N齐鲁日报

科技日报

红星新闻

猫咪喵喵叫，是撒娇还是吐槽？小鸟叽叽喳喳，是闲聊还是报警？千百年来，动物的交流世界，对人类来说始终是一本“无字天书”。如今，人工智能正悄悄打破壁垒。2026年6月，加州大学科学家凭借“破译斑胸草雀语言”的研究，拿下科勒·杜立德奖年度奖10万美元。他们用AI识别出斑胸草雀的11种核心叫声，相当于一本“鸟语词典”。人类自古便幻想听懂鸟言兽语，如今凭借AI，正一点点靠近这个梦想——但离真正“对话”仍然遥远。

斑胸草雀

11种核心“词汇”

建起“鸟语词典”

2026年最受关注的动物交流研究，来自一只小鸟。加州大学伯克利分校的朱莉·埃利博士花了15年时间，听取斑胸草雀的叫声，然后把十几年积累的鸟叫录音喂给机器学习模型，让AI帮忙找规律。

结果出来了：斑胸草雀的叫声里，有11种核心“词汇”，每一种都有明确含义——分享位置、召唤配偶、警告同伴，甚至还有日常轻松的闲聊。

但真正让评审团震撼的，是接下来的实验。埃利想知道：小鸟自己分得清这些叫声吗？她设计了一个巧妙的游戏：在小鸟面前放了两个按钮，按左边播放一段叫声，按右边会播放另一段叫声。有些叫声后面跟着食物奖励，有些没有。小鸟很快学会了：听到有奖励的叫声，就等着吃；听到没奖励的叫声，就赶紧再按一下，换一个听。

这就像我们刷短视频，刷到喜欢的就停下来看，刷到不感兴趣的就立刻划走。小鸟用同样的逻辑，快速筛选着不同叫声。

但最关键的发现，发生在小鸟判断错误的时候。科学家仔细分析小鸟“听错”的规律，惊讶地发现：当小鸟混淆两种叫声时，它们搞混的是“意思相近”的叫声，而不是听起来“像”的叫声。

打个比方：如果小鸟把“我在这里”和“快到窝里来”搞混了，那是因为这两个都是“联络类”叫声，含义相近。但它不会把“我在这里”和“有危险”搞混，因为这两个意思相差太远，哪怕它们的音调听起来很像。

这个细节说明：小鸟脑子里装的不只是声音，更是声音背后的意思。埃利认为，斑胸草雀对叫声含义形成了心理表征，它们或许真的理解不同叫声在“说什么”。

这项研究获得了2026年科勒·杜立德奖。该奖项由特拉维夫大学与杰里米·科勒基金会设立，旨在奖励推动人类与动物双向交流的研究。

大象

次声波传信

象群也会互相“点名”

除了斑胸草雀的叫声研究，颠覆大众认知的，还有非洲大象的交流秘密。

我们平时听大象叫，感觉声音低沉、差别不大。其实大象的主要交流方式是超低频的次声波，大部分声音人类根本听不见。

美国科罗拉多州立大学等团队在肯尼亚野外坚守4年，录制了数百段野生大象的低频交流声，覆盖上百头野生大象，并分析了1986年至2022年间469次野生非洲象呼叫录音。通过AI模型剔除风声、脚步声等杂乱噪音，拆解声波细节，终于发现惊人规律：每一头大象，都有“专属呼叫音”。

AI可以分辨：哪一声是喊甲大象，哪一声是唤乙大象。更有趣的野外回放实验，证实了真相：播放专门叫A大象的录音，A大象立刻靠近、主动回应；播放叫B大象的录音，它理都不理。

当然，这并非说明大象像人一样拥有“名字”，更不是会说话。准确解释是：大象会为同伴定制专属暗号，用来单独点名、呼唤。不过，这并非人类概念里的名字，只是个体识别的声音信号。

这套“点名系统”在草原象群里特别管用。大象想找孩子、找同伴时，不用“扯着嗓子”喊遍整个族群，只要发出那个专属暗号，对方就能听见、回应，既省力又精准，还不会惊动其他象群成员。

“动物窃听计划” AI化身野外倾听者

大象和斑胸草雀的秘密，只是冰山一角。近几年，全球科学界掀起一场“动物窃听计划”。AI化身超级倾听者，潜入森林、深海、田野，解锁了无数动物的交流密码。

曾经人们以为，鲸鱼的声音只是优美的吟唱。而AI研究证实：抹香鲸的咔嗒声，是一套严谨、有逻辑的声音系统。它们长短不一的咔嗒声，可以自由组合、排序，如同人类用拼音组词，组合出不同含义，这可能与其觅食、集结、预警、社交等场景相关。美国麻省理工学院团队基于海量数据，提出了首个“抹香鲸字母表”。

我国科研团队同样利用AI监测布氏鲸鸣响，在特定监测场景中，准确率可达99%，为海洋保护提供关键依据。

至于山林飞鸟，普通人听鸟鸣，只觉得热闹嘈杂。AI大模型FinchGPT学习了数万段鸟鸣后，归纳发现：鸟类鸣叫存在固定的语序与搭配习惯，具备一定的交流逻辑。不同长短、高低的鸣音，对应着求偶、占地、警示、呼唤幼鸟。很多濒危鸟类，人类几十年找不到其踪迹，最终依靠AI识别出微弱鸟鸣，重新确认其种群存活踪迹。

AI能“识别信号”不等于“听懂兽语”

AI化身倾听者，解锁了不少动物的交流密码，那么人类是不是能和动物聊天了？

科学界给出答案：别多想。在动物交流破译这件事上，AI目前的能力主要是模式识别，它能总结规律：什么声音对应什么行为，但它无法理解语义、读懂情绪和含义。

就像“蜻蜓低飞可能要下雨”，我们虽然知道规律，却听不懂蜻蜓在“说什么”。

AI现在做的，就是总结这样的自然规律。动物交流极其复杂：声音、眼神、肢体、气味、动作、场景，多维配合传递信息，只靠声音解码，很容易片面误读。因此，现阶段的这些成果，只是科学探索，绝非完全破译动物语言。人类距“和动物对话”，依旧十分遥远。

□新闻延伸

科勒・杜立德挑战赛：大奖寻跨物种交流突破

“科勒・杜立德挑战赛”是一项于2024年启动的国际竞赛，致力于促进对动物福利和动物感知能力的认识。该比赛还设立了1000万美元投资或50万美元现金的最终大奖，以奖励攻克人类与动物双向交流难题的团队。

除斑胸草雀项目外，多支团队入围赛事，其中一个法国团队展示了带有条纹的非洲鼠如何通过超声波吱吱声来显示其身份；一个瑞士-美国团队发现倭黑猩猩将其叫声组合成类似人类句子的序列；另一个法国团队与科特迪瓦的研究人员合作，理解了黑猩猩的“嚯嚯”声和尖叫声。

该奖项的出资人里米·科勒则乐观表示：“由于AI的发展，相信我们将在2030年前破解这一密码，该突破将惠及世界各地的人类和我们的动物朋友。”

研究称存缺陷：

只辨声音不辨含义

一项新研究指出，这条路存在一个根本性缺陷：AI模型只关注声音的物理特征，却未必能读懂这些声音对接收者而言的真正含义。研究人员以尚未掌握语言的人类幼儿为对象展开检验。与动物发声不同，幼儿发声的含义至少可被部分确认——照料者对其解读可被记录。研究采集了幼儿在痛苦、呼唤特定亲人（妈妈或爸爸）、索要食物三种情境下的发声样本，先用经典声学方法分析，再交由两个前沿深度神经网络处理，其中一个基于动物发声进行训练，另一个基于成人语音进行训练，二者均被要求依据声学特征对声音归类。

结果显示，深度神经网络的表现虽优于经典声学方法，却仍无法按含义准确分类：部分承载不同信息的声音被归为一类，传达相同信息的不同发音又被拆开。更关键的是，模型完全无法识别一系列发声中紧迫感的递进，而这种差异，人耳可以自然感知。

研究人员据此提出核心结论：声学上相似的声音未必含义相近，听起来迥异的声音反而可能传达相同信息。这意味着，仅依据声学特征分类，可能对动物通信系统及其所传信息造成严重误读。