¿Hablaremos con los animales? La IA ya encuentra estructura en sus sonidos; el significado es otra historia

LA TESIS. La IA no nos ha regalado un traductor de animales. Nos ha regalado algo previo y más importante: un microscopio para el sonido. Por primera vez podemos ver estructura donde antes solo oíamos ruido, y eso ha reactivado un campo que llevaba décadas estancado. Los resultados de los últimos dos años son reales: un «alfabeto fonético» en los cachalotes, silbidos de delfín que funcionan como palabras, un premio de 10 millones de dólares a la primera comunicación bidireccional real. Pero conviene decirlo claro: nadie ha traducido una sola «frase» animal. Detectar estructura, predecir respuestas y traducir significado son tres peldaños distintos; el hype los funde en uno. Nuestra apuesta: en la próxima década tendremos diccionarios funcionales parciales —qué señal aparece en qué contexto— para unas pocas especies muy estudiadas. No será hablar con ellas al estilo Dolittle. Y aun así cambiará la conservación, el derecho y nuestra idea de quién más «habla» en este planeta.

TRADUCIR SIN PIEDRA ROSETTA. ¿Por qué renace ahora este sueño? Por una técnica concreta. En 2017 varios equipos demostraron que se puede traducir entre dos idiomas humanos sin diccionario: cada palabra se convierte en un punto de un mapa matemático (un embedding, una lista de números que captura junto a qué otras palabras aparece) y resulta que los mapas de dos lenguas tienen formas parecidas; basta con alinearlos. Esa idea —traducir sin piedra Rosetta— es la que Project CETI y Earth Species Project quieren aplicar a las señales animales, y ya existe hasta un marco matemático publicado que estudia cuándo sería posible (Goldwasser y colegas). Los modelos autosupervisados —los que aprenden de datos sin etiquetar, como los LLM— encajan perfecto: de los animales tenemos muchísimo audio y casi ninguna etiqueta. Los frutos ya están aquí. NatureLM-audio, de Earth Species Project, une un codificador de audio con un modelo Llama 3.1 y clasifica especies, tipos de llamada y hasta cuenta individuos en una grabación (presentado en ICLR 2025). Google entrenó DolphinGemma —unos 400 millones de parámetros, cabe en un móvil Pixel, según la propia Google— con 40 años de audio del Wild Dolphin Project y anunció su liberación como modelo abierto en 2025: funciona como un LLM de delfín, oye una secuencia de sonidos y predice el siguiente. Y el dinero acompaña: Earth Species Project levantó 17 millones de dólares en 2024 (10 de Reid Hoffman, 7 de la Waverley Street Foundation).

LO QUE ESTÁ DEMOSTRADO. Separemos lo verificado del titular. Uno: estructura. CETI analizó más de 8.700 codas —las secuencias de clics con que se comunican los cachalotes— y encontró que combinan ritmo, tempo, «rubato» y «ornamentación» en al menos 156 combinaciones distintas, un sistema combinatorio publicado en Nature Communications (mayo de 2024). En noviembre de 2025 (revista Open Mind), el lingüista Gašper Beguš y CETI añadieron patrones que recuerdan a vocales y diptongos. Dos: predicción. El famoso «~80% de acierto» de CETI no es entender a las ballenas: es un sistema de drones (Science Robotics, octubre de 2024) que predice dónde y cuándo saldrá a la superficie un cachalote —69% de acierto solo con acústica, más del 80% añadiendo datos de una baliza—. Impresionante logística; cero semántica. Tres: primeras asociaciones entre señal y significado. El premio Coller Dolittle (100.000 dólares anuales, 10 millones para quien logre comunicación bidireccional real) reconoció en 2025 al equipo de Woods Hole por mostrar que los silbidos «no firma» de los delfines funcionan como palabras de significado compartido —uno de alarma, otro ante situaciones inesperadas—, y en 2026 a Julie Elie (Berkeley) por clasificar el repertorio del diamante mandarín en categorías de «palabras nucleares» que las propias aves distinguen. Esto sí es subir de peldaño.

LA ESCALERA QUE EL HYPE SE SALTA. Conviene tener el mapa a mano. Peldaño uno: detectar estructura, es decir, patrones no aleatorios. Logrado en cachalotes, delfines y aves. Peldaño dos: asociar señal y contexto, y predecir la respuesta («esta llamada aparece ante una alarma; si la emito, el animal reacciona así»). Ahí están hoy los mejores equipos: los premiados del Coller Dolittle y el sistema CHAT del Wild Dolphin Project, que prueba silbidos sintéticos asociados a objetos concretos. Peldaño tres: traducir significado y poder responder. Ahí no está nadie. Y el salto es enorme por una razón de fondo: no compartimos mundo. Un cachalote vive en un universo de sonar, presión y oscuridad; aunque alineáramos su «mapa» de señales con el nuestro, quizá los puntos en común no alcancen. Un modelo que predice el siguiente clic no entiende clics, igual que predecir la siguiente palabra no equivale, por sí solo, a entender el mundo. Los LLM ya nos enseñaron esa lección. Apliquémosla.

¿LENGUAJE O RITMO? LO QUE DICEN LOS ESCÉPTICOS. La comunidad científica no compra el titular, y hace bien. Luke Rendell (Universidad de St. Andrews) sostiene que parte de los nuevos «sonidos» detectados por IA en las codas podrían ser artefactos de grabación: ecos del propio clic. Stephanie King (Universidad de Bristol) duda de que esos patrones sean intencionados; podrían reflejar excitación fisiológica, no mensaje. Y Denise Herzing (Florida Atlantic University) pide no usar palabras como «vocal»: recuerda que las promesas infladas sobre delfines en los años sesenta desacreditaron el campo durante décadas. El fondo del debate es serio: que un sistema sea combinatorio no implica sintaxis, y la sintaxis no implica semántica. Que los cachalotes combinen ritmos no prueba que combinen significados. Nuestra posición: los escépticos no son el freno de este campo, son su control de calidad. En favor de CETI, publica datos y métodos en abierto y suele distinguir «sistema de comunicación complejo» de «lenguaje». Los titulares, no siempre.

EL DILEMA DE HABLARLE A UNA BALLENA. Aquí el corto plazo se pone serio. Si aprendemos a generar señales creíbles, alguien las usará. Los éticos ya catalogan los riesgos (revista AI and Ethics, 2025) y el debate ha llegado a la prensa generalista (Bloomberg, septiembre de 2026): el playback —reproducir a animales salvajes sonidos grabados o sintéticos— podría alterar cantos, migraciones o culturas enteras de una población; operadores turísticos podrían atraer fauna con reclamos generados por IA; y la pesca o la caza furtiva tendrían el señuelo perfecto. No es teórico: los cazadores llevan siglos imitando reclamos; la IA solo industrializa el engaño, como ya industrializa el fraude entre humanos, tesis que hemos defendido en esta casa. Dentro del propio campo conviven dos almas: David Gruber (CETI) defiende escuchar sin hablar («solo quiero saber más de ellas», dice), mientras Brenda McCowan (Whale-SETI) replica que sin playback no hay hipótesis comprobables. Ambos tienen razón, y justo por eso esto no puede depender de la ética personal de cada laboratorio.

NUESTRA LECTURA. Optimismo, pero con el orden correcto. A corto plazo, lo honesto es decir que no hablaremos con los animales esta década, y que el riesgo más real no es entenderlos mal: es manipularlos bien. Hace falta gobernanza antes que capacidad: protocolos de playback, límites al uso comercial de señales sintéticas y algo parecido a un «protocolo de contacto» acordado entre proyectos; el programa MOTH de la facultad de Derecho de NYU ya explora qué derechos activaría entender a otra especie. A largo plazo, este es uno de los usos de la IA que más nos gustan: puro conocimiento. Un diccionario funcional parcial del cachalote bastaría para rediseñar rutas marítimas, artes de pesca y áreas protegidas con precisión quirúrgica; la escucha masiva de ecosistemas será al planeta lo que la monitorización es a una red informática. Y hay un premio mayor. Cada vez que la ciencia demostró que «ellos» se parecían más a «nosotros», el círculo moral se ensanchó. Si la IA confirma que compartimos el planeta con otras mentes complejas, la pregunta dejará de ser si podemos hablar con ellas y pasará a ser qué les debemos. Ese día, el microscopio habrá valido la pena aunque la conversación no llegue nunca.