Denise Herzing, założycielka i dyrektorka badań Wild Dolphin Project, powiedziała na WIRED World Fair w Miami, że po 40 latach nagrywania delfinów sztuczna inteligencja wreszcie pozwala jej szukać wzorców w ich dźwiękach. Jej zespół porządkuje strukturę tych dźwięków razem z Georgia Tech i Google DeepMind, choć do pełnego tłumaczenia i prawdziwej rozmowy z delfinami wciąż daleko.
- Google ogłosiło 14 kwietnia 2025 r. model DolphinGemma – liczący ok. 400 mln parametrów model AI oparty na rodzinie Gemma, który analizuje sekwencje naturalnych dźwięków delfinów i przewiduje kolejny dźwięk, działając bezpośrednio na smartfonach Pixel używanych przez badaczy w terenie.
- Denise Herzing przyznała, że ręczne przejrzenie zgromadzonych przez Wild Dolphin Project nagrań i wyłowienie z nich wzorców zajęłoby ludziom ok. 150 lat, a każdy zarejestrowany dźwięk jest powiązany z konkretnym osobnikiem i zaobserwowanym zachowaniem.
- Równolegle Wild Dolphin Project i Georgia Tech rozwijają system CHAT, którego celem nie jest odczytywanie naturalnego języka delfinów, lecz zbudowanie prostego wspólnego słownika ze sztucznych gwizdów przypisanych do konkretnych przedmiotów, którymi delfiny lubią się bawić.
Wykład Denise Herzing i Thada Starnera w Google: Cracking the Dolphin Communication Code
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Herzing na WIRED World Fair: AI porządkuje dźwięki, ich znaczenie pozostaje zagadką
Herzing pierwszy raz usłyszała kliknięcia i gwizdy delfinów cętkowanych atlantyckich (Stenella frontalis) podczas wyprawy badawczej na Bahamy w 1985 r. Od tamtej pory Wild Dolphin Project, organizacja non-profit z Florydy, obserwuje pod wodą tę samą społeczność delfinów i nagrywa jej dźwięki oraz zachowania. Google określa ten projekt jako najdłużej prowadzone podwodne badania delfinów na świecie, obejmujące już kilka pokoleń zwierząt.
Na scenie WIRED World Fair Herzing mówiła o AI jako o narzędziu, na które czekała przez całą karierę:
„Dzięki AI możemy znajdować wzorce” / „With AI, we can find patterns”
„To potężne nowe narzędzie. Osobiście na nie czekałam” / „This is a powerful new tool. I’ve personally been waiting for it.”
Zespół Wild Dolphin Project próbował też komunikacji w obie strony, używając podwodnego komputera noszonego przez nurka, który odtwarza dźwięki delfinów. Herzing przyznała, że w naturalnym środowisku to bardzo trudne: „To trudne do zrobienia na wolności” / „That’s hard to do in the wild.” Badacze lepiej rozumieją już hierarchie społeczne i zachowania delfinów. Brakuje jednak odpowiedzi na pytanie o sens tego, co słyszą.
„Możemy mieć dane i strukturę. Tylko co to znaczy w kulturze delfinów?” / „We might have the data and the structure, but what does it mean in dolphin culture?”
DolphinGemma ma ok. 400 mln parametrów i działa na smartfonie Pixel
Narzędziem, o którym mówi Herzing, jest DolphinGemma, model AI ogłoszony przez Google 14 kwietnia 2025 r., w Narodowy Dzień Delfina obchodzony w USA. Model powstał na bazie Gemma, rodziny lekkich otwartych modeli Google, i wykorzystuje tokenizer SoundStream, czyli technologię zamieniającą nagranie dźwięku w ciąg krótkich jednostek, które model może przetwarzać podobnie jak słowa w tekście.
DolphinGemma działa na zasadzie „dźwięk na wejściu, dźwięk na wyjściu”. Analizuje sekwencje naturalnych dźwięków delfinów i przewiduje, jaki dźwięk najprawdopodobniej pojawi się jako następny. To ten sam mechanizm, którym duże modele językowe przewidują kolejne słowo w zdaniu. Według Google model ma ok. 400 mln parametrów, co pozwala uruchamiać go bezpośrednio na telefonach Pixel używanych przez badaczy w terenie.
Model trenowano na bazie akustycznej Wild Dolphin Project, w której nagrania są powiązane z konkretnymi osobnikami, ich historią życia i zaobserwowanym zachowaniem. Dzięki temu badacze od lat łączą typy dźwięków z sytuacjami, np.:
- gwizdy sygnaturowe, czyli indywidualne „imiona”, po których matki i młode odnajdują się nawzajem,
- impulsowe „skrzeki” (burst pulses), słyszane często podczas walk,
- szybkie serie kliknięć, tzw. buzzy, towarzyszące zalotom albo przeganianiu rekinów.
Herzing mówiła magazynowi Scientific American, że ręczne przejrzenie zgromadzonych danych i wyłowienie z nich takich wzorców zajęłoby ludziom ok. 150 lat. W materiale wideo towarzyszącym premierze modelu postawiła cel otwarcie:
„Celem byłoby kiedyś mówić po delfiniemu” / „The goal would be to one day speak dolphin”
Google zapowiadało w kwietniu 2025 r., że latem tego roku udostępni DolphinGemma jako otwarty model, przydatny także dla badaczy innych gatunków, np. butlonosów czy delfinów długoszczękich. Nie znalazłem potwierdzenia, że tak się stało. Hasło o modelach Gemma w Wikipedii (stan na marzec 2026 r.) wskazuje, że ani model, ani dane nie zostały upublicznione.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
CHAT: podwodny komputer ze smartfonem Google w środku
Równolegle do analizy naturalnych dźwięków Wild Dolphin Project rozwija z Georgia Tech system CHAT (Cetacean Hearing Augmentation Telemetry). CHAT nie ma odszyfrowywać naturalnego „języka” delfinów. Jego zadaniem jest zbudowanie prostego wspólnego słownika ze sztucznych gwizdów przypisanych do przedmiotów, którymi delfiny lubią się bawić: wodorostów sargassum, trawy morskiej i chust używanych przez nurków.
Badacze pokazują delfinom, jak działa ten słownik, wymieniając gwizdy między sobą. Liczą na to, że ciekawskie zwierzęta zaczną naśladować gwizd, żeby „poprosić” o dany przedmiot. Żeby to zadziałało, CHAT musi:
- usłyszeć naśladowany gwizd mimo szumu oceanu,
- w czasie rzeczywistym rozpoznać, który gwizd delfin powtórzył,
- przekazać nurkowi przez słuchawki z przewodnictwem kostnym, o jaki przedmiot chodzi,
- pozwolić szybko podać właściwą rzecz, żeby utrwalić skojarzenie.
Wcześniejsza wersja systemu korzystała z telefonu Pixel 6. Nowa generacja, testowana od lata 2025 r., opiera się na Pixelu 9, który jednocześnie uruchamia modele głębokiego uczenia i algorytmy dopasowywania wzorców. DolphinGemma ma pomagać CHAT wcześniej wychwycić, że delfin zaczyna naśladować gwizd, i skrócić czas reakcji nurka.
Uważam, że to jeden z najuczciwiej prowadzonych projektów typu „AI tłumaczy zwierzęta”, jakie obserwuję. Herzing nie obiecuje translatora. Mówi o wzorcach i strukturze, i to bardzo duża różnica. Model potrafi przewidzieć kolejny gwizd tak samo, jak przewiduje kolejne słowo w zdaniu. Nie wynika z tego, że cokolwiek rozumie.
Najcenniejsze w tej historii nie jest dla mnie 400 mln parametrów. Najcenniejsze jest 40 lat nagrań, w których każdy dźwięk ma przypisanego konkretnego delfina i konkretne zachowanie. Bez takich danych żaden model niczego by tu nie znalazł. Widzę też ryzyko. Nagłówki w stylu „Google mówi po delfiniemu” budzą oczekiwania, którym nauka może nie sprostać przez dekady. Zostawiam otwarte pytanie: jeśli potwierdzimy, że inne gatunki mają coś na kształt języka, czy zmieni to nasze podejście do hałasu w morzach i ochrony zwierząt?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Sceptycy przypominają, że naśladowanie dźwięku nie oznacza zrozumienia
Arik Kershenbaum, zoolog z Girton College w Cambridge badający komunikację zwierząt i niezwiązany z projektem, powątpiewał w rozmowie ze Scientific American, czy delfiny mają język w ludzkim sensie. Porównał DolphinGemma do filmu „Star Trek IV: Powrót na Ziemię”, w którym załoga Enterprise potrafi odtworzyć pieśń humbaków, nie znając jej znaczenia.
Thad Starner, profesor Georgia Tech i naukowiec Google DeepMind, opowiadał w podcaście Scientific American, że pierwsza wersja DolphinGemma w dużej części generowała dźwięki przypominające szum oceanu. Model wytworzył jednak także typ dźwięku delfinów, którego zespół nie potrafił wcześniej odtworzyć syntetycznie zwykłymi programami. Badacze traktują wygenerowane sekwencje jako trop: jeśli model konsekwentnie zwraca te same odpowiedzi, może to wskazywać na wzorzec, który potem można sprawdzić na nagraniach wideo zachowań delfinów.
Google nie jest sam: Earth Species Project zebrał 17 mln dolarów na dekodowanie zwierząt
Wild Dolphin Project i Google działają na rosnącym polu badań nad komunikacją zwierząt z użyciem AI. Kalifornijska organizacja Earth Species Project ogłosiła w październiku 2024 r. 17 mln dolarów nowych grantów, z czego 10 mln dolarów pochodziło z Aphorism Foundation Reida Hoffmana, współzałożyciela LinkedIna. Według Forbesa kwota ta ponad pięciokrotnie przewyższała wydatki organizacji w 2023 r. i miała pozwolić co najmniej podwoić zespół badawczy AI.
Earth Species Project opracował NatureLM-audio, model audio dla dźwięków zwierząt, który rozpoznaje gatunek oraz cechy takie jak płeć czy etap życia osobnika. Organizacja zapowiada znaczące przełomy w rozumieniu komunikacji zwierząt do 2030 r. Osobno działa Project CETI (Cetacean Translation Initiative), który trenuje AI na nagraniach kaszalotów.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polscy badacze też podsłuchują walenie, tylko w Bałtyku
W Polsce najbliższym odpowiednikiem badań Herzing jest akustyczny monitoring morświna, jedynego walenia stale żyjącego w Bałtyku. Według szacunków hydroakustycznego projektu SAMBAH prowadzonego od 2010 r. w Bałtyku właściwym żyje zaledwie ok. 447 morświnów, a ich populacja jest krytycznie zagrożona wyginięciem. Morświny są płochliwe i rzadko widywane, dlatego badacze śledzą je głównie po ultradźwiękowych kliknięciach, których używają do echolokacji.
Państwowy monitoring morświna zlecany przez Główny Inspektorat Ochrony Środowiska w latach 2020-2022 wymagał od wykonawców znajomości algorytmów KERNO i HEL, służących do identyfikacji nagranych odgłosów morświnów. Stacja Morska Uniwersytetu Gdańskiego w Helu prowadzi też pomiary podwodnego hałasu, który utrudnia zwierzętom echolokację i zwiększa ryzyko zaplątania się w sieci.
Moja ocena: projekty takie jak DolphinGemma pokazują kierunek, w którym może pójść także bałtycka bioakustyka. Nie wiem jednak, czy model trenowany na gwizdach delfinów cętkowanych dałoby się sensownie dostroić do kliknięć morświnów. Na razie jest to pytanie otwarte, tym bardziej że sam model nie trafił jeszcze do publicznego obiegu.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego wpisu Google: DolphinGemma: How Google AI is helping decode dolphin communication z dnia 14.04.2025, relacji WIRED z WIRED World Fair z dnia 05.11.2026 oraz artykułu Scientific American. Wykorzystano także podcast Scientific American z udziałem Thada Starnera i Denise Herzing, materiały Earth Species Project, dane Forbesa, dokumentację przetargową GIOŚ oraz tekst National Geographic Polska o bałtyckich morświnach.
Wypowiedzi Denise Herzing z WIRED World Fair przytaczamy za relacją WIRED. Cytat z materiału wideo Google zweryfikowano z kilkoma niezależnymi publikacjami relacjonującymi premierę DolphinGemma.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o modelu DolphinGemma i badaniach Wild Dolphin Project.
