科技日报讯 （记者刘霞）人工智能近年被寄望于破译蝙蝠、鲸类与鸟类之间的对话，但一项新研究指出，这条路存在一个根本性缺陷：AI模型只关注声音的物理特征，却未必能读懂这些声音对接收者而言的真正含义。相关论文发表于最新一期《当代生物学》杂志。

以色列特拉维夫大学、耶路撒冷希伯来大学、英国爱丁堡大学及德国洪堡大学等机构的研究人员，以尚未掌握语言的人类幼儿为对象展开检验。与动物发声不同，幼儿发声的含义至少可被部分确认——照料者对其解读可被记录。研究采集了幼儿在痛苦、呼唤特定亲人（妈妈或爸爸）、索要食物三种情境下的发声样本，先用经典声学方法分析，再交由两个前沿深度神经网络处理，其中一个基于动物发声进行训练，另一个基于成人语音进行训练，二者均被要求依据声学特征对声音归类。

结果显示，深度神经网络的表现虽优于经典声学方法，却仍无法按含义准确分类：部分承载不同信息的声音被归为一类，传达相同信息的不同发音又被拆开。更关键的是，模型完全无法识别一系列发声中紧迫感的递进，而这种差异，人耳可以自然感知。

研究人员据此提出核心结论：声学上相似的声音未必含义相近，听起来迥异的声音反而可能传达相同信息。这意味着，仅依据声学特征分类，可能对动物通信系统及其所传信息造成严重误读。