在肯尼亚的稀树草原上，大象不仅通过单独的吼叫交流，还通过由相互重叠的低频信号组成的整场合唱来沟通。这些声音往往人耳无法听见，却能将关于谁在呼唤以及象群中正在发生什么的信息传递数公里之远。新的研究表明，这种集体发声并非单纯的噪声，而是协调一致的群体信息。
Earth Species Project 项目的科学家将机器学习应用于902段在安博塞利国家公园录制的野生非洲草原象吼叫录音。这些素材是在1986年至2022年间从家族群体中采集的。该算法分析了六种情境：雌象对幼象的“安抚”吼叫、被分开的个体之间的联络吼叫、号召移动的呼唤、进食或休息时富有节奏的吼叫，以及相遇时的问候吼叫。
该模型根据声音预测大象行为的表现优于随机猜测，尽管仍存在错误。重要的是，合唱保留了关于个体嗓音和情境的信息，有时还增添了分析单独信号时无法获得的更细微的细节。在某些情况下，合唱中的嗓音在声学上变得更加接近——这一现象令人联想到人们在交谈中如何开始向对话者靠拢。
这种嗓音的趋同在节奏性吼叫、联络吼叫和问候吼叫中均有观察到。它很可能帮助家族协调行动：一起移动、重建联系或安排日常生活。然而，研究人员强调，要证实这一假说还需要更多观察。
类似的AI方法已被应用于抹香鲸、狨猴和乌鸦的交流研究。对于社会结构复杂的大象而言，这些工具打开了一扇窗，让人得以窥见一个相互重叠的吼叫承载着集体意义的世界。这凸显了象群成员之间联系之紧密，以及保护其自然栖息地之重要。
理解这类信号有助于更好地评估人为噪声或景观破碎化如何影响大象的交流及其维持社会联系的能力。
