加州大学伯克利分校科学家用AI解码斑马雀11种核心叫声，获Coller-Dolittle奖。
科学家在理解动物交流方面迈出了重要一步。加州大学伯克利分校的Julie Elie博士因破译了斑马雀的核心"词汇"而获得2026年Coller-Dolittle跨物种双向交流奖，奖金10万美元。她花了超过15年时间研究这种体型小巧、鸣声极为丰富的鸣禽，录制了数千段鸟类叫声并逐一分类，然后借助机器学习技术识别反复出现的交流模式。
Elie识别出斑马雀使用的11种核心叫声，并解释了这些声音的具体含义。斑马雀用不同的叫声来宣告自己是谁、在做什么，以及通过独特的声纹签名来识别彼此，无论传递的是什么信息。这些叫声覆盖了从自我介绍、活动通报到身份识别的基本交流功能，构成了该物种的一套完整沟通体系。研究中最关键的发现之一是每只鸟都有独特的声纹特征，即使传递相同类型的信息，不同个体的叫声也各不相同，这类似于人类在同一句话中仍然保留的个人音色特征。Elie在获奖后表示："我感到无比荣幸。"她希望这项研究能为最终实现与动物交流这一"伟大事业"做出贡献。
伦敦政治经济学院哲学家、评委之一Jonathan Birch教授称这项工作"绝对惊人"。特拉维夫大学Yossi Yovel教授将Elie的成就描述为"该领域的关键时刻"，但也指出真正的双向交流仍是一项重大科学挑战，需要解决从语义映射到意图识别再到跨物种反馈机制的多层面问题。Coller-Dolittle奖由Jeremy Coller基金会与特拉维夫大学于2024年联合设立，旨在表彰动物交流领域的科学进展。该奖项每年颁发，同时还设有一项1000万美元的大奖，奖励成功实现人与动物双向交流的研究者，条件是能够与动物进行有意义的信息交换而不仅是单向识别。
基金会创始人Jeremy Coller比科学家更为乐观，他认为人工智能的飞速进步可能帮助研究者在本十年末之前破解动物交流的密码。机器学习工具正在从根本上改变整个领域：研究人员现在能够以前所未有的速度分析成千上万段动物声音记录，发现此前肉眼无法察觉的隐藏模式并推测可能的含义。随着人工智能持续进步，这些发现可能最终重塑人类理解动物世界的方式，甚至改变我们与动物互动的本质。虽然人类距离与鸟类或其他动物进行真正意义上的"对话"还有很长的路，但Elie的研究提供了迄今为止最有力的证据，表明许多物种的交流远比此前人类认知的更为复杂。这项工作的影响已经超出了鸟类学领域，正在激励研究者将类似的机器学习方法应用于鲸类、灵长类乃至昆虫的交流系统研究中。
星火配资提示：文章来自网络，不代表本站观点。
