Gemini最近推出一款名為 DolphinGemma 的新型 AI 模型，正在悄悄推動「跨物種溝通」的革命。由 Google DeepMind 團隊研發，結合 Gemma 開源模型 的最新技術，DolphinGemma 已成功學習來自 Wild Dolphin Project 的海豚聲音數據庫，能夠解析野生大西洋斑點海豚的語音模式，甚至預測牠們下一句話可能會說甚麼。

左圖：一隻帶有幼崽的母海豚在覓食時觀察著牠的孩子。當小海豚覓食完畢後，母海豚會使用自己獨特的「簽名口哨聲」呼喚牠回來。右圖：用聲譜圖來視覺化該口哨聲的樣貌。（Google Blog圖片）

一場跨越海洋與科技的對話

自 1985 年起，Wild Dolphin Project（WDP）便在巴哈馬水域進行全球最長壽的海豚水下觀察研究。透過非侵入性方式收集的聲音與影像數據，研究人員可精準連結聲音與行為模式，建立起「誰在說話、說咗乜、做緊乜」的獨特資料庫。

以下是部分已辨識出的聲音類型：

• 簽名口哨：類似名字，用於母子團聚

• 爆衝聲（Burstpulse）：多見於衝突爭鬥時

• 點擊聲（Buzzes）：出現在求偶或追逐時

  AI 如何學識「聽懂」海豚？

DolphinGemma 的背後技術令人嘆為觀止：

• 音訊處理：使用 Google 的 SoundStream 將海豚聲音轉換成模型可理解的格式

• 預測能力：像人類語言模型一樣，能預測下一段可能發出的聲音序列

• 模型規模：大約 4 億參數，可直接於 Pixel 手機上運行，方便野外應用

早期測試顯示，DolphinGemma 不僅可生成擬似海豚聲音，更有助發現隱藏於聲音之間的「結構與規律」——這些正是語言的前身。

在 DolphinGemma 早期測試期間所產生的口哨聲（左）與爆發脈衝聲（右）。（Google Blog圖片）

向雙向溝通邁進：CHAT 系統登場

更令人興奮的是，研究人員並非止步於「理解」，而是正走向「互動」。由 Georgia Tech 開發的 CHAT 系統（Cetacean Hearing Augmentation Telemetry） 是一部水下 AI 裝置，結合 Pixel 6/9 手機的強大運算力，目標是透過合成口哨聲建立與海豚的「共同詞彙」。

例如：

•  為海豚喜歡的物件（如海草、絲巾）創造獨特口哨聲

•  當海豚模仿這些聲音，就會得到對應的物件作為獎勵

•  DolphinGemma 可以加速判別與回應，使互動更流暢

這個過程，正像是為人類與海豚之間架起一座音波橋樑。

DolphinGemma 將開源釋出！

Google 表示，將於 2025 夏天開放 DolphinGemma 作為開源模型供全球研究人員使用。雖然它主要訓練於斑點海豚的數據，但未來透過微調，亦可應用至瓶鼻海豚、旋轉海豚等其他物種的聲音分析。

Dot.AI 解讀：AI 與自然的深層聯繫

我們一直強調——AI 不只是寫文案、畫圖、做自動化工具，更是一種連結世界、探索未知的方式。DolphinGemma 是一個重要的里程碑，代表人類與自然生態的溝通，可能將不再僅止於觀察與記錄，而是主動參與與理解。

在這個資訊氾濫、語言崩壞的年代，這類深度學習模型讓我們再次想起：

「真正有靈魂的 AI，不是做事快，而是理解深。」