大象不仅仅会吹号。这种尖锐的声音，就像小号一样，可以被比作人类发出的警报或警告他人的叫声。但大象也会发出一系列低频谐音，比如窃窃私语，这是每种动物特有的。现在，在人工智能系统的帮助下，一组研究人员已经证明，大象会用特定的声音来呼唤每一个成员，就像它们在叫他们的名字一样。
自1986年以来，来自科罗拉多州立大学、两个基金会和安博塞利大象研究项目(肯尼亚)的科学家们在三个国家公园和保护区记录了几群萨凡纳象。多年来，他们为大象之声项目收集了数千小时的录音。通过这些录音，它们能够区分不同的声音。例如，当母亲在视线范围内或距离不到50米时，不会对她的孩子发出呼叫。它们是联系电话。当同一群的两个成员相遇时，这种低语声也会作为一种问候，当身体接触时就会停止。第三种叫声是母亲用来安慰、哺育或唤醒幼崽的。
但美国国家科学基金会在科罗拉多大学的研究生迈克尔·帕尔多(Michael Pardo)相信，从收集的录音中可以发现更多的东西。正如帕尔多和他的研究同事在科学杂志《自然生态与进化》上详细介绍的那样，他们设计了一个机器学习系统，可以比较、分析和分解101头非洲大象发出的叫声，并将其分解为基本的声学特性。
这个人工智能(AI)程序能够识别大象发出的27.5%的叫声。在三分之一的情况下成功识别可能看起来不多，但Pardo认为情况正好相反:“在27.5%的呼叫中，该模型只能识别接收者，这并不奇怪。因为我们不希望大象在每次呼叫时都使用名字。”研究人员以人类和宽吻海豚为例，它们也有一种互相称呼的系统，“只在表达的一小部分使用名字，所以大象可能也是如此。”由于他们在开始模型时事先不知道哪些调用包含一个名称，因此他们不得不使用所有的大象调用。他说:“因此，这个模型只能在一小部分电话中正确识别接收者，这并不奇怪。”
为了证实人工智能系统的发现，研究人员进行了一系列现场实验。在这些实验中，他们在目标对象附近播放了几个呼叫，作为对照组，在其他大象附近播放了几个呼叫。毫无疑问，没有接到呼叫的动物继续正常生活。但在几乎所有的情况下，如果听者是系统识别的接受者，大象都会注意到，抬起头，而且几乎总是对呼叫做出回应，最终走向说话者。
研究人员还想回答最后一个问题，这个问题将明确表明大象是否会叫其他成员的名字。人工智能系统将不同动物发出的所有呼叫分组给同一个接收者。虽然这些叫声并不完全相同(人类也不会以同样的方式说“玛丽”)，但科学家们确实观察到，不同叫声的声学特性彼此之间比对不同接收者的其他叫声更相似。
Pardo承认这不是决定性的证据。他解释说:“一方面，不同个体呼叫同一接收者的叫声平均而言比不同动物呼叫不同接收者的叫声更相似，这表明它们使用相同(或至少相似)的名字。”“但是，另一方面，当我们试图训练机器学习模型来识别呼叫模式时，无论呼叫对象是谁(即识别多个用于称呼同一接收者的通用名称)，它都无法做到这一点，”他补充道。
通用或专有名称是关键。顾名思义，命名是一种天生的技能，需要学习。许多群居物种都有。几种树栖灵长类动物会发出不同的警报声音，这取决于它们探测到的捕食者是来自天空(如果是鹰)，还是爬上树(如果是豹)。但是以一种具体的方式命名是很少见的。很少有动物(如宽吻海豚和几种鹦鹉和长尾小鹦鹉)使用特定的叫声来吸引群体中另一个成员的注意。但他们所做的是模仿那个成员的说话方式，以吸引它的注意力。
布鲁诺Díaz是宽吻海豚研究所(BDRI)的科学主任，他对鲸类动物之间的交流非常了解。“宽吻海豚有我们所说的标志性哨声。哨子的特征包括每个人的信息，就好像它是一个签名，”他解释说。“在某些情况下，特别是在社会关系密切的一对，母亲和幼崽或雄性成对的情况下，人们观察到，一个样本可以复制另一个样本的标志性哨声，作为它们之间紧密联系的标志。”
但是大象不会模仿收信人的叫声。帕尔多说:“它们不依赖模仿来称呼彼此，这类似于人类命名的方式。”
名字，就像人类语言的几乎所有元素一样，除了拟声词，是任意的。没有任何东西将名字与被命名的主体联系起来。这提供了很大的自由，但需要认知技能。
“我认为，这种叫声的任意性质让我们了解了它们的认知能力，”拯救大象组织的科学顾问、该研究的资深作者乔治·维特梅尔解释说。“能够将任意的声音与个人联系起来，并且群体中的其他成员能够明显地识别出任意的标签，这表明有抽象思考的能力，也可能是象征性的。”但是，他说:“我不认为我们的研究证明了这一点。”研究人员现在正致力于识别其余的呼叫，寻找其意义或意图。
奥地利维也纳兽医大学(University of Veterinary Medicine)的动物认知研究人员安东尼奥·j·奥苏纳(Antonio J. Osuna)没有参与这项研究，但他形容这些发现“令人着迷”。在接受SMC西班牙采访时，他补充说，我们对其他物种的交流知之甚少，“这是由于(除其他原因外)我们对其他物种发声可能包含的多种微妙之处并不敏感。”它们只是超出了我们的能力范围。这就是机器学习变得如此重要的原因:它使我们能够突出差异和相似之处，否则我们永远无法区分。”
