近日，Google 宣布推出一款名为 DolphinGemma 的大型语言模型，旨在帮助科学家们更深入地理解海豚的交流方式。这项新技术由 Gemini2.5Pro Experimental 驱动，并与佐治亚理工学院及其野生海豚项目（WDP）紧密合作。WDP 的目标是通过长时间的非侵入式观察，记录和分析大西洋斑点海豚(Stenella frontalis)的自然行为和社会结构，特别是它们的交流模式。
多年来，WDP 积累了大量的数据，能够将特定的海豚声音与它们的行为进行关联。例如，母海豚和小海豚团聚时会发出的独特口哨声、在争斗时发出的尖叫声，以及追逐鲨鱼时常用的 “嗡嗡” 声等。Google 表示，分析海豚复杂的交流方式是一项挑战，而 WDP 的数据为人工智能的应用提供了绝佳机会。
图源备注：图片由AI生成，图片授权服务商Midjourney
DolphinGemma 正是基于这一数据开发的。该模型采用 Google 的 SoundStream 分词器，将海豚的声音拆解成可管理的音频单元。整个系统的架构设计旨在理解复杂的声音序列，包含约4亿个参数，能够在 WDP 研究人员的 Pixel 手机上原生运行。
与传统的机器学习模型不同，DolphinGemma 专注于音频输入和输出，接收海豚的自然声音，并通过一种类似大型语言模型理解人类语音的方法，预测下一个最可能的声音。这一过程可以类比为为海豚 “自动完成” 交流的功能。DolphinGemma 能够识别海豚声音的模式和结构，为科学家们提供更多的研究可能。
此外，在 DolphinGemma 推出之前，鲸鱼听觉增强遥测技术（CHAT）团队也在探索海豚双向交流的可能性。CHAT 的目标并非完全破解海豚语言，而是创建一个简单易用的互动词汇。通过将合成的声音与海豚偏好的特定物体(如马尾藻、海草等)关联，研究团队希望海豚能学会模仿这些声音，主动 “索要” 这些物品。
Google 表示，DolphinGemma 将于今年夏天作为开放模型发布，旨在为全球研究人员提供工具，帮助他们挖掘自己的声学数据集，从而更好地理解这些智慧的海洋哺乳动物。
