研究人员说，了解抹香鲸(如上图所示的母鲸和幼鲸)如何改变它们的点击序列，可以帮助科学家了解这些动物如何“在它们的叫声中编码信息”。

科学家们完成了鲸鱼的一项壮举。他们用人工智能分析了抹香鲸点击的数千次记录序列，发现了鲸鱼交流中以前未知的复杂性。

鲸鱼的节奏、节奏和长度的变化被称为尾声，编织了丰富的声学挂毯。这些变量表示鲸鱼可以以多种方式组合点击模式，混合和匹配短语以相互传递广泛的信息。

抹香鲸发出咔哒声到底在说什么，对人类来说仍然是个谜。尽管如此，科学家们在5月7日的《自然通讯》杂志上报告说，揭示鲸鱼声音交流的范围是将鲸鱼的叫声与特定信息或社会行为联系起来的重要一步。

“这项工作建立在许多先前专注于理解抹香鲸叫声的工作的基础上。然而，这是第一次开始在更广泛的交流背景下以及鲸鱼之间交流的背景下研究抹香鲸的叫声，这使得一些发现成为可能，”该研究的合著者、麻省理工学院计算机科学与人工智能实验室(CSAIL)主任Daniela Rus博士在一封电子邮件中说。

罗斯说:“了解它们可以控制和改变口令的哪些方面，有助于我们理解它们如何在叫声中编码信息。”

研究人员将他们的声音组合目录称为抹香鲸的“语音字母表”，将鲸鱼的点击序列的变化与人类语言中不同语音的产生进行比较。

英国圣安德鲁斯大学(University of St. Andrews)的研究人员卢克·伦德尔(Luke Rendell)博士的工作主要是研究海洋哺乳动物的交流，他在一封电子邮件中说，尽管研究小组的发现很有趣，但这个术语对鲸鱼的声音互动提供了一种误导性的观点。

伦德尔没有参与这项研究，他说:“‘音标’的呈现并不是这样的。”

他说:“使用节奏变化的方式与我们使用字母表元素来构建语言表达的方式完全不同。”“没有证据表明这一点，而且这也不是一个非常有用的解释，因为它把所有东西都强加到一个受限制的、有点过度推销的角度，即‘它是否像人类语言’，而实际上有更广泛的解释范围。”

模式识别

另一组科学家此前在《科学报告》杂志上报告说，抹香鲸通过迫使空气通过头部的一个叫做脑龙头的器官来发出“咔嗒”声，这些声音可达230分贝，比火箭发射的声音还要大，能够使人类的耳膜破裂。

在这项新研究中，研究人员使用机器学习来检测多米尼加抹香鲸项目收集的音频数据中的模式，该项目是一个观察加勒比海抹香鲸的存储库。这些录音代表了大约60头抹香鲸的声音，这些声音是在2005年至2018年之间录制的，抹香鲸是东加勒比家族中约400头鲸鱼的一个子集。

之前的研究已经在全球范围内发现了150种抹香鲸的尾声，但加勒比鲸鱼只使用了其中的21种。

科学家们检查了8719个尾段序列的时间和频率——在鲸鱼单独的话语中，在合唱中，在鲸鱼之间的呼叫和反应交流中。当用人工智能可视化时，以前看不见的尾轴模式出现了。

该研究的作者定义了尾声的四个特征:节奏、速度、节奏和装饰。节奏描述咔哒声之间的间隔顺序。节奏是整个尾声的持续时间。Rubato指的是相同节奏和速度的相邻尾段的持续时间变化。罗斯解释说，装饰是在一组较短的尾声中，在尾声末尾添加的“额外点击”。

罗斯说，在鲸鱼之间的声音交流中，这些所谓的装饰点击“更多地发生在回合的开始和结束”，“表现得像话语标记”。

兰德尔说，鲸鱼可以同步变化尾节奏的发现是“一个非常有趣的观察”。

“我不太相信‘装饰’，”他补充说。“这种情况很少发生，我认为我们需要更多的证据来证明它们不仅仅是生产故障，”或填充音，“就像我们说‘嗯’或‘err’一样。”

总的来说，该程序检测到18种节奏，5种节奏，3种节奏和2种装饰音。研究报告的作者称，这些结尾特征都可以混合和匹配，形成一个“庞大的曲目”。更重要的是，在涉及两只或更多鲸鱼的交换或合唱中，根据结尾（尾声）的位置(跟随或重叠其他结尾)，意义可以进一步调整。

互动实验

“实际上，几十年来，我们中的许多人一直在等待先进的技术让我们做这样的事情!”加州大学戴维斯分校兽医学院教授布伦达·麦考恩博士在一封电子邮件中说。

麦考恩没有参与这项研究，他是另一个团队的成员，该团队于2021年在阿拉斯加附近的水域与一头座头鲸进行了互动“对话”。在大约20分钟的时间里，一头好奇的鲸鱼反复对从科学家的船上传来的座头鲸歌曲录音做出回应。

“这次特殊的回放(2021年与座头鲸的回放)是一次机会主义实验，一头好奇的鲸鱼在行为和声音上都吸引了我们，完全是她自己的意愿，”麦考恩说。

作者在研究中写道，这种与鲸鱼的互动实验，以及对鲸鱼行为的观察，可能是解开抹香鲸点击序列语法的重要组成部分。

McCowan补充说，他们的机器学习方法也可能对研究其他类型的动物发声有用。

麦克考恩说:“节奏、节奏、纹路和纹饰很可能在其他种类的鲸鱼身上发现。”“我们已经知道座头鲸的歌声是这样的。但也有证据表明，这种模式也适用于其他水生、陆地和树木物种。”

伦德尔提醒说，尽管这种技术有助于识别交流的某些方面，但它不是罗塞塔石碑。

“机器学习对于在大型数据集中发现模式很有用，”他说，“但它不能创造意义。”