深海里的"无人车"：AI滑翔机偷听抹香鲸聊天

抹香鲸能潜到4000英尺深，一年游15000英里——这种生活习性让它们成了海洋里最难追踪的居民之一。科学家想研究它们，传统方法是在鲸身上装标签，但标签通常只能维持1到3天就会脱落。想要长期偷听这些深海巨兽的对话？几乎不可能。

现在，一个装有AI的自主水下滑翔机系统想要改变这个局面。这个来自CETI计划（鲸类翻译倡议）的设备，能在不打扰鲸鱼的情况下，跟着它们的声音走。研究发表在《Scientific Reports》期刊上。

为什么要用滑翔机？

水下滑翔机不是新鲜事物，但用它们来主动追踪鲸鱼是近年才有的事。CETI团队的核心思路很简单：让机器学会"听声辨位"，然后自己决定往哪游。

这台滑翔机装了两套系统。第一套是常规的导航电脑，控制基本移动。第二套是团队与法国海洋机器人公司Alseamar合作开发的"后座驾驶员"——一台专门处理声学数据的独立电脑，里面跑着能识别抹香鲸叫声的算法。

"我们大幅扩展了'后座驾驶员'的能力，让它能完全自主改变任务，比如调整下潜计划，"CETI的水下声学负责人Roee Diamant告诉《Popular Science》，"这实现了滑翔机对鲸鱼的完全自主追踪——在水下滑翔机领域是首次，就像水下的Waymo。"

滑翔机还装了四个定制水听器，用来定位声音来源。CETI团队开发了两种算法：一种检测鲸鱼是否在叫，另一种计算声音传来的角度。两者配合，系统就能实时算出鲸鱼的位置，然后调整航线追上去。

每2到4小时，滑翔机会浮出水面。这时它通过卫星传回数据、重新校准传感器，也能接收新的任务指令。然后再次下潜，继续跟踪。

能听多久？

关键优势是时间尺度。传统标签几天就掉，而这套系统理论上可以连续工作数月。CETI创始人兼主席David Gruber说："这项技术为水下研究开启了全新维度——我们现在能收集从前不敢想象的长期通讯数据，比如小鲸鱼如何学习族群特有的'方言'，因为我们现在可以长时间监听个体鲸鱼了。"

换句话说，以前科学家只能拍到"快照"——几天内的片段。现在有望拿到"纪录片"——跨越季节甚至年份的连续记录。

这为什么重要？

抹香鲸可能是动物界最复杂的沟通者之一。它们用一系列点击声（clicks）交流，不同族群有不同的"方言"——就像人类的不同口音。科学家一直想搞清楚这些声音到底在传递什么信息：是导航？捕猎协调？还是社交聊天？

但要破解一门"外语"，你需要大量样本。尤其是需要知道"谁在什么时候说了什么"——这就需要长期跟踪个体。AI滑翔机提供的正是这个能力：它可以在不干扰鲸鱼自然行为的前提下，持续收集同一只或同一群鲸鱼的声学数据。

Project CETI的名字已经说明了野心——Cetacean Translation Initiative，鲸类翻译倡议。他们的终极目标是用机器学习破译抹香鲸的语言。而这台滑翔机，就是去野外"采语料"的工具。

技术细节里藏着什么？

这套系统的巧妙之处在于分层设计。导航电脑管"怎么游"，声学电脑管"追谁"。两者通过"后座驾驶员"接口协调——这个术语来自自动驾驶领域，指的是一套能覆盖主驾驶决策的辅助系统。

当水听器捕捉到鲸鱼叫声，声学电脑会快速计算声源方位，然后给导航电脑下达新指令：左转、下潜、上浮，或者保持当前航线。所有计算都在机载完成，不需要实时连接水面——这在深海至关重要，因为无线电波无法穿透海水。

只有浮出水面那几分钟，滑翔机才与外界通信。这种设计平衡了自主性和可控性：大部分时间自己决定，关键节点接受人类监督。

四个水听器的布局也经过精心设计。通过比较声音到达不同水听器的时间差，系统可以三角定位声源——类似人用两只耳朵判断声音方向，但精度更高。

还有哪些没解决的问题？

研究论文没有透露这套系统的实际部署时长和追踪成功率。理论上能工作数月，但实际海洋环境复杂：洋流、温度跃层、生物附着都可能影响滑翔机性能。此外，抹香鲸的潜水深度（可达4000英尺）接近或超过一些滑翔机的工作极限，如何在极深水域保持跟踪仍是挑战。

另一个悬而未决的问题是：即使收集到海量数据，我们真的能"翻译"鲸语吗？CETI团队对此保持谨慎乐观。机器学习在识别模式方面很强，但抹香鲸的通讯是否具备类似人类语言的语法结构，目前仍是科学界的开放问题。这台滑翔机提供的是数据基础设施，至于上层建筑——语义理解——还需要更多研究。

一个更广泛的信号

把AI放进自主机器人，让它在复杂自然环境中做实时决策——这个模式正在多个领域复制。Waymo的自动驾驶汽车、农田里的无人拖拉机、现在水下的鲸鱼追踪器，底层逻辑相似：传感器收集环境信息，算法快速决策，执行器调整行动，人类在回路外监督而非直接操控。

对海洋科学而言，这意味着研究范式的潜在转变。传统海洋学依赖有人船只或固定传感器，成本高、覆盖有限。自主系统可以大幅降低边际成本，让长期、大范围的生态监测变得可行。

抹香鲸只是开始。同样的技术框架可以适配其他发声海洋生物——海豚、海豹，甚至某些鱼类。如果声学特征足够独特，算法就可以学习识别。

回到那个具体的科学问题：小鲸鱼怎么学会"说话"？以前没人能连续观察足够长的时间。现在，一台黄色或银色的水下滑翔机可能正跟在抹香鲸母子身后，默默记录着每一次点击声。几个月后，当研究人员下载数据时，也许会看到某种模式——某个音节从模糊到清晰，某个回应从随机到精确。

这就是技术能做的：把不可能变成可能，把偶然发现变成系统探索。至于那些数据最终能告诉我们什么，是另一个故事的开头。