斑胸草雀是一种很吵的小鸟。它们原产澳大利亚，体型只有巴掌大，嗓门却不小。在野外，它们成群结队，叽叽喳喳一整天。但直到最近，没人真正知道它们在”说”什么。
2026年6月，加州大学伯克利分校的Julie Elie博士因为这个问题的答案，拿到了10万美元的Coller-Dolittle跨物种交流奖。她用机器学习分析了上千段斑胸草雀的叫声，最终识别出11种具有稳定语义的”呼叫类型”——包括攻击、饥饿、警报、亲密关系等。她设计的实验还表明：这些鸟类是按”含义”而非”音色”来对同伴的叫声进行分类的。
十年录音，十一类”词”
Elie的工作不是从AI开始的。她花了许多年时间，在实验室里反复录制斑胸草雀的叫声，并逐条标注每个叫声出现的具体情境——是哪只鸟发出的？当时在做什么？周围还有谁？这一过程积累了一个包含约8000条标注叫声的数据集。
有了这个数据集，她和团队开始使用机器学习模型来识别叫声的声学特征。每一种叫声都可以被转化为一张”声谱图”——横轴是时间，纵轴是频率，颜色的深浅代表能量大小。模型要做的，就是在这成千上万张声谱图中，找到那些稳定重复出现的模式。
笔者需要说明，这里使用的并非今天大家熟悉的GPT式大语言模型，而是更为经典的有监督学习分类器。研究团队从每条叫声中提取了多个声学参数：频谱形状、音高显著性、时长、强度，以及类似人类语音中共振峰那样的频率峰值。这些特征被喂给分类模型，最终将斑胸草雀的叫声自动归入11个类别。
这11类叫声映射着明确的社会功能。遭遇捕食者时，它们发出短促的”警报叫声”。群体觅食时，它们用”接触叫声”维持彼此的联系——这种接触叫声又分为短距离版本和长距离版本，二者听起来差异很大，但社会功能相同。争夺食物或配偶时，一种嘶嘶作响的”攻击叫声”登场。此外还有表达饥饿的”乞食叫声”、用于亲密关系的”巢穴叫声”，等等。根据研究论文的描述，这些叫声类型在声学上各有特征：有的非常纯净（tonal），有的则充满噪声，时长从几十毫秒到数秒不等。
关键证据：鸟类犯了”有意义的错误”
如果说AI的聚类结果只是人类强加给鸟类的标签，那么Elie接下来的实验就真正让”鸟自己说了话”。
她训练斑胸草雀按下一个按钮来播放特定的叫声录音。每天，研究团队只从11类叫声中选出一类给予食物奖励——比如，按下按钮后听到”长距离接触叫声”就能得到种子。鸟类很快掌握了规则：听到被奖励的叫声类别时，它们安静地等在食槽前；听到不被奖励的类别时，则迅速跳过。这说明鸟类确实能够区分这11种叫声——这本身不算意外，毕竟很多动物都能辨别不同的声音信号。
真正让评审委员会感到惊讶的，是鸟类所犯的”错误”。
当斑胸草雀在区分叫声类别时犯错，它们的错误模式非常特殊：它们频繁混淆”长距离接触叫声”和”短距离接触叫声”——这两种叫声声学上差异显著，前者持续时间长、频率范围广，后者短促而尖锐。但它们几乎从不混淆”短距离接触叫声”和”短距离警报叫声”——尽管这两者在声学上极为相似，时长相近，频率分布也趋同。
换句话说，鸟类按”语义”归类，而不是按”声学相似度”归类。一个接触叫声，无论长短，在斑胸草雀听来都属于”联系我们”这个意义范畴；而一个警报叫声，即便听起来和接触叫声很像，也被它们准确地隔离开来。
这意味着什么——以及不意味着什么
这个发现之所以重要，是因为它挑战了一个长久的预设：动物的叫声，只是对外部刺激的反射性反应——看到捕食者就发警报，饿了就乞食。按照这种观点，动物并不真正”理解”叫声的含义，它们只是在做听觉模式匹配。人类语言则不同——我们知道”狗”和”犬”指的是同一个东西，尽管两个字的发音完全不同。
Elie的研究表明，斑胸草雀展现出了类似的能力。它们在听到某种叫声时，大脑激活的可能是”这个叫声意味着什么”而非”这个声音像什么”。用评委会主席、特拉维夫大学的Yossi Yovel教授的话说，这项研究”超越了仅仅解码斑胸草雀的交流信号，开始回答这些模式对鸟类本身是否真的有意义的这个问题。”
然而，笔者需要在这里保持冷静。这并不意味着鸟类拥有像人类一样的”语言”。人类语言有复杂的句法、无限的组合性，以及通过有限词汇生成无限新含义的能力。斑胸草雀的11种叫声系统，更接近一个”词典”而非”语言”——有固定的词汇单元和固定的语义映射，但没有语法来将它们串成更复杂的表达。我们尚未看到斑胸草雀将”警报”和”飞走”组合成一个新的含义单元。
这里恰好体现了当前AI在动物交流研究中的核心张力：机器学习的模式识别能帮我们发现动物叫声中的统计规律，但”规律”和”语义”之间仍有一道深沟。Elie的贡献在于，她没有止步于用算法找到模式，而是通过行为实验让鸟类自己来”纠正”或”确认”人类的分类——而鸟类犯的错误，恰恰暴露了它们内部是按语义来组织这些叫声的。
更大的图景：AI正在加速跨物种交流研究
Elie的工作并非孤例。近年来，多个研究团队在使用机器学习解码不同物种的交流系统。Project CETI（鲸类翻译倡议）正在用自然语言处理技术分析抹香鲸的”咔嗒声”序列，试图识别类似人类语言中的”音素”和”词汇”结构。另一组研究人员成功区分了埃及果蝠在抢食物和争地盘时发出的不同叫声。在本次Coller-Dolittle奖的入围名单中，还有团队在研究黑猩猩和倭黑猩猩的交流，以及非洲条纹鼠的叫声系统。
所有这些研究共享一个方法论框架：先大量收集带情境标注的声音数据，再用无监督或有监督的机器学习寻找模式，最后通过行为实验加以验证。AI在这里的角色是”加速器”——过去，动物行为学家需要人工听几千小时的录音、逐条标注、肉眼寻找规律；现在，模型可以在几天内完成同样的筛选工作，还能发现人耳无法分辨的声学特征。
基金会的创始人Jeremy Coller在颁奖时预测，到2030年人类将”破解”动物交流的密码。笔者对这个时间表持保留态度。但即使2030年的目标无法实现，Elie的研究已经展示了一条可行的路径：用机器学习作为假设生成工具，用严格的行为实验作为验证手段——让动物自己告诉我们，那些被算法发现的模式，对它们来说到底意味着什么。
想听懂鸟在说什么，最好的办法是设计一个实验，让鸟有机会纠正我们——不需要AI替人类猜。
参考链接：
- https://www.freepressjournal.in/education/breaking-the-bird-barrier-scientist-decodes-zebra-finch-language
- https://news.ycombinator.com/item?id=48739446
本文技术分析基于 Julie Elie 研究团队的 Science 论文（
science.ads8482）、UC Berkeley 官方发布、Coller-Dolittle 基金会公告，以及 The Guardian 等媒体的公开报道。