W poprzednim artykule Czy AI potrafi szczekać — i co to oznacza? opowiadaliśmy o tym, jak AI uczy się rozumieć szczekanie psów. To historia fascynująca — ale to dopiero pierwszy rozdział znacznie większej opowieści. Na Ziemi żyje ponad osiem milionów gatunków. Każdy z nich komunikuje się na swój sposób. I po raz pierwszy w historii mamy narzędzia, żeby spróbować ich posłuchać — naprawdę posłuchać. A może nawet odpowiedzieć.
Jeden model dla wszystkich
Gdybyś chciał zbudować tłumacza dla każdego gatunku osobno, musiałbyś stworzyć miliony systemów. Każdy trenowany od zera, na innych danych, w innym zakresie częstotliwości. To nie jest plan — to utopia.
Dlatego Earth Species Project, organizacja non-profit wspierana m.in. przez rodzinę Paulla Allena i Reida Hoffmana współzałożyciela LinkedIn, poszła inną drogą. Stworzyła NatureLM-audio — pierwszy wielkoskalowy model językowy zaprojektowany do analizy dźwięków zwierząt. Brzmi znajomo? Bo idea jest dokładnie ta sama, co przy psim Wav2Vec2: zamiast uczyć AI od zera, można wziąć model wytrenowany na ludzkiej mowie, muzyce i szerokim spektrum dźwięków — i nauczyć go słuchać przyrody.
Efekt jest imponujący. NatureLM potrafi już analizować wokalizacje tysięcy gatunków, rozpoznawać płeć i wiek zwierzęcia, odróżniać odgłosy stresu od sygnałów przynależności społecznej. I robi to bez osobnego trenowania dla każdego gatunku — wystarczy kilka przykładów. Hipoteza stojąca za całym projektem jest śmiała: język ma wspólne struktury u wszystkich gatunków, a AI jest w stanie je odkryć — tak jak odkrywa wzorce w ludzkich językach, których wcześniej nie znała.
Jak to ujęła strona projektu, cytując Jane Goodall: „Od dziecka marzyłam o tym, żeby rozumieć, co mówią zwierzęta. Jak wspaniale, że to staje się możliwe.”
Kaszaloty mają alfabet
Gdyby przyznawać nagrodę za najbardziej ambitny projekt komunikacji z innymi gatunkami w historii nauki — z pewnością wygrałby Project CETI. Cetacean Translation Initiative skupia pięćdziesięciu naukowców z ośmiu instytucji, w tym Harvardu i MIT. Ich cel? Zrozumieć, co mówią do siebie kaszaloty u wybrzeży Dominiki na Morzu Karaibskim.
Kaszaloty komunikują się przez serie kliknięć zwanych kodami. Przez dziesięciolecia traktowano je jak sygnały podobne do alfabetu Morse’a — rytmiczne, ale pozbawione głębszej struktury. AI zmieniła ten obraz. W 2024 roku opublikowano w Nature Communications pracę opisującą to, co badacze CETI nazywają „fonetycznym alfabetem kaszalota”: kliknięcia mają cztery różne wymiary zmienności, które wieloryby łączą ze sobą jak litery w słowach. Pojawiają się struktury przypominające samogłoski i dwugłoski. Kontekst rozmowy zmienia znaczenie sekwencji.
Ale CETI nie poprzestało na słuchaniu. Stworzyli model o nazwie WhAM, który uczy się generować te dźwięki — trenowany metodą uzupełniania luk: dostawał niepełne sekwencje kaszalotowych kliknięć i uczył się przewidywać, co powinno pojawić się w brakującym miejscu. Po wielu tysiącach takich ćwiczeń zaczął brzmieć przekonująco jak wieloryb. Celem jest dwukierunkowa rozmowa. Na razie WhAM nie „mówi” — ale twórcy projektu mówią o tym wprost jako o kolejnym kroku.
Przy okazji tych badań pojawia się pytanie, które zaczyna trafiać do prawniczych czasopism: jeśli kaszaloty mają język — a nie tylko komunikację — czy mają też podmiotowość? Prawnicy z NYU i Cambridge już piszą o tym, jak odkrycia CETI mogą wpłynąć na prawo dotyczące dobrostanu zwierząt i ochrony gatunków.
Google mówi po delfińsku
W kwietniu 2025 roku Google DeepMind ogłosił DolphinGemma — otwartoźródłowy model AI stworzony we współpracy z Georgia Tech i Wild Dolphin Project, organizacją badającą atlantyckie delfiny cętkowane od ponad czterdziestu lat. Cztery dekady nagrań, tysiące sklasyfikowanych wokalizacji, sygnaturowe gwizdy matek i cieląt, kliknięcia zalotne, „warczenia” podczas przepędzeń rekinów — wszystko to posłużyło do nauki modelu.
DolphinGemma potrafi już grupować dźwięki delfinie według kontekstu społecznego — identyfikuje wzorce, które pojawiają się przy zabawie, przy spotkaniu po rozłące, przy polowaniu. Działa na smartfonie, bez potrzeby połączenia z serwerem — co jest kluczowe dla badań w terenie, w otwartym oceanie.
Ale równolegle z modelem powstaje coś jeszcze — urządzenie o nazwie CHAT, czyli Cetacean Hearing Augmentation Telemetry. Nurkowie noszą je podczas zanurzenia. CHAT generuje sztuczne dźwięki delfinie przypisane konkretnym obiektom — kawałkowi wodorostu, gałązce sargassum — a następnie sprawdza, czy delfiny te dźwięki powtarzają i kojarzą z przedmiotami. Jeśli delfin „prosi” o wodorost syntetycznym gwizdkiem — dostaje go. To nie jest już tylko analiza. To eksperyment językowy prowadzony pod wodą, w czasie rzeczywistym, z wolnymi zwierzętami.
Słonie znają imiona
Czerwiec 2024. Samburu i Amboseli, Kenia. Naukowcy z Colorado State University, Save the Elephants i ElephantVoices opublikowali w Nature Ecology & Evolution wyniki czterech lat badań nad afrykańskimi słoniami sawannowymi. Odkrycie: słonie zwracają się do siebie po imieniu.
Nie metaforycznie. Dosłownie. Model uczenia maszynowego przeanalizował 470 nagrań od 101 osobników i wykazał, że w niskich pomrukach słoni — częściowo poniżej progu ludzkiego słuchu — zakodowany jest element identyfikujący konkretnego odbiorcę. Co więcej, słonie nie naśladują dźwięków wydawanych przez tego osobnika, jak robią to delfiny czy papugi. Tworzą dla każdego arbitralne, unikatowe oznaczenie — tak jak ludzie nadają imiona.
Przeprowadzone doświadczenie było proste i przekonywujące: naukowcy odtworzyli przez głośnik nagranie zawierające „imię” konkretnego słonia. Ten słoń — i tylko on — reagował silniej niż inne. Wołano go po imieniu. I wiedział, że to do niego.
Wrony, słowiki i mysie ultradźwięki
Psy, wieloryby, delfiny, słonie — ale to nie wyczerpuje listy.
Earth Species Project pracuje nad rozszyfrowaniem komunikacji krukowatych. Sieć neuronowa o nazwie Voxaboxen analizuje wokalizacje wron siwych w Hiszpanii, które używają głosu do koordynowania opieki nad potomstwem. Jak bardzo złożona jest ta koordynacja? Jeszcze nie wiemy — ale wzorce już się wyłaniają.
W maju 2025 roku Coller-Dolittle Prize — doroczna nagroda za przełom w komunikacji międzygatunkowej — trafiła do ekipy badającej delfiny. Wśród wyróżnionych znalazł się jednak też zespół z Niemiec, który stworzył model AI generujący i analizujący pieśni słowika. Słowiki są mistrzami „kontr-śpiewu” — natychmiastowego odpowiadania rywalom dopasowaną melodią. Sztuczny tryl grany przez głośnik wywoływał u dzikich ptaków reakcje nieodróżnialne od reakcji na prawdziwego konkurenta. AI zdała egzamin jako rozmówca — przynajmniej dla słowika.
Na zupełnie innym końcu spektrum głosowego operuje DeepSqueak, system analizujący ultradźwiękowe wokalizacje myszy i szczurów — powyżej progu ludzkiego słuchu, więc całkowicie dla nas niesłyszalne. Gryzonie używają tych dźwięków podczas zabawy, zalotów, wychowywania młodych. DeepSqueak pozwala badaczom śledzić stany emocjonalne zwierząt laboratoryjnych i ma już konkretne zastosowania medyczne: pomaga badać uzależnienia od opioidów i modele autyzmu.
Nagroda, która zmienia zasady gry
Nad całą tą dziedziną unosi się kilka cyfr, które warto zapamiętać.
Coller Dolittle Challenge, ogłoszony przez Fundację Jeremy’ego Collera i Uniwersytet w Tel Awiwie, oferuje trzy poziomy nagród: 100 000 dolarów rocznie za znaczące postępy w komunikacji z konkretnym gatunkiem, 500 000 dolarów za algorytm pozwalający na bezpośrednią dwukierunkową rozmowę ze zwierzęciem bez jego wiedzy, że rozmawia z maszyną. I aż 10 milionów dolarów w postaci inwestycji za „złamanie kodu” zwierzęcej komunikacji. To zwierzęcy test Turinga z finansową motywacją.
W 2025 roku 100 000 dolarów trafiło do ekipy badającej delfiny, która zidentyfikowała dwadzieścia odrębnych typów gwizdów i zaczęła mapować ich znaczenia. Nikt jeszcze nie sięgnął po milionowe nagrody.
Bariery, których może nie być jak przekroczyć
Uczciwe spojrzenie na ten temat wymaga też miejsca na głos sceptyczny.
Yossi Yovel, biolog z Uniwersytetu w Tel Awiwie badający komunikację egipskich nietoperzy owocowych, mówi wprost: niektóre bariery są tak fundamentalne, że nie da się ich przekroczyć. Kaszaloty poruszają się w świecie całkowicie skonstruowanym z echolokacji — nawet nie potrafimy sobie wyobrazić, jak to jest nawigować wyłącznie dźwiękiem w ciemnym oceanie. Czy AI, dekodując struktury ich kliknięć, dotrze kiedykolwiek do istoty ich komunikacji w tak odmiennym środowisku? Być może rozszyfrowujemy gramatykę języka, którego semantyki nie zrozumiemy nigdy.
„Myślę, że uczenie maszynowe pozwoli nam zajść dalej, niż byliśmy” — mówi Yovel. — „Ale istniejące bariery są naprawdę fundamentalne.”
To ważne zastrzeżenie. Nie przekreśla sensu badań — ale przypomina, że między rozpoznaniem wzorca a rozumieniem znaczenia jest przepaść, której nawet AI może nie być w stanie pokonać.
Co z tego wynika — poza nauką
Jeśli AI potwierdzi, że zwierzęta mają język — a nie tylko komunikację — konsekwencje wykraczają daleko poza biologię.
W październiku 2025 roku w Ecology Law Quarterly ukazał się artykuł prawników z NYU i biologów z Project CETI: „Co będzie jeśli zrozumiemy, co mówią zwierzęta? Prawne skutki badań komunikacji z pomocą AI”. Autorzy pytają wprost — jeśli kaszalot wyrazi sprzeciw wobec czegoś, co mu robimy, czy będziemy musieli go posłuchać? Jeśli słoń zawoła po imieniu po śmierci towarzysza — czy to dowód żałoby wystarczający do uznania podmiotowości?
To pytania, które do niedawna brzmiały jak filozoficzne ćwiczenia. Dziś coraz więcej prawników traktuje je poważnie.
Być może odkrycia AI w dziedzinie komunikacji zwierząt nie zmienią samej tylko biologii. Być może zmienią to, jak rozumiemy inteligencję, język i nasze miejsce wśród innych gatunków. Człowiek przez tysiąclecia zakładał, że jest jedyną istotą, która naprawdę mówi. AI może nam udowodnić, że się mylił.
