聆聽的倫理：AI 即將解讀動物語言，生物倫理學家卻拉起警報

「與動物交談」數十年來一直停留在寓言與科幻的範疇。這個情況正在快速改變。2026 年 9 月 5 日至 6 日的週末期間，Bloomberg 週末版刊登了一篇迅速竄升為當日最熱門 AI 報導之一的文章：科學家距離用 AI 語言模型解讀烏鴉、鯨魚等物種的溝通方式，確實越來越近——而生物倫理學家警告，同樣的能力也開啟了被媒體稱為「AI 下一個倫理雷區」的爭議。

這則新聞的重要性在於它標誌著議題的轉向。問題已經不再是機器學習能不能在動物叫聲中找到結構，而是當人類學會讀取這些結構——甚至最終能開口回應——之後，我們會拿它做什麼。

科學確實走到了匯流點

技術背景是一個如今被研究者稱為動物語言處理（Animal Language Processing, ALP）的領域。成立於 2017 年的非營利組織 Earth Species Project（ESP），在 2026 年 4 月發表了一篇廣泛流傳的框架文章，描述這十年來的匯流：被動式錄音器與動物穿戴式標籤累積的大規模生物聲學資料，終於遇上了能直接從原始、幾乎無標註錄音中學習結構的現代自監督基礎模型。

研究成果早已不是趣味新聞。研究人員已經證實大象會用獨特的「名字」互相呼喚，雌性白鯨則有一種功能上類似「回來！」的叫聲，用來把遊走太遠的幼鯨喚回身邊。ESP 目前研究烏鴉與白鯨的發聲系統，其 NatureLM-audio 模型讓生物學家能用自然語言查詢聲學資料集，而不必自行撰寫分類器。抹香鯨翻譯計畫 Project CETI 則持續以機器學習推進抹香鯨發聲研究——該團隊稍早產出的叫聲序列視覺化，呈現出類似組合式溝通系統的特徵。

三個變化促成了這一切。第一是感測：自主錄音設備與動物標籤如今能捕捉連續、重疊、富含情境的互動，這在過去根本無法人工標註。第二是方法論：領域從特定任務分類器（「偵測這個物種」、「標記這類叫聲」）走向跨物種遷移的通用表徵學習。第三是文化：研究者越來越常跨物種合作，探討從鳥類、蝙蝠到海洋哺乳動物學到的表徵，是否揭示了橫跨生命之樹的共享結構軸線。

值得注意的是，ALP 並不預設動物溝通是人類意義上的「語言」。它不假設遞迴結構或類人語法，而是把任何有結構的訊號系統——聲音、手勢、多模態——當作可以挖掘規律、情境敏感度與互動模式的資料。假說仍然重要，但它們越來越常從大規模分析中浮現，而非事先設定。

倫理學家為何憂心

Bloomberg 週末版的報導把核心疑慮講得非常明白：讓我們理解動物的同一批模型，也給了人類剝削動物的新槓桿。生物倫理學家提出的情境相當具體：

• 盜獵。 若模型能合成求偶叫聲，盜獵者就能播放它，把瀕危動物誘入射程。
• 工業化養殖。 警戒叫聲可能被刻意播放來驅趕掠食者；更陰暗的一面是，偵測並壓制痛苦叫聲的能力，可能讓工廠化農場裡的苦難變得更不顯眼，而不是更少。
• 觀光與娛樂。 解碼后的訊號可用於操縱野生動物，換取更近的接觸與更好的畫面。
• 監控與控制。 軍事與商業計畫可能利用溝通解碼來追蹤、管理動物族群，而動物福利完全不在考量之內。

連研究本身都帶有風險。CETI 創辦人 David Gruber 在 2026 年 2 月向 Mongabay 談及 PEPP 框架（Prepare、Engage、Prevent、Protect——由紐約大學 More than Human Life（MOTH）計畫與 CETI 的科學家共同提出）時指出：「即使是例行的錄音與播放回放，都可能對動物造成緊迫。」在一個有紀錄的案例中，研究人員研究大象溝通時，播放了一頭已經死亡個體的叫聲。象群出現了觀察者形容為明顯痛苦的反應，四處尋找逝去的親人；那頭大象的女兒之後連續鳴叫了數日。

PEPP 框架是自願性的。但作者群指出，許多人權與原住民族權利規範也是這樣開始的——先以不具約束力的原則形式出現，再逐步硬化為可執行的國際規範。Gruber 說：「如果我們現在就能就共同標準達成共識，正式的國際指導方針就變得可行且可執行。」

翻譯不等於理解

學術文獻裡還有一層更深的哲學疑慮。Küçükuncular 2025 年發表於《AI and Ethics》的論文（由 Faunalytics 摘要）主張，當演算法把一段鯨歌轉成「我很孤單」，它其實是把動物的發聲重新組織，去套我們的語言模板。輸出投射的是人類的世界觀，很可能誤譯了動物真正想表達的東西。意義源於一個生物存在於世界的方式；再先進的演算法，也無法讓我們真正知道「成為另一個物種」是什麼感覺。

這對治理有直接含義。如果在倫理指導方針建立之前，翻譯系統就已商業化，那麼平台、專利與資料管線早就落入與動物福利毫無利害關係的公司手中。論文提出的指導方針讀起來幾乎像跨物種 AI 版的希波克拉底誓言：不傷害；為動物的利益而行動，而非人類娛樂；尊重自主性（動物應能走開或停止對話）；尊重隱私與尊嚴；對不確定性保持透明；不把效益侷限於魅力物種或富裕國家。

還有一個更細微的陷阱：如果道德與法律地位開始取決於動物能否以我們系統可解析的方式「回話」，我們可能重建這項技術原本要拆掉的階層。章魚與昆蟲可能只因為訊號方式太過陌生而保持沉默——這不該讓牠們變得不重要。

倫理學家堅持的正面向

以上種種都不是叫停的理由。單純「聆聽」的保育實績是真實的：1970 年代發現座頭鯨會唱歌，促成了把該物種從滅絕邊緣拉回的法律保護。現代應用也指向同一方向——若 AI 能辨識船運噪音造成的鯨魚痛苦叫聲，這些證據就能成為強制減速區與航道調整的依據。ESP 自己的框架文章也明說，倫理與治理問題已「內建」在領域議程中，MOTH 計畫正積極壓力測試現有框架哪裡不足。

這個領域的走向，如今取決於模型能力之外的制度選擇：誰擁有模型、誰審計翻譯、以及預設立場是審慎還是獲利。正如《AI and Ethics》論文所言，AI 本身無所謂道德或不道德——它反映的是打造者的動機。Bloomberg 文章留給讀者的問題正是關鍵：即使我們能與動物交談，我們應該嗎？若應該，又是以誰的條件？

就目前而言，投入動物語言處理的科學家握有一項在 AI 界相當罕見的優勢：這個領域的領先組織，是在技術還留在實驗室時就撰寫倫理框架，而不是在產品出貨之後。這個先發優勢能否撐過商業化浪潮，將是跨物種 AI 最重要的故事之一。