夏威夷僧海豹會互相交流。
長期以來，這些稀有動物被認為在水下幾乎是無聲的。在2025年，科學家首次聽到了牠們聲音的真正多樣性。而在2026年，人工智慧學會了在數千小時的海洋聲響中找出這些訊號。
海洋並非沉默。我們只是還不懂得如何傾聽。
聽得見卻未傾聽的聲音
夏威夷僧海豹是夏威夷群島的特有種：在自然環境中，這個物種在地球上其他地方都找不到。其種群數量約為 1 600隻動物，因此每一種新的觀察方式都可能對物種的保育具有意義。
研究海豹並不容易。牠們大部分時間都在水中度過，而其棲息地分散在偏遠的島嶼和環礁上。視覺觀察只能提供發生事件的零星片段。
但聲音即使在看不見動物本身時，仍會留在海洋中。
第一個重大轉變發生在 12月2025日，當時在期刊 Royal Society Open Science 上發表了一項關於自由生活的夏威夷僧海豹水下發聲的實地研究。
科學家在五個地點放置了水聽器——從夏威夷主要島嶼到偏遠的西北環礁。在超過 4 500小時的錄音中 ，他們發現了超過 23 000次發聲。
取代先前已知的幾種信號，研究人員描述了 25種聲音呼叫類型，包括 20種先前未知的類型。
其中十九種新類型是組合性的：動物將多種聲音結合成更複雜的序列。大多數信號的頻率低於一千赫茲，持續時間從零點幾秒到七秒不等，且經常以系列形式重複。
曾被認為幾乎無聲的海豹，其實出乎意料地健談。
從發現聲音到自動聆聽
下一步於 2026年8月24日完成。
在期刊 Marine Mammal Science 上發表了一項新的同行評審研究 Description, Detection, and Classification of Hawaiian Monk Seal Vocalizations Through Deep-Learning Methods: Biological and Conservation Applications。
如果2025年的研究展示了海豹聲學世界的豐富性，那麼這項新研究則提供了一種工具，能夠在大量錄音中自動找到牠們的聲音。
為了訓練神經網絡，研究人員使用了 4 989個手動標記的信號，這些信號來自兩隻在受控條件下分開飼養的成年海豹。
每個聲音都以頻譜圖的形式呈現——一種將頻率、持續時間和強度轉化為可辨識圖案的圖像。
科學家對電腦視覺系統 YOLO 進行了額外訓練。通常這類演算法用於識別照片和影片中的物體，但在這裡，神經網路是在聲學圖像中尋找聲音。
該模型達到了 87% 加權準確率 ，並在 16 262 小時的錄音中發現了 48 324 個信號 ，這些錄音來自同一批動物。
這項工作需要人類連續聆聽數月才能完成，而系統能夠自動進行搜尋。
真實海洋的考驗
乾淨的錄音和真實的水下環境是完全不同的世界。
在海洋中，海豹的聲音與波浪、海流、其他動物的聲音、船隻的移動以及持續的背景噪音混雜在一起。為了在更複雜的條件下測試模型，科學家將已確認的信號與真實海洋聲音的錄音混合，並調整不同的聲音與噪音比例。
經過重新訓練後，該演算法在 12 小時的實地錄音中檢測到 2 049 次發聲，這些錄音是在海豹的重要棲息地進行的。
神經網路標記的聲學出現時段與人工標記的結果一致。
這還不是海豹語言的通用翻譯器。但這已經是一個實用的工具，能夠在嘈雜的海洋中聽到動物的聲音。
為什麼自然保護需要聲音
水聽器可以在水下停留的時間遠比研究人員或科學考察船長得多。它能在夜間、惡劣天氣以及動物無法從水面觀察到時持續聆聽。
被動聲學監測可以幫助科學家確定：
- 海豹在何時何地出現；
- 牠們的聲音活動如何變化；
- 哪些區域對繁殖特別重要；
- 動物如何使用偏遠的棲息地；
- 人類噪音如何影響牠們彼此聽見的能力。
人工智慧不會取代生物學家。它會在龐大的聲音檔案中找出重要的片段，而人類則負責檢查結果、研究背景，並試圖理解所聽到的內容的意義。
如此一來，海洋聲學不僅成為一種認識的方式，也成為一種保護的形式。
當海洋獲得發言權
我們習慣透過影像來想像海洋：藍色的深淵、珊瑚礁、水中動物的輪廓。
但海洋不僅存在於光線中。它也存在於聲音中。
聲音幫助海洋動物在視線消失的地方找到彼此。它們伴隨著相遇、競爭、繁殖、尋找食物和照顧後代。
在2025年，科學家發現了夏威夷僧海豹豐富的聲音。在2026年，人工智慧學會了在數千小時的海洋聲響中辨識它們。
它沒有將海豹的語言翻譯成人類的語言。
它做了一件更謹慎、或許也更重要的事：幫助人類不再把聽不見當作沉默。
牠們曾被認為是沉默的。但海洋一直都知道：牠們有聲音。
