夏威夷僧海豹会交流。
长期以来，这些稀有动物在水下几乎被认为是无声的。在2025年，科学家们首次听到了它们真正多样的声音。而在2026年，人工智能学会了在数千小时的海洋声音中识别这些信号。
海洋并非沉默。只是我们还没有学会倾听。
听到却未倾听的声音
夏威夷僧海豹是夏威夷群岛的特有物种：在自然环境中，这种动物在地球上其他地方都找不到。其种群数量约为 1 600只动物，因此每一种新的观察方法都可能对物种保护具有重要意义。
研究海豹并不容易。它们一生大部分时间都在水中度过，栖息地分散在偏远的岛屿和环礁上。视觉观察只能提供零星的片段。
但声音即使在看不到动物本身时也会留在海洋中。
第一次重大变化发生在 12年2025月，当时在期刊 Royal Society Open Science 上发表了一项关于自由生活的夏威夷僧海豹水下发声的实地研究。
科学家们在五个地点放置了水听器——从夏威夷主岛到偏远的西北环礁。在超过 4 500小时的录音中 他们发现了超过 23 000次发声。
研究人员描述了此前已知的几种信号之外的 25种声音呼叫类型，包括 20种此前未知的类型。
其中十九种新类型是组合性的：动物将多种声音组合成更复杂的序列。大多数信号频率低于一千赫兹，持续时间从几分之一秒到七秒不等，且常常成系列重复。
曾被认为几乎无声的海豹，实际上出人意料地健谈。
从发现声音到自动监听
下一步行动于 2026年8月24日展开。
在期刊 Marine Mammal Science 上发表了一项新的同行评审研究 Description, Detection, and Classification of Hawaiian Monk Seal Vocalizations Through Deep-Learning Methods: Biological and Conservation Applications。
如果说2025年的研究展示了海豹声学世界的丰富性，那么新研究则提出了一种工具，能够自动在大量录音中寻找它们的叫声。
为了训练神经网络，研究人员使用了 4 989个手工标注的信号，这些信号来自两只在受控条件下分开饲养的成年海豹。
每个声音都以声谱图的形式呈现——一种将频率、持续时间和强度转化为可辨识图案的图像。
科学家对计算机视觉系统YOLO进行了进一步训练。通常这类算法识别照片和视频中的物体，但在这里，神经网络在声学图像中寻找声音。
该模型达到了 87%加权精度 并检测到 48 324个信号，在16 262小时的录音中 来自同一批动物。
这项工作若由人工完成，需要连续监听数月，而系统能够自动进行搜索。
真实海洋的考验
纯净的录音和真实的水下环境是完全不同的世界。
在海洋中，海豹的叫声与海浪、洋流、其他动物的声音、船只的航行以及持续的背景噪音混合在一起。为了在更复杂的条件下测试模型，科学家将已确认的信号与真实海洋声音的录音相结合，并设置了不同的声音与噪音比例。
经过重新训练后，算法检测到了 2 049次发声，在12小时的野外录音中，这些录音是在海豹的重要栖息地进行的。
神经网络标记的声学存在时段与人工标注的结果相吻合。
这还不是通用的海豹语言翻译器，但已经是一个实用的工具，能够在嘈杂的海洋中听到动物的声音。
为什么自然保护需要声音
水听器可以在水下停留的时间远比研究人员或科考船要长。它能在夜间、恶劣天气以及动物无法从水面看到的情况下继续聆听。
被动声学监测可以帮助科学家确定：
- 海豹在何时何地出现；
- 它们的发声活动如何变化；
- 哪些区域对繁殖尤为重要；
- 动物如何利用偏远的栖息地；
- 人类噪音如何影响它们相互听见的能力。
人工智能并不取代生物学家。它在庞大的声音档案中找出重要片段，而人类则核实结果、研究背景并试图理解所听到内容的意义。
这样，海洋声学不仅成为认知的方式，也成为保护的形式。
当海洋获得发言权
我们习惯于通过图像来想象海洋：蓝色的深处、珊瑚礁、水中动物的轮廓。
但海洋不仅存在于光中。它也存在于声音中。
声音帮助海洋动物在视线消失的地方找到彼此。它们伴随着相遇、竞争、繁殖、觅食和对后代的照顾。
在2025年，科学家发现了夏威夷僧海豹声音的丰富性。在2026年，人工智能学会了在数千小时的海洋声音中识别它们。
它没有把海豹的语言翻译成人类语言。
它做了更谨慎、也许更重要的事情：帮助人类不再把听不见当作沉默。
它们曾被认为无声。但海洋一直知道：它们有声音。
