谷歌 DolphinGemma 尝试解码海豚语言：海豚已能"点菜"

该项目是Google与美国野生海豚项目（Wild Dolphin Project）的长期合作成果，后者自1985年起对巴哈马海域的大西洋花斑海豚种群开展非侵入式长期研究，累计积累了超过9TB的水下声学录音与对应行为标注数据，覆盖三代海豚的日常交流、社交互动、协作游戏等全场景声纹样本。

此前动物声学研究长期停留在“单声纹对应单一行为”的简单映射阶段，无法捕捉海豚声信号序列中的组合语义，DolphinGemma依托Gemma系列开源大模型的序列建模能力，首次实现了对海豚复杂声纹序列的上下文理解。

一、核心技术架构与能力边界

DolphinGemma并非简单的声纹分类模型，而是完整的端到端跨物种通信系统，核心能力分为三层：

1. 水下声学预处理层‌

专门针对海洋环境优化，可在复杂水流噪音、背景声干扰中精准分离海豚的点击声、哨声与脉冲串三类核心发声信号，过滤无效环境音。

2. 序列语义建模层‌

基于Gemma轻量大模型改造，将海豚的声纹序列转化为模型可理解的语义token，识别不同声纹组合背后的组合语义，而非仅做一对一的标签匹配。

3. 双向交互输出层‌

系统可将人类指定的游戏、玩具等需求转化为海豚可识别的声学信号，同时将海豚发出的声序列实时翻译为人类可理解的结构化需求，完成双向通信闭环。

二、实测落地：海豚已实现主动“点菜”

在最新的开放水域实验中，研究人员在海豚活动区域部署了搭载DolphinGemma的水下交互终端，终端连接不同的玩具投放装置与游戏触发装置。海豚可通过发出特定的声纹序列，向系统主动表达需求：

• 海豚发出对应声序列后，系统识别其需求，自动投放指定的漂浮玩具、触发水中泡泡游戏，完成需求响应。
• 实验过程中，海豚展现出明显的学习与反馈行为：在多次交互后，它们会主动调整发声序列的细节，修正系统识别偏差，以获得自己想要的特定物品，而非仅被动回应人类预设的信号。

目前该场景下的交互识别准确率已超过70%，远高于传统动物声学交互系统的平均水平。

三、与传统动物声学研究对比

四、应用场景

海洋生态保护落地‌：可部署在海洋保护区，实时监测海豚种群的交流行为变化，提前预警种群迁徙、受伤遇险等异常情况，辅助濒危海洋哺乳动物的保护工作。 水下声学技术迁移‌：项目研发的水下抗干扰声纹识别技术，可直接应用于水下机器人、海洋勘探设备，提升复杂水下环境的声学通信稳定性。 跨物种AI研究范式参考‌：为后续解码其他高智能动物的交流体系提供了可复用的技术框架，推动整个动物声学研究从人工标注时代进入AI自动建模时代。

五、科学价值与后续规划

该项目的意义远不止于跨物种通信本身：

• 它首次验证了大语言模型在非人类语言序列建模上的泛化能力，为后续研究海豚是否具备结构化语言体系提供了关键技术工具。
• 项目积累的声学建模技术，可迁移到其他濒危海洋哺乳动物的保护场景中，通过分析种群交流模式，辅助海洋生态保护工作。
• 依托Gemma的开源生态，谷歌已在GitHub上线Awesome Gemma官方目录，开放部分非敏感数据集与基础模型权重，邀请全球开发者共同参与迭代，进一步提升海豚声纹序列的语义识别精度。

六、行业边界

目前该项目仍处于科研实验阶段，尚未实现对海豚全部交流体系的完整解码，海豚的复杂社交对话、远距离协作交流等场景的语义理解仍有大量未知空间待探索，相关技术距离实现流畅的跨物种日常对话仍有较长周期。

附：资源获取

谷歌已开放部分非敏感的项目资源，开发者可通过官方渠道获取相关内容：

• Awesome Gemma 官方开源目录：https://github.com/google-gemini/awesome-gemma
• Google DeepMind 项目技术博客，可查看完整的实验细节与技术报告