Исследователи уточнили, что машинное обучение выявило в 469 ревах признаки, связанные с получателем сигнала. Модель верно определяла адресата в 27,5% случаев, тогда как при случайно перемешанных акустических признаках точность падала в среднем до 8%. Записи собрали у 101 известного "говорящего" и 117 известных получателей в заповедниках Самбуру и Баффало-Спрингс на севере и в национальном парке Амбосели на юге. В анализ вошли контактные, приветственные и заботливые ревы, для которых по социальной ситуации можно было однозначно установить адресата.
Более веское подтверждение дали полевые испытания. Семнадцати диким слонам проигрывали старые записи: либо рев, когда-то направленный именно к слушающему, либо рев того же кричавшего, но предназначенный другому. Когда сигнал изначально адресовался данному животному, оно заметно быстрее приближалось к динамику и раньше отвечало. Исследователи осторожно называют такие признаки "похожими на имя".
Ученые не выделили отдельный акустический фрагмент, который можно было бы перевести как имя конкретного слона. Признаки, помогающие определить адресата, составляют лишь небольшую часть общего разнообразия звука. Модель лучше справлялась с контактными и заботливыми ревами, чем с приветствиями, что согласуется с идеей, что метка адресата нужна, когда конкретное животное вне поля зрения, и менее полезна при близком контакте.
Исследователи сошлись во мнении, что африканские слоновьи семьи живут в социальных сетях, которые постоянно разделяются и вновь собираются. При этом близкие особи могут надолго расходиться в поисках пищи, а затем искать друг друга на расстоянии. В таких условиях сигнал, который говорит больше, чем просто "кто-то из семьи должен ответить", имеет явную ценность, что привлекает внимание нужного животного, не требуя реакции от всех остальных.