科學家一直想了解動物如何用叫聲溝通，像靈長類動物會因應捕食者而發出不同警報聲、海豚以彼此獨特的口哨聲相認。科學家以往只能靠長期觀察，至近年才透過人工智能，分析大數據進行解碼。美國加州一個成立於 2017 年的非牟利組織 Earth Species Project（ESP），正希望借助人工智能的機器學習方式，嘗試找出這些「非人類語言」，促進生物研究和保護。
ESP 旨在開發出適用於整個動物王國的解碼工具。他們從機器學習翻譯的原理獲得啟發 —— 無需任何先驗知識，也可翻譯各種語言，全因演算法將每個單詞，以多維幾何的空間呈現。點（詞）之間的距離和方向，描繪了彼此間的語義關係，例如「king」和「man」就跟「queen」和「woman」的距離與方向相同。換言之，這並非按照單詞的含義，而是根據每點之間的排列方式和出現頻率作比對；從英語到烏爾都語，只要對齊單詞的「形狀」，找到烏爾都語中最接近英語單詞的點，便可翻譯大多數單詞。
研究希望以動物叫聲，創建上述「路線圖」的動物版本，並探索它與人類版本可有重疊之處。ESP 聯合創辦人兼總裁 Aza Raskin 明白，不可能一下子實現解碼的目標，最重要是讓研究員藉此嘗試應用人工智慧，逐步解開物種的奧秘。ESP 最近發表一篇名為「雞尾酒會問題」的論文，指出在一群相同物種同時發聲的嘈雜環境下，終能透過大數據運算，分辨每個發聲的個體，已是一大進步。
ESP 協助的另一項目，運用人工智能創造新的聲音，模仿座頭鯨發聲「說話」的方式，測試牠們的反應，並實驗人工智能可否辨識隨機和具「語義」的變化。亦有研究旨在開發一種演算法，以自我監督的機器學習模式，自行找出物種有多少種叫聲；它可用來追蹤瀕臨絕種，例如現時只能被圈養繁殖的夏威夷烏鴉，並參考現存數據，找出有哪些叫聲在圈養的環境中已經「失傳」，有助研究員設法讓牠們重返及適應野外環境。
ESP 同時正協助加州大學聖克魯茲分校海洋科學教授 Ari Friedlaender 的實驗，為難以直接觀察的海洋哺乳類動物，進行全球其中一項大規模的標記程序：在牠們身上安裝生物記錄儀，捕捉其位置和活動，並於海洋中設置錄音機收集音頻。人工智能首先自行分析所得數據，衡量牠們正在做甚麼，例如進食、休息、社交，再加入音頻數據，研究能否找出對應該行為而具意義的叫聲，然後在實驗室重播包括已被解碼的各種聲音作驗證。Friedlaender 指出，就目前可用工具所整理出的數據已達到上限，希望 ESP 能為此提供新的見解。
賓夕凡尼亞大學心理學名譽教授 Robert Seyfarth，在靈長類動物的自然棲息地，研究其社會行為和聲音交流已有 40 多年。他質疑以人工智能研究動物發聲的意義和功能並不足夠，因許多動物即使發出同一種聲音，在不同情況下，例如是哪一個個體發聲、牠們在族群中的地位，跟誰在互動等，皆可能表示不同事物，科學家必須親身觀察。另外，他對於動物與人類兩者交流方式互通的概念亦存疑。
Raskin 承認，單憑人工智能或不足以為其他物種的溝通解碼。但以上研究表明，許多物種的交流方式比人類想像中更複雜，所以更講求收集足夠數據作大規模分析。「這些正是讓我們撇除人類目光，了解所有物種通信系統的工具。」
