人類一直以來都不斷觀察並嘗試了解動物的行為及語言，理解動物的叫聲與溝通系統。雖然經過長年累月的觀察，我們對動物溝通的慣性與方法開始有所理解，例如海豚會獨特的高頻口哨聲與同伴交流，而靈長類動物被驚動會發出各種警報聲，但直至現在，我們只要知道他們溝通的方法而非內容。美國非牟利組織 Earth Species Project（ESP）希望借助人工智能的機器學習方式，配合大數據分析，嘗試找出這些「非人類語言」，促進生物研究和保護，或能實現與動物溝通的願景。
ESP 被機器學習翻譯的原理啟發，演算法毋須任何先驗知識，也可翻譯各種語言，每個字詞都的點線連結的關係，詞與詞之間的距離與方向，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，系統可以根據語意排列推斷出其他字詞的關係，從而開發適用於整個動物王國的解碼工具。
研究希望創立動物版本的「路線圖」，並探索其與人類語言有否重疊之處。 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。近日 ESP 透過大數據運算，在一大群相同物種同時發聲的嘈雜環境下，分辦到各個發聲的個體，邁出了研究的一大步。
然而，賓夕凡尼亞大學心理學名譽教授 Robert Seyfarth 指出，他從事靈長類動物研究已有 40 多年，即使不同個體發出同樣叫聲，根據其族群地位、與誰互動，意思可能已經改變，所以他質疑以人工智能研究動物發聲的意義和功能並不大，必須通過親身觀察，才能準確了解。