鳥鳴規律

翻譯自Dave Mosher: Physicists Tame Bird Songs With Statistics (Wired.com)

物理學家利用統計學描繪出鳥兒歌唱的規律。對複雜的鳥兒歌曲來說, 新的統計模型比舊有的準確八倍。

科學家相信, 若把這方法用於研究其他的社會性生物(包括人類), 對明白複雜語言的生理起源, 有更好的啟示。


十姊妹 (Wikipedia)

帶領這次研究的Penn State University物理學家Dezhe Jin說: 『我們要先了解簡單的, 才可往複雜的情況進發。』 論文已經於十一月十二日在 arXiv.org發表。

鳥兒腦部的HVC(higher vocal center, ?高等發聲區?) , 由40,000神經元組成, 估計是負責音節的產生。與大腦的其他神經網絡合作, 就能唱歌。能明白音節生成的規律, 可以幫助了解腦部如何處理語言。

Jin 續說: 『就如推骨牌一般, 一個音節帶出一個音節, 連成一首複雜的歌。在未清楚神經網絡如何唱歌之前, 我們需要這樣一個統計模型。』

Jin 把一隻十姊妹困在一個有咪高峯的隔音室六天。這六天內, 鳥兒發出25,000個聲符, 被研究員似其統計相似性歸類為25組, 包括標簽為A-G的七個音節, 14個鳴叫, 及一些無意義的雜聲。


實驗中的聲圖譜, 分別對應(a)是七個音節; (b)是十四個鳴叫中的七個; (c)是其中一首歌。

研究員把得出的統計數據, 造出的一個馬爾可夫鍵圖。以往的模型, 一個音節只對應一個節點, 出現極大的誤差。新的模型中, 研究員考慮了不同的神經元可能引發相同的音節, 所以有一個音節對應多個節點, 亦因而給出更準碓的描述。


七個音節放在14個節點上, 紅色的是起音, 藍色的是可能的結尾, 箭咀的數字表示由一個節點唱到另一個節點的機會率。

爵士樂手會因應環境, 用不同手法詠唱。鳥兒也一樣, 所以沒有模型能百分百預測鳥兒怎樣唱歌。但我們需要的, 只是足夠好的模型來研究腦部的運作。

Jin總結: 『這是研究歌唱及語言結構起源的一個開始。我們將會研究其他物種, 包括人類。』