在肯亞的稀樹草原上，大象不僅以單獨的吼叫交流，還會以層層交疊的低頻訊號組成整場合唱。這些聲音往往人耳聽不見，卻能將誰在呼喚、象群中發生了什麼事的資訊傳遞數公里之遠。新研究顯示，這類共同發聲並非只是噪音，而是經過協調的群體訊息。
Earth Species Project 的研究人員將機器學習應用於902筆在安博塞利國家公園錄下的野生非洲草原象吼叫紀錄。這些素材於1986年至2022年間在家族群體中採集。演算法分析了六種情境：母象對幼象的「安撫」吼叫、被分隔個體之間的聯絡吼叫、呼喚移動的號召、進食或休息時具節奏的吼叫，以及相遇時的問候吼叫。
該模型依聲音預測大象行為的表現優於隨機猜測，儘管仍有誤差。重要的是，合唱保留了個別聲音與情境的資訊，有時還增添了分析單一訊號時無法取得的更細微細節。在某些情況下，合唱中的聲音在聲學上變得更為接近——這種現象令人聯想到人們交談時會開始配合對方的說話方式。
這種聲音的趨同出現在有節奏的、聯絡的與問候的吼叫中。這很可能有助於家族協調行動：一起移動、重新建立聯繫，或安排日常生活。然而研究人員強調，要證實這一假設，還需要更多觀察。
類似的AI方法已被應用於抹香鯨、狨猴與烏鴉的溝通研究。對於社會結構複雜的大象而言，這些工具開啟了一扇窗，通往一個層層交疊的吼叫承載著集體意義的世界。這凸顯了象群成員之間何等緊密相連，以及保護其自然棲息地何等 important。
理解這類訊號有助於更妥善評估人為噪音或地景破碎化如何影響大象的溝通，以及牠們維持社會聯繫的能力。
