打破鸟类障碍:科学家破译斑胸草雀语言

Hacker News Top 论文

摘要

加州大学伯克利分校的朱莉·埃利博士因破译斑胸草雀的核心词汇而获得2026年科勒-多利特尔奖。她通过结合观察、机器学习和行为实验,识别出11种不同的叫声。她的工作标志着跨物种交流的重要一步。

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/07/04 15:40

# 突破鸟类语言障碍:科学家解码斑胸草雀语言 来源:https://www.freepressjournal.in/education/breaking-the-bird-barrier-scientist-decodes-zebra-finch-language **科学家因解码鸟鸣获得10万美元奖金** 加州大学伯克利分校的朱莉·埃利博士荣获2026年科勒-多利特双物种交流奖,获得10万美元奖金,表彰她解码了斑胸草雀的核心词汇,并推动了人类与动物交流研究的发展。 埃利识别出斑胸草雀使用的11种核心叫声并破译了其含义。她的研究表明,这种鸟类会使用独特的叫声来表明身份和活动,同时通过个体独有的声音特征相互识别,无论它们在说什么。她还发现,鸟类更容易混淆含义相近的叫声,而非发音相似的叫声。 "我真的感到无比荣幸,"埃利在获奖时表示,并希望这项工作能成为与动物交流这一"伟大事业"中的一步。特拉维夫大学的动物学家、评审委员会主席约西·约维尔教授称这项研究标志着"该领域的关键时刻"。 **科学家破解斑胸草雀核心词汇** 该奖项于2024年由杰里米·科勒基金会与特拉维夫大学合作设立,旨在鼓励人类与动物双向交流领域的进步。除年度奖项外,该基金会还宣布设立1000万美元的大奖,奖励实现人类与动物双向交流的突破。 埃利选择研究斑胸草雀是因为它们高度发声的特性,这为分析提供了大量数据。"当听到这些爱唱歌的雀鸟时,我问自己的问题是:它们在说什么?"她说。 在十多年的研究中,她录制并观察了鸟类的发声,根据叫声产生的背景和个体鸟进行归类。然后运用机器学习分析叫声中编码的信息,并通过行为实验验证发现。 **机器学习验证鸟类语言** 在一项实验中,斑胸草雀按下按钮后会听到不同的叫声。有些叫声后会有种子作为奖励,促使鸟类逐渐学会跳过没有回报的叫声。埃利将这种行为比作社交媒体使用,称鸟类会像人们滑动跳过无聊视频一样忽略某些叫声。 尽管鸟类偶尔会犯错,但它们更常混淆含义相近而非发音相似的叫声。"它们的反应表明,它们对自己的发声含义有心理意象,"埃利说。"换句话说,它们理解自己叫声类型的含义。" 伦敦经济学院的哲学家、评审委员会成员乔纳森·伯奇教授称赞了埃利的成就。"绝对是超棒的工作"——经过15年多的努力,不仅建立了斑胸草雀词汇的11个'核心词'词典,还通过巧妙实验技术向雀鸟本身求证她是否解读正确了含义。这是一个绝佳的范例,展示了如何严谨地从记录数千次叫声推进到理解它们的含义。" 其他入围项目包括:法国团队对非洲条纹鼠通过超声波吱吱声相互识别的研究;瑞士-美国团队对倭黑猩猩组合叫声形成类似人类句子的研究;以及另一个法国团队与科特迪瓦研究人员合作解读黑猩猩"呼呼"声和叫声的研究。 **AI点燃双向动物交流的希望** 研究人员表示,人工智能和机器学习的进步正在加速理解动物交流的努力,尽管在实现有意义的双向交流之前仍面临重大挑战。约维尔表示还有很长的路要走。 设立该奖项的英国亿万富翁金融家杰里米·科勒表现出更大的信心。"我确信这现在已不可避免,"他说。"不可避免,因为AI发展如此迅速。我坚信我们将在2030年前破解代码,这一突破将惠及人类和全世界的动物伙伴。"

相似文章

看见鸟鸣

Hacker News Top

Seeing Birdsong 是一个将鸟类鸣叫声转化为几何形态和 3D 可视化的框架,架起了艺术与声学科学之间的桥梁。它利用频谱描述符来构建数据丰富的结构,以用于研究、教育和艺术表演。

鸟类访客

Hacker News Top

一个在阳台上安装USB麦克风捕捉鸟鸣的项目,使用BirdNET-Pi进行物种识别,并在网站上叠加花鸟画拼贴展示。

AI 如何推进生物声学科学发展,帮助拯救濒危物种

Google DeepMind Blog

Google DeepMind 发布了更新版本的 Perch,这是一款用于生物声学分析的 AI 模型,可帮助保护人士通过音频数据监测濒危物种。新模型改进了鸟类物种预测能力,更好地适应水下环境,并扩展到包括哺乳动物、两栖动物和人为噪声的分析,原始版本已被下载超过 25 万次。

BAGEL:语言模型中的动物知识专业性基准评估

arXiv cs.CL

BAGEL是一个用于评估大语言模型中与动物相关知识的新基准,从多种科学资源构建,涵盖分类学、形态学、栖息地、行为和物种相互作用等方面,通过闭卷问答对形式呈现。该基准可以进行跨分类群和知识类别的细粒度分析,为生物多样性应用中的模型优势和失败模式提供洞见。