因為與人類擁有相似的遺傳特徵，研究人員經常在醫學實驗中使用小白鼠作為對照。但其實，它們也是一種社會生物。為了更好地研究鼠鼠之間的對話，華盛頓大學的科學家們，特地發布了一款研究其超聲波發聲模式的趣味工具—— DeepSqueak 。作為一種能夠分析鼠類叫聲的捲積神經網絡，其巧妙地運用了深度學習算法。

（研究配圖- 1）

想要研究鼠類的發聲，是相當耗時的。一方面，它們發出的聲音範圍，超過人耳20kHz 的聽覺閾值。

換言之，我們要將錄音速度放慢20 倍，才能聽清最高頻的內容—— 小鼠聊天一小時，人類要聽十個鐘！

研究人員Kevin Coffey和Russell Marx 了一款名叫DeepSqueak的深度學習算法，能夠從原始錄音中分離和分類鼠語。

有趣的是，它是從自動駕駛車輛用於規避障礙的軟件演變而來的。在對其進行修改後，研究人員能夠對類似的特徵（吱吱聲）進行分組，然後識別出特定的呼叫序列或模式。

在對實驗鼠進行焦慮、抑鬱、吸毒成癮的研究中，Coffey 和Marx 就已經使用過該程序。但是顯然，DeepSqueak 還能被運用到其它地方，比如研究鼠語。

大多數動物的’問候’聲，都有其背後的意義，但它們通常是隨機的。例如，一隻小貓可能會因為牛奶而喵喵叫，但它並沒有將一系列聲音串在一起，以傳達更複雜的含義。

在這方面，鼠類可能有所不同。借助DeepSqueak 的發聲分析，研究人員發現鼠類有著較為粗略的語法模式，即它們可能擁有自己的語言。

Marx 表示，儘管還不能將之命名為一種語言，但鼠類的叫聲並不是隨機的，這是一個需要進一步深入研究的話題。

DeepSqueak helps researchers decode rodent chatter（via）

遺憾的是，倆人當前正忙於有關抑鬱症和成癮的研究。不過他們還是希望其他科學家能夠受益於這款軟件，然後催生出更多的研究成果。

有鑑於此，Marx與Coffey通過代碼託管GitHub，向公眾發布了DeepSqueak的MATLAB版本（PDF）。

有關這項研究的詳情，已經發表在近日出版的《神經精神藥理學》（Neuropsychopharmacology）期刊上。原標題為：

《DeepSqueak: a deep learning-based system for detection and analysis of ultrasonic vocalizations》

《DeepSqueak：一套基於深度學習、能夠檢測和分析超聲波發聲的深度學習系統》

[編譯自：TechSpot ]