听见模式”升级为“理解含义”，难点仍在前方。跨物种交流至少要回答三个问题：它们的基本声学单位是什么？这些单位如何组合？这些组合如何与具体语义、情景与行为相对应？当前的突破多停留在识别个体、品类、性别、情绪或场景层面的分类，属于“谁在叫、怎么叫、可能为何而叫”。真正的“说了什么”，需要把声音与行为、环境、社会互动、时空脉络进行多模态对齐，避免将人的语义框架硬套其上，也要警惕小样本偏差与过度类比的幻觉。就像语音识别里，CTC 解决了对齐问题，但语义理解仍得靠更高层的建模与外部世界知识。未来的路线图并不神秘：更大更广的自监督预训练，覆盖森林到深海的长时声音；用现场传感器联动影像、位移、心率与环境变量做语义落地；让模型自主发现“音素—词汇—语法”般的层级结构；在保护实践中迭代评估，使“能听会辨”切实服务于“更懂更护”。当模型开始在暗夜里“值班”，哪怕只有几十条标注，也能迅速学会守望一座珊瑚礁或一群洄游的鲸。所以，AI 找到“通用公式”了吗？如果把公式理解为一把能开多把锁的主钥匙，那么我们手上已经握住了那把“声学表征的钥匙”。它能打开跨物种的模式之门，却还不能直通语义的殿堂。真正的翻译，仍需与自然同频——在数据与算法之外，加入场景、行为与伦理的温度。也许最动人的启示是：万物的声音被同一套物理定律雕刻，差异在其上生花。当我们用AI学会更耐心地倾听，世界并不会立刻变得同语，但会变得更可对话。而理解他者，正是理解我们自己的一面镜子。

当AI比我们更懂动物，我们该如何自处？

当机器开始“听懂”海洋与森林，我们忽然听见了一个更大的问题：当AI可能比我们更懂动物，我们该如何自处？从林间鸟鸣到鲸群“咔嗒”与“biotwang”，Google DeepMind 的 Perch 2.0 展示了惊人的跨界能力——一个为鸟类训练的生物声学模型，竟能以极少样本把鲸的声音分门别类。这不只是技术奇迹，更是对人类位置感的轻轻一推：我们不再是唯一能解码自然之声的“译者”。先厘清“懂”的边界。AI擅长识别模式，不等于把握意义。Perch 2.0 把每段五秒音频变成频谱图，用嵌入向量捕捉细微差别，再用区区4到32个样本就能训出性能不俗的分类器，且对三套海洋数据集表现为最佳或次佳。研究者猜测，鸟与鲸在发声机理上或有趋同，加之大模型的规模效应与对细粒度特征的敏感，使“跨物种迁移”变得可行。与此同时，CETI项目正以水下机器人、无人机与声学浮标，每年采集数以亿计的抹香鲸咔嗒声，发现其组合结构远超以往认知。这些事实在告诉我们：AI可以前所未有地“分辨”与“组织”动物信号，但语义仍深埋在情境、社群与生态互动里——而这部分，需要科学与伦理的慢功夫。因此，我们的自处之道，首先是一种姿态：把AI当作自然的助听器，而非真理的扩音器。让它放大我们听不清的部分，而不是替我们发言。对复杂行为的理解，仍要回到田野实验、因果验证与跨模态证据的交叉印证。哪怕模型只用少量嵌入就能跑得很快，也要警惕“跑偏得很准”的风险。接着是一套可执行的护栏。对野外保护，AI带来规模化“被动声学监测”的机会，能更早识别鲸群迁徙、渔船干扰与噪声污染；同样也带来滥用风险。我们需要默认上锁的技术与制度：对濒危物种自动抹除地理定位；对合成叫声加水印，防止“假信号”扰动族群；对主动播放实验设置严格强度与时长上限与地理围栏；对数据集与模型开放采用分级许可与红队测试，提前演练“偷猎者会怎样用它”。这不是多此一举，而是把“无害”写进系统设计。在动物福利层面，AI可以成为“减害工具”。从器官芯片到类器官，再到 FDA 团队训练的 AnimalGAN，用虚拟“第二物种”评估毒性，许多环节已显示出比传统动物实验更高的准确性，如肝芯片对肝毒性的识别达到了令人鼓舞的水平。合理的路线是：AI预测筛选，类器官与芯片验证，必要时才进入少量动物的终局性确认。用更接近人类生理的模型替代“以兽度人”，用数据复用减少重复试验，让痛苦，实打实地少一些。城市与动物园的日常照护，同样能因AI而更温和。情绪与行为的长时监测、个体识别与健康预测，如果只输出“行为是否异常”而非人脸等隐私特征，并在边缘侧完成处理，就能既早期预警、又尊重生物与人的边界。这类“最小可见、最大可用”的数据哲学，值得在更广的生态应用中推广。最后，是社会共治与知识共创。关于动物交流的AI研究，应纳入跨学科与社区参与：行为生态学家、伦理学者、原住民与在地渔民都不应缺席。模型卡透明披露数据来源、潜在偏差与适用边界，研究预注册与开放复现尽量到位——这不仅是科学规范，更是对共生对象的礼貌。教育与工具的下沉，则能让保护者拥有与巨型模型对话的能力，而不是被其裹挟。当AI或许比我们更会“听”，人类并未失去角色，反而被邀请成为更成熟的合作者。我们可以用它看见从未看见的模式、护住本来护不住的生命，也能在每一次模型判断之前，先问一句：“这样做，对它们好吗？”也许这就是答案的雏形——让技术扩大的是同理心的半径，而非控制的触角；让我们成为自然合唱的聆听者、记录者与守护者，而不是企图把万物之声，改写成单一的人类独白。

如果海洋不再沉默，我们会听到什么秘密？

把耳朵贴近海面，你会发现“寂静的海”从未存在。海水里，声音以每秒约1500米的速度奔跑，比空气里快了四倍：海豚的口哨在珊瑚礁间弹跳，抹香鲸的咔哒像巨大的水下节拍器，蓝鲸的低音则沿着深海声道穿越千里，像一封跨洋的回信。声音，是海洋生物的语言、罗盘与记忆。如果海洋不再沉默，我们首先会听到文明的合唱。座头鲸的“歌曲”并非随机噪声，而是可持续二三十分钟、反复数小时的结构化旋律，会在族群内代代相传、逐年“改编”，形成清晰的区域方言。虎鲸的口哨分辨家族与群体，抹香鲸用名为“尾声”的咔哒序列标记亲缘与身份，雄性还会以数秒一拍的强力脉冲在海域中“布景”。低频须鲸把信息托付给远距离传播的物理法则，通过深海声道将呼唤送到几千公里外；齿鲸则把声波“收束”为针尖般的超声束，用回声在脑海里绘制三维地图。我们还会听见生态的体温。整片海域的“声景”像一张无形的诊断片：礁区黎明合唱的物种越丰富，往往意味着更健康的生态系统；发声的季节节律、频段占用、叫声能量的细微漂移，都能提示迁徙、繁殖与食物网的变化。得益于新一代被动声学与人工智能，海洋不再只在“露出水面”的几秒钟被看见。自研的声学浮标已把中华白海豚、儒艮、江豚的声音实时回传上岸，短短三个月就稳定捕获上千段有效信号，为长期、连续的保护决策提供了抓手。更令人惊喜的是，AI 正在加速我们“听懂”的速度。谷歌的生物声学基础模型 Perch 2.0 原为鸟鸣而生，却能一耳听出鲸类。研究者把每5秒海洋声音制成频谱图，送入模型提取嵌入特征，再用寥寥数个样本训练一个简单的逻辑回归分类器，就取得出人意料的表现。这种“迁移学习”的魔法来自三重原因：鸟与鲸在发声物理上有趋同；大规模多样数据带来的泛化规律；而鸟鸣训练迫使模型盯住极细的声学纹理——恰好也藏在鲸歌里。甚至虎鲸的口哨就处在许多鸟类常用的频段，难怪“会听鸟”的模型也能听懂“海中的鸟”。当然，海洋还会让我们听见自己的回声。航运、勘探与军事声源在很多海域已成为背景噪音，能遮蔽通信、扰乱定位，严重时甚至伤及感觉器官。全球声学网络的对比观测显示，即便航运短暂降低，海噪下降幅度并不总是显著。这不是悲观的理由，而是指向务实的路径：更安静的船体与推进设计，风电打桩的气幕与薄膜降噪，繁殖季的静音走廊与智慧改线，以及用AI实时识别敏感物种、按下“暂停键”的作业机制。安静，并非退回港湾，而是以工程与治理为海洋“降调”。若把时间刻度拉长，我们还能从声音里读到进化的手稿。齿鲸把中耳“迁出”头骨，用充满脂肪的下颌导入声波，并进化出气囊与精细的相位敏感；有研究发现，野生海豚能主动调节回声定位的音量，像经验丰富的录音师随景而变。这些冷静的解剖细节，解释了它们如何在多途、起伏不定的水声信道中，仍能精准成像、互通与协作。更大胆的设想正在发生：当我们累积到数十亿条抹香鲸咔哒，神经网络或许能在序列里勾勒出“语法”的雏形。即使未来真能“对话”，许多科学家依旧提醒我们谨慎谦卑——先学会倾听、减少打扰，也许第一句话应该是“对不起”，第二句是“需要我们哪里变得更安静”。当我们问起它们对气候、对航道、对风暴的感受，得到的答案或许会重塑人类在海上的行走方式。海洋从不沉默，只是我们太久未曾细听。它是一座活着的图书馆，鲸、豚、鱼、虾与浪都在书写。AI、浮标与更安静的工程让我们第一次有机会把这座图书馆编目。真正的问题是：当海洋把秘密告诉我们，我们愿不愿意用行动去回应？也许，学会倾听本身，就是人类与海共处的新文明起点。

AI“顺风耳”是福音，还是海洋的新威胁？

把海洋想象成一座黑暗的音乐厅：鲸、海豚和鱼群在无光的世界里用声音编织秩序。现在，一只超敏锐的“顺风耳”闯了进来——AI能把这些细密的声纹转成可读的“谱”。它究竟是生物多样性的守护者，还是将带来新的喧嚣与风险？让我们先听一耳它的本事。Google DeepMind 的生物声学基础模型 Perch 2.0 原本是“鸟类专家”，在数百万条鸟、两栖和哺乳动物录音上打磨出对细微音色和节律的敏锐度。研究团队把5秒音频切成频谱图，喂给模型做“声学指纹”嵌入，再用少量样本（每个数据集只需4到32条嵌入）训练一个小而快的逻辑回归分类器，居然就能稳定地区分座头鲸、虎鲸等的不同叫声。和专门的鲸类模型或其他生物声学模型对比，它常常拔得头筹或稳居第二。为什么鸟的课学得好，鲸也学得快？一是发声机制可能存在趋同；二是大模型的“规模定律”在跨域迁移上发力；三是鸟类识别逼迫模型习得极细粒度的声学特征，恰好也能刻画水下的呢喃与呼啸。连虎鲸的某些口哨，与许多鸟鸣在频谱“落点”上也高度相似。这只“顺风耳”不只会听，还能办成事。早在2018年，研究者与海洋机构合作，用卷积神经网络自动检出座头鲸歌声，追踪其时空模式，并在金曼礁补上了此前未记录到的歌场。多物种鲸类模型后来实现了对8种鲸的自动识别，还把一度神秘的“biotwang”音型归属于布氏鲸。在实际保护上，AI也从数据到行动落了地：WhaleSpotter 等系统把观测变成预警，帮助船只减速改道、实时避让。它的网络在2024年实现了超过5.1万次海洋哺乳动物检测，最佳视距可达约6公里，并坚持“人审机器”的流程以压低误报。沿岸学界也在发力：利用多模态深度学习提升露脊鲸上呼声的识别准确率；卫星+AI的Cetus系统则在广袤海域里标注大型海兽的活动，为政策与渔业协同提供证据链。被动声学监测、边缘计算和小样本学习的组合，正在把“发现-识别-干预”的闭环缩短到现实可用的时间尺度。然而，海洋向来不喜欢多话。AI要是用错了方式，可能变成新的“噪声源”。首先是环境账：大模型训练与推理的碳排、用水与电子垃圾并不轻，一旦把海上声学联网做“大而耗”，也会把保护初衷抵消。其次是决策风险：误报让航运疲于应对，漏报让濒危物种暴露在高碰撞风险里，数据偏差还可能让保护资源向“响得多”的物种倾斜。还有安全与伦理：高精度定位若无访问管控，可能被不当旅游乃至非法捕猎利用；无人机与贴体传感虽带来珍贵数据，也必须以最小干扰为前提。别忘了真正的主噪声源仍是船舶水下辐射噪声与工业活动本身——AI能帮我们“听清”，却替代不了降噪与减速的硬约束。要让“顺风耳”成为福音，关键在“如何去听”。技术上，应当坚持被动为主、安静为先，把识别模型做“小做准”，更多在浮标或船端边缘侧运行，尽量以嵌入+轻量分类的方式节能，同时用校准良好的阈值应对极度不均衡的稀有事件。流程上，像 WhaleSpotter 那样保留人工复核，给每次告警配上不确定性与可解释频谱证据，建立“每千瓦时避免的船撞风险”这类可核算收益指标。治理上，遵循海事组织与各国噪声指南，把AI预警与限速、改道的强制措施挂钩；对敏感物种与繁殖季，实施位置模糊化与延时公开；建立数据访问许可与用途审计，给动物以“空间上的隐私”。学术与社区层面，持续发布标准化评测与误差分析，推动多方共治，让渔业、航运、科研与保育真正共享同一套“听后即行动”的规则。所以，AI“顺风耳”既不是天降神兵，也不必然是威胁。它更像一只被放大的听诊器：放在合适的胸口，能听见生命最微弱的搏动；贴在错误的地方，就只剩嘈杂与自鸣得意。海洋是靠倾听维系的文明，当我们学会听得更远、更细，也该学会更克制、更负责地使用这份听力。毕竟，真正的智慧，不是让海洋更响，而是让人类在听清之后，学会轻声走路。

新知 - 大圆镜｜训鸟的AI，居然能听懂鲸鱼的歌

大圆镜

内容由AI生成，思考得你完成

App Store 下载 Android 下载

想象一下：你花了十年时间练出能分辨1.4万种鸟鸣的耳朵，某天突然被扔进大西洋底，居然能精准听出座头鲸的哼鸣和虎鲸的哨声——这不是科幻，是Google DeepMind的AI模型Perch 2.0干的事。

这个原本以鸟类、陆生昆虫和两栖动物的百万条录音为食的AI，在几乎没听过海洋声音的前提下，仅凭几十条鲸鱼音频样本，就学会了分辨8种鲸类的不同叫声，甚至在虎鲸亚种识别上，比专门训练的鲸鱼模型表现还出色。

没人预见到这个结果。为什么一个训鸟的AI，能听懂深海里的歌声？

让AI“跨界”的魔法：迁移学习

要搞懂这件事，得先拆解Perch 2.0背后的迁移学习（Transfer Learning）——简单说就是让AI把在A任务上学到的本事，用到B任务上，相当于“举一反三”。你可以把它想象成：一个练会了中餐颠锅的厨师，转去做西餐煎牛排，不用重新学拿刀握锅，只需要调整火候和调味就行。

但真实的机制比这个类比更精确：Perch 2.0先在1.5万种陆地动物的声音数据上完成“预训练”，把杂乱的音频转换成能捕捉核心特征的**嵌入向量**——就像把每段声音都提炼成一张独特的“特征名片”，上面标注着频率变化、节奏快慢、音色特质这些关键信息。当要识别鲸鱼时，研究团队不用从头训练模型，只需要拿几十条鲸鱼音频的“名片”，训练一个轻量的分类器，让它学会把鲸鱼的“名片”和对应物种配对。

这个过程省了至少90%的计算资源。Google Research的Lauren Harrell说：“相当于把之前几百万小时的训练成果都‘回收利用’了，不用再从零开始烧钱训练鲸鱼模型。”

具体的操作逻辑很清晰：

把5秒音频转成**声谱图**（Spectrogram）——一种把声音变成图像的技术，横轴是时间，纵轴是频率，颜色深浅代表声音强度，就像把声音拍成了照片。
用预训练好的Perch 2.0把声谱图转换成嵌入向量。
用少量鲸鱼的嵌入向量训练一个简单的逻辑回归分类器。
分类器直接输出鲸鱼的物种或叫声类型。

为什么鸟的本事能用到鲸鱼身上？

一开始连研究者都不敢信这个结果，直到他们从生物学和AI规律里找到了三重答案。

第一重是进化的巧合。鸟类和鲸类虽然一个在天上一个在海里，却都是“声音学习者”——它们能通过模仿学会复杂叫声，而不是天生就会。研究发现，这两类动物的发声器官虽然结构不同，却遵循着相似的“肌弹性-气动”发声原理，甚至负责声音学习的脑区基因表达都有趋同性。反映在声谱图上，虎鲸的哨声频率和很多鸣禽重叠，座头鲸的哼鸣节奏，和某些鸟类的鸣啭有着相似的频率调制模式。

第二重是AI的规模定律。Perch 2.0用150万条跨物种音频训练，参数超过1亿——按照神经网络的规模定律，模型越大、训练数据越多样，学到的特征就越接近“声音的本质”，而不是某一类动物的专属特征。它就像一个听遍了全世界声音的超级耳朵，能捕捉到频率变化、节奏波动这些通用的声学规律，不管是鸟叫还是鲸鸣，在它眼里都是这些规律的组合。

第三重是练最难的题，做简单的卷。鸟类声音识别的难度远超鲸鱼：光是鸣禽就有1.4万种，很多亲缘物种的叫声差异细微到人类耳朵根本分辨不出。Perch 2.0在训练时被逼着学会捕捉最细微的声学特征——比如千分之几秒的频率偏移、几赫兹的音色差异，这些本事用到鲸鱼识别上，就像让做奥数题的学生去做初中数学，自然游刃有余。

我认为，这件事最被忽略的价值，不是AI的跨界能力，而是它给我们指了一条明路：当我们缺乏某类数据时，与其死磕稀缺数据，不如先在更丰富、更难的相关数据上训练出通用能力——这可能是解决生态保护中数据稀缺问题的最优解。

从实验室到深海：这到底有什么用？

对于鲸类保护来说，这个发现是个实打实的效率革命。过去要监测鲸类，要么靠成本高昂的航空调查，要么靠水下麦克风录下海量音频后人工标注——一个研究员一天最多能听10小时音频，而Perch 2.0一天能处理几万小时。

现在，研究团队只需要把水下麦克风放在深海，录下的音频传到云端后，Perch 2.0能自动识别出鲸类的物种、叫声类型，甚至能追踪它们的迁徙路线。比如北大西洋右鲸，这种濒危鲸类的“upcall”叫声，Perch 2.0识别准确率能达到86%，比人工识别还稳定。

更重要的是，它能快速应对新情况。海洋里每天都有新的声音出现——可能是新的鲸类叫声类型，可能是未知的海洋生物，Perch 2.0只需要几条样本，就能快速学会识别，不用等几个月训练新模型。

当然，它也有局限：在极端嘈杂的海域，比如靠近货轮航线的地方，识别准确率会下降；对于那些和鸟类声谱特征差异极大的深海生物，比如某些低频发声的须鲸，它的表现也会打折扣。但这些问题，都可以通过补充少量针对性数据来解决。

当Perch 2.0第一次准确识别出太平洋深处的虎鲸哨声时，研究团队意识到，他们打开的不只是一个跨物种识别的技术窗口，更是一个重新理解动物声音的新视角。

我们过去总觉得，不同物种的声音是隔绝的语言，鸟有鸟的歌，鲸有鲸的吟，彼此无法相通。但AI告诉我们，在声学的本质层面，这些声音共享着进化和物理的底层规律——就像不同的语言，却用着相同的字母表。

听懂跨物种的声音，先懂共享的规律。

未来，或许我们不用再为每种动物单独训练模型，只需要一个能捕捉声音本质的通用AI，就能听懂从雨林到深海的所有生命之声。而这，可能是AI给生态保护最珍贵的礼物：用技术打破物种间的声音壁垒，让我们能更平等地倾听这个星球的心跳。

让AI“跨界”的魔法：迁移学习

为什么鸟的本事能用到鲸鱼身上？

从实验室到深海：这到底有什么用？

评论