第七章 语言：天生的交流欲望

第七章
语言：天生的交流欲望

位于副热带地区的火山岛戈梅拉岛属于非洲的加那利群岛。这里山石耸立，怪石嶙峋，崎岖陡峭的悬崖间，是一条条深邃的山谷。岛屿上空，一首由口哨组成的优美二重唱穿云而来，方圆百里都清晰可闻。我安静地等待着。山谷中有动听的鸟鸣，还有羊群在山间行走时偶尔发出的咩咩叫声和用鼻子喷气的声音。不知过了多久，我在头顶的某处听到了一个悦耳的声音，在回复刚才的口哨声。

以前，这里地形复杂，交通不便，所以人们就用一种古老的口哨语言——希尔博语交流。口哨语言帮助这里的人们克服地理障碍，将话语传过一座座山，传到遥远的田间地头，最远能传到8千米以外的地方。就像一位老牧羊人所说，和打电话相比，使用希尔博语更便宜快捷，而且也不怕没有信号。现在，虽然很多孩子都把西班牙语作为母语，但是他们仍在戈梅拉岛上的学校学习希尔博语。这种语言需要含着指关节发声，或学习具体的卷舌技巧。它听起来很像鸟叫，所以模仿能力很强的乌鸫鸟已经能模仿希尔博语的对话了。

交流是生物活着的基本特征之一。每一种生命都会通过某种形式的信号证明自己的存在。植物通过土壤中的真菌网络交流，头足类动物则依靠改变肤色交流。海豚、猿类和犬类等哺乳类动物能够非常熟练地和人类进行交流，以至我们一般认为它们拥有某种原始语言。然而，人类语言和动物语言的不同之处在于，无论以哪种形式呈现，要想理解人类语言都需要一定水平的理解能力，而这正是其他动物不具备的。黑猩猩可以学会吹口哨，但它们没有乐感[1]，也没有语言表达能力。它们的交流能力和人类有着巨大差距。举例来说，黑猩猩只能发出5种基本的声音。而且和人类不一样的是，它们所有的叫声都依赖于语境。如果捕食者不出现，黑猩猩永远都不会发出“有捕食者”的警告叫声。而人类所发明的语言是一种真正的交流工具，规则众多又不失灵活。

语言并不仅仅是传递信息的系统，更是人类之所以成为人类的根本。语言即思想。没有语言，我们就不会有内心的独白，想法也会杂乱无章。我们能体会到的感觉都是我们能用语言描述出的感觉。患有失语症（指失去语言能力，通常是中风或脑损伤的后遗症）的人无法跨越时间的桥梁，无法回忆过去，也无法预测未来。他们不能辨别事物之间的联系，更不能理解别人的观点。他们只能处理眼前的文字，同时还要费力应对人类最基础的思维过程。所以说，我言故我在。

正如地球上的不同环境推动了基因进化一样，环境压力也引导着语言文化的进化。不同地方的人拥有不同的语言和方言，这些语言和方言受当地地理环境和声学的影响。

在地势陡峭的地区，或在森林、海洋等环境中，远距离交流比较困难，所以就逐渐形成了口哨语言。[2]与正常语言相比，口哨传得更远，而且也不容易吓到猎物。大约7 000年前，第一批从非洲北部的阿特拉斯山脉到达戈梅拉岛的人类将口哨语言也带到了这里。阿特拉斯山脉地区的柏柏尔人现在仍在使用一种名为塔马塞特语的口哨语言。历史上，在抵抗法国侵略时期，柏柏尔人利用这种语言传递秘密情报，成效显著。同样，在二战期间，澳大利亚军队雇用巴布亚新几内亚说沃姆语的原住民，在无线电中利用口哨传递消息，挫败了日军的窃听。[3]目前，已知仍在使用口哨语言的族群有70个左右。其中包括亚马孙雨林中的狩猎采集族群、北极地区拥有捕鲸传统的因纽特人和希腊岛民。喜马拉雅山脉地区的苗族人会用口哨语在森林和耕地间交流。身处不同房间的苗族情侣悄悄说情话时，也会使用口哨语（因为口哨比其他语言更难辨别说话者的身份）。

动物世界也存在类似情况。几十年前人们就发现，因为树木会使声音变低或失真，所以与生活在开阔地区的鸟类相比，生活在森林里的鸟类鸣叫频率更低，变化更少。[4]生物学家最近发现，为了应对城市嘈杂的环境，城市中的一些鸟类会改变它们的叫声。和生活在安静环境中的同类相比，城市中的鸟类鸣叫频率更低，生理构造也更简单。现在，科学家们发现，人类语言中也有同样的适应性变化。一种语言中辅音的数量和辅音群在音节中的组合方法，似乎和这种语言发源地的年平均温度、降水量、植被面积、海拔高度和地表的崎岖程度等因素有关。[5]

东南亚等温暖湿润且植物茂密的地区的语言元音多，辅音少，词汇也大多由简单的音节构成。相比之下，像英语和格鲁吉亚语这些发源地不是雨林的语言，就会大量使用辅音。高海拔地区的语言中有更多词汇含有强爆破辅音。干旱的荒漠地区不容易产生类似汉语（普通话）和越南语这样的声调语言，其中的部分原因是干燥的环境会对声带运动产生不利影响，这是一种人体—环境—文化三位一体的适应。

口头语言本质上是高频辅音（如f、p或t）和低频元音（如e、o和u）等一系列声音的组合。密集的植物或空气中的热浪等环境障碍会使高频声音失真或消失，从而对语言形成选择压力。所以，语言差异在某种程度上就是文化适应不同环境的表现。

人类进化的三位一体受到影响，因为这些声学上的变化也会导致人类基因的进化。有证据表明，非声调语言，比如欧洲的一些语言，在过去的5万多年中，一直影响着两种新型基因变异的传播，这两种变异与大脑的生长和发育相关。[6]声调是指语言通过音高、音长和音强来传达语义。在英语这类非声调语言中，声调会改变词的音值，能帮助听众将长句子断成几部分，便于理解。而在声调语言中，声调会改变词汇或短语的真实意思。比如说，汉语（普通话）中的“/ma/”这个音，就可以指“妈”、“麻”、“马”或“骂”，具体含义根据声调而定。苗语有多达8个声调，分别表达不同的意义。如今，一些声调语言已经演变成了非声调语言。比如，荷马那个时代的希腊语是声调语言，然而现代希腊语却是非声调语言。

对于声调语言来说，音素间（辅音和元音）的细微差别并不是很重要。所以用音乐（比如口哨）或鼓点传递信息会更加简单。撒哈拉以南非洲曾经聚集着众多用鼓点交流的村落，村落中的每名村民都懂一维的鼓点语言。利用鼓点语言，一条路上沿线的村庄可以接替传递消息、诗歌、通知、警告、笑话和祷告，而且传递范围很广。一个小时内，就可传递到100多千米以外，甚至更远的地方。在电报出现之前，其他任何地方都无法如此高效地传递消息。

口哨和鼓点语言迫使说话者在大脑里把语言和旋律结合起来，这能帮助我们追寻语言起源的线索。[7]大脑中处理音乐和语言[8]的是同一块区域[9]。除此之外，音乐和语言还存在其他方面的联系。研究发现，学习音乐能够提高读写能力。一些语言学家认为，人类的语言起源于[10]一种音乐性的原始语言，比如口哨声，猿类也具备这种语言能力。苗族人经常用口琴复制口哨语言中的音调，形成了一种非常成熟的音乐语言。

文化进步会影响语言使用，而语言使用又和人类的生理结构息息相关，因此，文化的进步可以引导人类生理结构的变化，反之亦然。几千年前，在人类开始发展农业之后（变软的食物使人类可以有较小的下颌和全新的牙齿咬合），人类的下颌发生了变化。语言学家认为，这意味着我们能发出“f”和“v”的音，同时，还推动了新语言中爆破音的出现。[11]然而，人类最伟大的发明从来都不是发明出来的，而是进化出来的。文化进化促进语言产生的过程和它促进烹饪产生的过程如出一辙。就像每天都要做饭一样，我们的日常生活也离不开语言。每一个人类社会都有复杂的语言。使用语言是一种进化出的生物本能，虽然我们并不是天生就会使用语言，而是必须跟他人学习，但是说话的能力是与生俱来的。按照达尔文的话来说，语言是一个充满悖论的谜语——“一半是艺术，一半是本能”。

语言的神经基础尚不清楚，因为人类大脑中没有“语言”中枢，不仅如此，这种能力也似乎非常模糊。从这个角度来看，语言遍布在我们大脑中，就像它遍布在文化中一样。人类出生几个月后就可以说话了。在此之前，他们并没有接受过正规的语言学习，只是听别人的对话而已。这种非凡的能力几乎每个人都具备，即便是智力比较低下的孩子。随着婴儿的成长，这种基因上的天赋也逐渐显现。出生之后，新生儿的身体又小又脆弱，尚未发育完全，需要他人长时间的细心照顾，他们体内的语言基因也需要精心地培养和开发。

那么，人类的近亲猿类是如何开始说话的呢？一些学者认为，我们的口语是从灵长类的叫声进化而来的。另一种观点则认为口语是从猿类的手势发展而来的。不过最有可能的是，口语是这两者的结合体。直到最近，澳大利亚和北美洲的一些狩猎采集部落还在广泛使用复杂多样的符号语言。举个例子，欧洲殖民者踏上北美洲前，北美洲原住民使用平原手势符号在广袤的北美大陆上交流、讲故事、进行贸易往来。时至今日，全球的听力障碍人群依旧在使用手语。

即使是人类发出的最无意义的声音也是口腔器官高度复杂的协作的结果，所以在说话之前，我们需要有意识地思考想说的话是否有必要，然后就会变得字字千金，睿智达意。为了发出更多的声音，我们的祖先在身体构造方面出现了一系列变化。首先是人类开始直立行走后，肋骨和横膈膜（之前用来支撑前肢）得到了解放，由此，我们能更好地控制呼吸，同时也打开了声道。另一个重要的变化是喉咙（喉头）降到了舌头后面。它降到舌头后面延伸出去的部分，舌头从蹄铁型的舌骨上垂下来。舌骨虽小，但很重要。这个变化意义非凡，让我们的声道能更好地发声，同时也在发声时给予舌头更多空间，舌头可以放在更多不同的位置，所以我们就能发出元音和辅音。但这种进化风险也很大，喉咙位置降低意味着我们不能再同时吞咽和呼吸，而且比其他灵长类动物更容易窒息，因为其他灵长类动物的喉咙位于鼻腔上方。人类新生儿出生时喉咙的位置比较高，就像潜水时的通气管，所以他们能一边吃奶，一边呼吸。但3个月左右大的时候，婴儿的喉咙位置就开始下移。喉咙的下移很有意义，猿类的高喉咙使它们无法像我们一样说话，哪怕经过训练也无法做到。

每个声音都是气流在喉咙中成千上万次微小碰撞的结果。每次发声都依靠喉咙中一对薄薄的、芦苇状的肌肉——声带。在我们不说话时，声带会打开，辅助我们呼吸。当我们唱歌或是说话时，从肺部呼出的气流冲向声带，声带的边缘快速合拢，受气流冲击产生振动，从而发出声音。振动越剧烈，音高就越高。当女高音发出华丽的高音时，她的声带正以每秒1 000次的频率振动，将她肺部爆发出的一股气流转化为足以震碎玻璃的音乐。[12]

目前尚不清楚人类语言是何时出现的，但是我们的祖先可能和尼安德特人交流过。[13]尼安德特人的喉头也为了说话而发生过适应性变化，他们也有所谓的语言基因，对应我们人类的FOXP2基因（控制语言能力发展的基因）。如果这一基因发生突变，那么人可能会在学习说话、发音、理解句子和造句方面存在障碍。FOXP2基因由740个碱基组成，存在于许多动物体内。在进化的过程中，这个基因的人类版本和黑猩猩版本出现了两个差异碱基，这个微小的改变具有变革性的意义。[14]我们已经了解到，和黑猩猩的基因相比，人类基因中的这个微小变化改变了其他100多个基因的表达。[15]而这些被影响的基因主要与大脑的发育与机能以及软组织的形成与发育有关，因此，FOXP2基因和人类的语言认知以及发音能力密切相关。研究人员曾经把人类的FOXP2基因植入老鼠体内，试验结果显示，植入这种基因的老鼠叫得比以前更频繁，叫声也更复杂，而且它们学习解谜的能力也更强。[16]更好的交流和学习能力给人类带来了许多生存优势，所以有微小变异的FOXP2基因很快就在整个人类种族中传播开来，人类发明的语言也随之进化。

加拿大著名实验心理学家史蒂芬·平克提出了“语言本能”这一概念。具体是说，人类天生就拥有学习语法规则和上千词汇的能力，同时还具有强烈的交流欲望。直立行走解放了人类的双手，让我们用其他动物不能做的手势进行交流，其中之一就是指向。婴儿出生几个月后才能明白这个动作的含义。到了12个月大的时候，他们就能自己做这个动作了，由此开始了他们人生的第一次“对话”。指向是非常复杂、独特的人类行为，要求我们首先要有了解事物的好奇心，其次要对别人头脑中正在发生的事情有非常细致的理解。通过指东西，一个孩子可以就一些具体的事情进行交流。比如，想要某个东西——给我一个香蕉（命令指向），解释某件事或分享信息——你可以用这把椅子，又或是要分享某个经验——看那个气球（陈述指向）。最后一项是在思想碰撞中与他人分享观点。这起源于我们对于合作与生俱来的渴望[17]，它是人类作为一个物种进行合作的根本方法。

交流从眼睛开始。哪怕是对刚刚出生的婴儿来说，只要母亲移动眼睛就能影响他注视的方向。相比之下，猿类母亲必须要转动新生儿的头，才能让它们知道有要看的东西。为了更清楚地看到世界，人类进化出了面积很大的巩膜。我们可以在几米之外察觉到别人眼球哪怕1度的微小移动（相当于注意点周围5厘米范围内的移动，大概是从左眼到右眼的距离）。事实上，眼神交流是社交认知以及自我意识中非常重要的一部分，所以对于小孩子来说，他们很难理解，为什么看不见某人，不代表对方不在场。你或许曾经想过这样一个问题：为什么学龄前儿童玩捉迷藏的时候只蒙上眼睛？答案就是他们认为自己看不到别人，别人也就看不到自己。[18]他们还认为自己听不见耳朵被遮住的人说的话，也没办法和嘴被捂住的人说话。[19]

小孩子能敏锐地察觉到人类交流的本质，同时，他们也天生就拥有通过联合注意力来学习知识的能力。这就意味着他们要经历一个发展期，在这一阶段，他们相信自我必须通过经历才能被感知到。2003年美国有一项研究，将幼儿分成3组，以视频学习、音频学习和真人教学的方法分别教授普通话。结果显示只有那些真人教授的幼儿才真正学有所成。联合注意力是人类有意识学习的开始。所以幼儿无法通过视频、音频或偶尔听父母对话来学习语言，人类还没有进化到这个程度。我们需要互相交流来确认自己和他人的不同。当我们说话时，我们不像有声机器人或闹钟一样简单地发布消息，我们更期望和别人进行思想上的交流，并期望得到回应，哪怕别人只是简单示意他们听到了我们说的话。人类其他情绪性的表达，比如笑和哭，也有非常强烈的交流目的。事实上，笑声极具传染性，尤其是当我们认识的人笑的时候。

语言作为人类进化出来的另一个重要生存技能，也依赖他人进行学习。在我们童年时期，有一小段学习语言的重要时期，如果在这一时期没有处在某种语言环境中，那么我们将永远无法像真正的母语者一样使用这门语言。语言学习的过程早在孩子出生之前就开始了：胎儿能够分辨母亲说话的声音和韵律，而且更喜欢母亲的声音。[20]儿童要花费几年时间在不知不觉中掌握语法和词汇，还有复杂的肌肉控制和说话所需的运动。就像在文化学习的其他方面一样，文化环境在语言学习中也发挥着至关重要的作用：从一个孩子3岁时听到的词汇量就可以预测出他9岁时的学业成就。这种差异是由社会因素决定的，而且是显而易见的。一项研究显示，3岁儿童听过的词汇量的差异最多可达3 000万个。[21]

然而，语言技能的差异并不仅仅由听过单词的多少决定。最近一项针对4—6岁儿童的研究显示，无论父母的收入水平和受教育程度如何，儿童听到的话轮数量可以很好地预测他们语言能力的发展。[22]成年人主要通过模仿和重复婴儿的动作和咿咿呀呀的语言与婴儿交流，这就是幼儿父母普遍使用的妈妈语。[23]这个看上去无关紧要的口语训练阶段却可能是人类语言发展非常重要的环节。在妈妈语中，有一种类似话轮的对话韵律：母亲以相同的顺序，用同样的音调和音高重复婴儿的话。婴儿3个月的时候，就可以和父母一来一往地交流了，而且只需600毫秒的反应时间。

话轮比正式的语言出现得早，一些灵长类动物和鸟类也会用话轮交流。长臂猿就是轮流发出叫声，而类人猿只有动作上的“话轮”，没有语言上的话轮。存在话轮行为的物种通常都有极高的社会性，而且大多数都有固定配偶，它们彼此投入，去了解自己的配偶，了解它们的生存方式和喜好。从交配到合作，话轮行为在各种事情中都扮演着重要角色。对人类而言，话轮还增强了建立在人与人之间的对话协作本能。不管我们说什么语言，大多数人都会遵循话轮行为的潜在规则。除非是和孩子说话，否则我们很少会明确地指出某个人说得太多，占用了别人说话的时间。我们会用一些方法来让失衡的对话回归正轨，比如打断对话，或是让别人笑从而停下对话。

如果从话轮在普通对话中的发生速度来看，嘴巴要比大脑反应快。说话者在对话时的平均反应速度为200毫秒，这可能是人类最快的回应速度，和眨一次眼睛的时间差不多。但是，声音从耳朵传到大脑，明白其中含义，考虑好如何回应，最后说出来，这一过程至少需要600毫秒。实时对话的进行依赖于人类大脑精密的预测系统。通过预测别人将要说的话，并同时准备好回应，人类最快反应速度能达到200毫秒。每一次话轮基本只会持续2—3秒，所以，当一方说话的时候，另一方就必须判断出他将要说什么，以便及时做出回应。神经科学家仍然在研究人类是如何同时做到预测对方要说的话并考虑回应的，因为我们大脑的一大块区域同时参与了说话和倾听。据统计，我们每天要进行大约1 500轮对话。

在社交世界中遨游，意味着我们要磨炼自己的预测系统，不仅要探索物理世界，还要探索他人神秘莫测的思维世界。语言可能已经经历了很好的进化，因为它是一种无与伦比的机制，让我们能在更大、更复杂的社会环境中预测别人将要说的话。虽然语言不会取代其他感官输入，比如眼神和肢体语言的暗示会推翻我们对别人话语的理解，但是人与人之间的对话能增进互信，建立联盟，传播美誉，还能让人们更容易产生好感。话轮在这其中发挥着关键作用。

在对话过程中，我们的预测系统通过一系列元素来判断加入对话的时机。这其中包括语法线索（比如，“如果”后面经常接“就”）、面部表情、音高、音调、音量、手势（把手放回膝盖）。把句子的重要部分放在对话的开头部分会让加入对话的时机提前，因为这样听者对于对话走向和内容的判断会更加自信。这就像接力棒的传递过程，其中会有一个临界点（持棒者抬起胳膊的时刻）。此时，听者就开始思考回应的话，等待插入对话的时机。在对话结束之后，说话者会有一个大约500毫秒的停顿。如果听者没有在停顿之后做出回应，那说话者就会意识到对话存在问题。举个例子，如果说话者说：“你想去喝杯咖啡吗？”但在之后的500毫秒内没有得到回应（北欧人的反应速度会稍慢一些），那么说话者就会对问题进行补充或修改，从而推进对话：“或者我们可以这周晚些时候去？”如果是否定回答，那么之前的停顿时间更长。但是，在进化过程中，为了适应合作，我们更倾向于给出积极的回应，所以我们很难拒绝别人。影像学研究显示，我们的大脑会对“不”这个词产生抵触情绪。

学习一门语言是非常复杂的事情，但婴儿很擅长。大部分儿童到5岁的时候，都可以流利地说话，掌握上万的词汇，并且能够非常自然地遵循母语的规则。我们说母语非常流利，不需要学习语法，不需要了解词源，更不需要别人教我们如何说话。这是一个普遍现象，以天生失聪的儿童为例，他们会自然而然地发展出一套手语，而且也有复杂的语法规则，和口语一样丰富多样，也和口语使用相同的神经通路。就像眼球不是一种发明而是一种进化的结果一样，语言也是文化进化无目的、无意识应对选择压力的结果，因此人类语言具有诸如发音简单、易学[24]以及随环境变化等特点。

语言这一极其灵活的交流系统源自事物间复杂的关系。其中最简单的关系就是：如果A=B，且A=C，那么B=C。这看似很简单，但其实非常复杂，我们并非天生就能理解这些关系，必须经过学习。事物之间有9种关系，包括相对关系（上对下）、对等关系（一幅马的图片和一匹马对应），还有比较关系（大象比老鼠大）。生活中所有事情都可以套用这些关系。比如，我们学会了如何使用比较关系，那么在比较两个物体的大小时，就可以轻易判断出哪一个更大。而且还可以举一反三，将“比较”的方法应用于其他新的环境中。儿童16个月大的时候就能轻松掌握这项技能，虽然听起来很简单，但它是语言认知的核心内容。因为这些抽象化的关系可以帮助我们将其应用于其他事物上。所以，“球”这个字指球这个物体，虽然它的读音听上去一点也不“球”，而且现场也没有实物。最终，我们能够讨论抽象的概念，比如，踢足球和看别人踢足球哪个更好？这是人类独有的一种技能。许多其他物种只能理解这些关系的基本规则，但不能普遍应用这些规则，即使是受过大量语言训练的黑猩猩也做不到这一点。

人类一旦学会了词语组合和关系的规则，就能用全新的方法组合这些文字符号，由此语言就能够像生物进化一样发展，最终变得多样且复杂，而字词则是语言的基因。

我来讲个故事：

女孩水果摘 转身 猛犸象看见

女孩跑 树到达 爬 猛犸象树摇晃

女孩喊叫喊叫 爸爸跑 长矛投掷

猛犸象吼叫 倒下

爸爸石头拿起 肉切 女孩给

女孩吃 吃饱 睡觉

这是以色列历史语言学家盖伊·多伊彻创作的故事，原文没有英语语法（事实上是违反了英语语法规则），也没有涉及其他语言的语法，但是我们可以轻而易举地理解这个故事。事实上，无论用哪一种语言讲这个故事，结果都是一样的。多伊彻用了几个自然原则创作这个故事，这些原则深植于我们的认知当中。第一，如果某些东西出现在一起，那么就将表示这些东西的词语组合在一起（“女孩”和“水果”）；第二，根据事情发生的顺序对词语进行排序；第三，使用最普通的“主宾谓”语序（研究发现，人类会按照主语、宾语和动作的顺序思考。只有10%左右的语言会把动词放在主语前面）。所以“女孩水果摘”要比“水果女孩摘”或“摘水果女孩”更好理解，尽管它们都没有遵循主谓宾的语法规则。

不难想象，在语言出现前，人类就已经使用这些简单的组织规则，用手势来讲故事。抽象关系的应用，让我们不再需要在事情发生的地方、在所有人都在场的情况下讲故事，我们可以用语言再现所有的故事元素。我们不需要正式的语法组织语言，只需共同掌握部分词汇（上面的故事里有24个英文单词），就可以讲故事，而且别人也能听懂。话说回来，现在我们说话时，25个单词就支撑起了人类25%的话语表达。世界上超过2/3的语言，常用词汇的发音都相似。[25]

自此，文化进化稳步提升着人类原语言的复杂性，词汇体系和语法规则都在不断完善，语言更清晰易懂。最近有一项研究[26]，目的是让人工智能机器人像人类一样，互相说话，内容不限。结果显示，人工智能机器人会收集所有的语法结构，进行概括总结，并在之后的对话中加以应用。在这一过程中，输出的句子结构往往比输入的多。最终，人工智能机器人的语言中出现了人类语言的结构，而这仅仅是通过反复的学习和信息传输实现的。

文字的出现带动了语法上的创新。对英语来说，在过去的5 000年间，类似“之前”（before）、“之后”（after）和“因为”（because of）的连词，让句子结构更长、更复杂。没有这些连词之前，最早的苏美尔语和其他同时代的语言都差不多，读起来枯燥无味。有了这些连词之后，从句就能够顺畅地连接在一起，不至于因为冗长而失去读者。然而，也有一些现存的语言没有表示从属关系的词汇，比如澳大利亚和北极地区的一些语言。和所有积累文化进化的结果一样，只有规模最大、联系最紧密的社会才能创造更高级版本的语言。因此，某种语言的使用者越多，该语言的语音和词汇就越多，而且也会比使用者较少的语言更快地实现多样化。[27]

我们会发现语言的语法化现象。名词和动词也可以做形容词和副词。在这种情况下，随着时间的推移，它们可能会失去原本的用法，使用新的意义。比如，气温“火箭式暴涨”。通过在生活中的运用，词汇的含义会不断发生变化。“Nice”（美好的）这个词来源于拉丁文，原意为无知愚蠢。13世纪时，这个词带有侮辱的含义，用来形容愚蠢。随后，其含义又经历了许多变化，到18世纪为止，nice可以理解为荒唐的、夸张的、优雅的、奇怪的、谦逊的、稀薄的，以及害羞的或是腼腆的。而现在，这个词指讨人喜欢的或善良的。然而，语境决定词语真实的含义。在某些圈子中，这个词是“无聊”的委婉表达。隐喻使得语言具有歌唱性，在最普通的交流中起着重要的作用。对于一个物种而言，如果每个个体都认为所有文字只表示字面上的意义，那这个物种中就永远不会出现抽象的概念。

基因可以在族群间传递，词汇和语言也可以。人类思维灵活，可以发明语言，比如世界语和供听力障碍者使用的手语。同时，我们也会偶尔重新使用一些古老的语言或已经灭绝的语言，比如希伯来语。希伯来语以前仅用于礼拜仪式，后来，它作为以色列的官方语言实现了复兴，以色列人每天都会使用。类似的创造和重塑十分罕见，但语言一直在稳定地发生变化。就像基因和生物体本身会经历自然选择一样，语法不规则的词语承受着“规则化”的巨大压力，这也是英语中的很多不规则动词都消失了的原因。比如，印欧语的原始语言中的“drove”进化成了日耳曼语中的“drived”。

从全球来看，年轻女性是引领语言变化和创新的主力军。有时候，男性在这方面会落后一代人。这和社会性别歧视有关：女性通常不会身处高位，所以她们说话时无须字正腔圆。同时，年轻女性非常擅长社交，所以她们说的话会被传开。而当男性试图吸引女性的时候，他们就会使用女性创新的语言。举个例子，气泡音（或“嘶哑音”）是压缩喉咙发出的声音，美国演员梅·韦斯特在20世纪30年代就使用这种装腔作势的声音说话。现在又有很多名流重新使用这种说话方式，比如美国名媛金·卡戴珊。而社会价值观，比如性感，也会成为一种语言特征，所以很多人为了表现自己的性感，也会使用卡戴珊的语言表达方式。西方年轻女性还带来了其他的语言变化，比如把“像”（like）作为一种对话中的填充词，或使用升调话语（句子中的音调升高），这些语言变化在社会中广泛传播。

新洋泾浜方言是从早先语言词汇和语法的混合体中一步步进化而来的。基茨德语最初起源于德国的土耳其移民群体，但是现在的年轻德国人，包括没有土耳其血统的人，除了能说一口流利的德语外，也普遍会说基茨德语。英国年轻人现在说的“加法伊腔”，是一种混合了牙买加方言、洛杉矶说唱和伦敦南部俚语的语言（被喜剧演员阿里·G疯狂嘲讽）。基茨德语和这种语言一样，都和说话人的身份以及他们对自己在社会中的定位紧密相连。如果使用这种语言的群体魅力非凡或非常酷，那么无论年轻人属于哪一种族或有何种社会背景，他们都会使用这种语言。

不过，与此同时，在英国，英语口音的多样性正在逐步消失。14世纪的时候，英国东南部肯特郡的人甚至听不懂东部地区诺福克郡人说的话。如今，越来越多的人说英国东南地区的口音，可能是因为很多富人都是这种口音，这就是萧伯纳在《卖花女》中描述的那种语言偏见。我们总是会根据交谈对象和对话情景的不同，调整自己的语言和口音，比如在写信的时候，我们就会用书面语。无论有意还是无意，这种调整都是为了吸引你的对话对象。受过高等教育的政治家们在给贫穷阶层做演讲时，会刻意使用这类人群更熟悉的“河口英语”。与之相对，《卖花女》中的女主角伊丽莎·杜利特尔用发音标准的英语和上层阶级交谈，试图以此来提高自己的身份。即使是英国女王也没能避免这种情况，她放弃了她坚持了数十年的优雅，不再把“very”发成“veddy”，把“poor”发成“poo-er”。如果英国女王自己都不能说一口标准的“女王英语”，那么又有谁能做到呢？

语言同身份以及文化归属感紧紧交织在一起。在受到其他因素（如种族）影响之前，小孩子们会模仿说他们母语的人说话。通过和语言习惯相似的人组成团体，年轻女性知道社会上还有人支持她们，她们就能从这个小圈子中获得力量，这也是年轻女性创造新语言的原因之一。生活中，当听到有人和你操着同样的口音，说着同样的语言时，你会自信地认为你们来自同一个地方，有着共同的社会关系，你们可能都支持某种文化价值观，捍卫某些利益。语言是集体归属感的有力标志，同时也将不同的社会团体区分开来。[28]

世界上没有什么地方能比新几内亚岛更能体现语言的多样性了。这里有800多种不同的语言，是地球上语言种类最多的地区。各个群体之间的地理屏障，比如大山、沼泽和河流，都能促进语言在孤立的环境中发生变化。所以，现在在这座岛上，有1 000多个不同的词汇可以表示“水”。岛民们也将语言视为一种强有力的部落身份证明。为了和临近的村落区分开，一个村落集体决定把表示“不”的词从“bia”变成“bune”。为了与邻居的语言相区别，岛上的另一个群落则故意调换了所有词语的阴阳性。[29]

全世界都在经历着相同的进程。目前全球一共有7 000多种语言，也就是说，一种哺乳动物的语言数比哺乳类动物的种类还要多。语言学家已经建立起了语言树，用以追溯众多分支语言的共同源头，比如印欧语系产生了从英语到梵文的众多语言（不包括巴斯克语）。而遗传学家、考古学家和古生物学家们正在利用这一信息追溯人类的分布和多样性。

一旦可以说话，我们就不会止步于一种语言。地球上大多数人都至少会两种语言，而一个人掌握的每一种语言都潜移默化地改变着他的大脑、性格和行为。人类语言的文化进化改变着人类的生物状态。

土耳其作家艾丽芙·沙法克说：“在使用不同的语言时，我们是不同的人。我们受语言支配，幽默会变，肢体语言也会变。就我自己而言，我喜欢用土耳其语描写悲伤，用英语撰写讽刺作品。”[30]

语言塑造着人类的思维方式。在记忆引发事件的人或物方面，英语使用者要比日语使用者表现更好。我们用打碎花瓶这个例子来说明。英语中会说：“吉米打破了花瓶。”而在日语中，则不常提到因果关系中的行为人，所以人们会说：“花瓶碎了。”语言中的固有结构对于塑造我们构建现实的方式发挥着深刻作用。事实证明，现实和人性会因我们使用的语言产生巨大的差异。我们的大脑会发生变化，认知会根据大脑接收的文化输入和做出的回应而发生变化。

用颜色词汇的演变举例，人类群体通常从命名浅色和深色开始，比如黑色和白色，之后出现的通常是红色（大概因为血是红色的）。英语中“红色”这个词过去还指棕色、紫色、粉色、橙色和黄色。[31]然后出现的颜色词通常是黄色或绿色。很多群体都意识不到蓝色的存在，学习了英语之后，他们才第一次了解到蓝色这个颜色种类。许多语言都会吸收其他语言中表示蓝色的词。德语中有很多词都表示蓝色，与英语使用者和纳米比亚的辛巴族人相比，德语使用者能更好地分辨蓝色。辛巴族的语言中没有表示蓝色的词，而且他们很难分辨绿色和蓝色。然而，辛巴族拥有更多描述色调深浅的词汇，辛巴族的儿童也比欧洲人更容易分辨颜色的明暗。

换句话说，语言这一文化发明影响着我们的认知。在某种程度上，我们如何（以及是否）学习将大脑接收的感觉输入（光的波长）变成语言，实际上决定了我们是否能够有意识地体会到这些感觉。[32]当我们有两样除了颜色之外完全相同的东西时，我们就会创造出一个表示颜色的词。工业化社会要比狩猎采集社会有更多外形相同的事物需要被描述和选择，所以我们就需要能够区分绿色的汽车和蓝色的汽车，还要有一个更丰富的颜色词汇库。在自然环境中，选择不同颜色的东西一般意味着选择不一样的属性，等同于一个标签。某些群体，比如马来半岛的嘉海族很擅长辨别不同的气味，他们的语言中关于颜色的词汇不多，但是有大量关于气味的词汇。

色彩认知、面部表情的解读、时间观念或方向等都是通过语言习得的文化知识，我们认为这些是人类普遍拥有的概念，而其中却也蕴含着令人惊讶的微小差异。给事物命名打开了一扇通往新认知的心灵之门，是我们了解这个世界的新方法。希伯来语具有典型的性别化特征，而芬兰语则没有，所以说希伯来语的儿童要比说芬兰语的儿童早一年知道自己的性别。

各种语言在描述方向方面也有很大不同。英语中经常使用左右来描述方向，比如“你的左腿”，但是大约1/3的语言都不会这样描述方向。在澳大利亚昆士兰州的北部地区，人们使用古古·伊米德希尔语，英文中的kangaroo（袋鼠）这个词正是源自这种语言。在这种语言中，人们用东南西北来描述位置和方向：“站在玛丽北边的男孩是我兄弟。”因为每一次交流都需要报告方位[33]，所以说话者必须一直在脑海中辨别方向，才能说出合乎语法的句子。这就要求说话者在组织语言的方式和空间意识方面发生认知变化。如果你打算用古古·伊米德希尔讲一个故事，为了把故事讲清楚，就必须记住故事里走近你的人是从东面来还是从西面来的。因为在类似的语言中，所有动作动词都包含方向。这是一种完全不同的概念框架，非方向型语言的使用者不具备这种能力，但是我们可以学习。

美国人类学家莱拉·博罗迪茨基就去学习了古古·伊米德希尔：

在那个社区的第一个月，我感觉自己非常愚蠢，因为这里的每个人都能熟练地使用方向动词，但我不会，大家都很同情我。大约一周后，我一个人散步时，发现脑海中出现了一个小窗口，就像电子游戏里的一样，我就是那个俯瞰图上的小红点，当我转身时，窗口就会调整方向，朝向我面对的风景。我不由自主地惊叹，这样就简单多了。发现这一点之后，我胆怯地告诉了其他人……他们看着我说，就是这样，要不然呢？在这样的社会压力下，为了在语言社群中自如地生活，大脑就会努力创造让我能正常使用其中语言的方法。[34]

一个多世纪以前，人们就已经确定左脑掌管语言，具体分为两个区域：布罗卡氏区（与言语的产生以及发音有关）和威尔尼克区（与理解能力有关）。这两个区域中的任何一个区域受损都会导致语言和言语方面的障碍，甚至是失语症。然而，在过去10年中，神经学家们发现事情其实没有那么简单：语言并不仅限于上述两个区域，也不是只存在于大脑的一侧，大脑在我们学习新的语言时会继续发育。最近的研究发现，不同类型和含义的词汇会和大脑的不同区域产生关联。神经学家的研究[35]表明，不同语言中相同含义的词汇对应大脑中的同一片区域。

双语人士有不同的神经通路对应两种语言，而且，不管使用哪一种语言，两个神经通路都表现活跃。因此，双语者会持续地、下意识地压抑另一种语言的使用，以便能集中精力于正在使用的语言。这一结果首次出现在1999年的一项试验中。这一试验要求掌握英俄双语的被试按要求操纵桌子上的物体。主试者用俄语对他们说：“把邮票贴在十字架下面。”但是，在俄语中，邮票一词是“marka”，和英语中的“marker”（马克笔）一词听起来很像。眼动结果显示，被试在听到指令做出正确选择之前，眼睛会在马克笔和邮票之间来回看一看。即使我们在学会了一种语言后并不使用它，但这种语言带来的不同神经模式似乎也会永远印刻在大脑中。加拿大有一些从中国领养的儿童，他们被领养的时候还不会说话，几年之后，通过对他们的大脑进行扫描发现，虽然完全不会说中文，但他们的大脑还是会对汉语元音产生神经识别。

具备多语能力已经在社会、心理和生活方式方面展现出了优势，而且对神经健康也有一定的好处。[36]人类大脑的进化似乎是为了掌握多语言，人类的远古祖先可能就具备多语能力。现代的狩猎采集部落普遍是多语社会。很多部落都禁止部落或氏族内部的通婚，所以每个孩子的父母说的都是不同的语言。澳大利亚的原住民仍然使用着130多种不同的原住民语言，多语言已经成为当地的一种风情。当你和原住民在当地散步聊天时，可能只是跨过了一条小河，但你的同伴突然就开始说另一种语言，这是因为地区变了，语言也就变了。其他地方也有多语的情况。以比利时为例，在列日市乘坐火车时，列车广播使用的第一种语言是法语，然后，当火车经过勒芬市时，首先以荷兰语进行广播，等到了布鲁塞尔，就又先用法语广播了。

多语能力对大脑和自我意识有惊人的影响。如果你用英语问我最喜欢吃什么，我就会想象自己在伦敦，并且选出我在那里最爱吃的食物。但如果你用法语问我，我就会想象自己身在巴黎，答案也会有所不同。所以，如果你用不同的语言问我同一个非常私人的问题，我会给出不同的答案。有观点认为，每当你学会一种新的语言，就会有一种新的性格，同时，使用不同的语言也会让人有不同的行为。[37]这一观点意义深远。

有一项试验是分别给说英语的人和说德语的人播放一些视频，视频里的人都在动，比如一位女士走向她的车。说英语的人将注意力集中在人的动作上，往往会做出“一位女士在走路”的描述。而说德语的人看待事物则更加全面，他们还会注意到动作的目的，所以会（用德语）说：“一位女士朝她的车走去。”出现这种结果的部分原因是两种语言使用了不同的语法系统。与德语不同，英语有——ing这个后缀，即现在分词，用来描述正在进行的动作。这就使得说英语的人不太能像说德语的人一样，在一个目的不明确的场景里注意到动作的目的。然而，对于使用英德双语的人来说，他们关注的重点是动作还是动作目标，取决于在哪个国家接受测试。如果在德国接受测试，他们就会更关注动作的目的；如果在英国接受测试，就会更关注动作本身，而这些与他们使用哪种语言无关。这一研究表明，文化和语言紧密交织在一起，共同决定着一个人的世界观。

20世纪60年代，心理语言学先驱苏珊·欧文-特里普要求掌握日英双语的女性把一些句子补充完整。研究发现，造句的结果会因为使用的语言不同而产生很大的差异。举个例子，被试需要补全句子“当我的梦想和家庭产生冲突时……”，用日语补全时，被试会写“我觉得很苦恼”，而用英语则是“我要做我想做的”。通过这个试验，欧文-特里普得出结论，人类的思维是在语言思维中产生的，对于双语者来说，每一种语言都有不同的思维模式。这个想法非同寻常，在之后的研究中也得到了证实。许多双语使用者也表示，当他们说不同的语言时，感觉自己像变了一个人。

然而，当双语者的大脑在决定使用哪一种语言时，两种语言带来的不同思维模式就会不停地产生矛盾。这种情况就与大脑中的前扣带皮层有关。前扣带皮层负责执行控制，即让人专注于一项任务，排除其他任务的干扰。脑成像研究[38]显示，当双语者使用一种语言时，他们的前扣带皮层会持续压抑使用另一种语言的词汇和语法的欲望。事实上，仅仅通过观察大脑扫描结果，就可以将双语者和单语者区分开。双语人群的大脑前扣带皮层中有更多的灰质，因为他们前扣带皮层的使用频率更高。这使得他们在从语言和非语言测试到理解他人意思等一系列认知和社交任务中都表现得更好。[39]双语能力似乎能让我们心理健康，这一能力在文化和生物学层面上被保留下来或许是因为我们学习新语言很容易，并且能够在语言间灵活转换，同时还因为在人类历史中，使用双语的情况很普遍。

许多语言产生的关键就在于我们天生的交流欲望，这种欲望来自社会驱动型的大脑，我们希望不必独自在茫茫世界中寻求生存，而是可以组建强大的群体，建立合作，依赖整个群体的力量。交谈建立并加强了人与人之间的关系，哪怕这些人和我们并不是亲属关系，交谈拓宽了我们的社交支持网。但是，如今全球性社交网络的成功也正在以惊人的速度加速语言的灭绝，每14天就有一种语言消失，因为现在世界上80%的人口只使用1%的语言进行交流。

我们现在正在研发人工智能回应我们口头指令的功能，甚至开发和我们交谈的功能。人工智能已经充分证明了自己的能力，但是语言绝不仅仅是简单的编码信息，而且机器人也只能是非常原始的交流者。原因在于信息和含义之间存在着微妙但又深刻的差异。信息是嵌在词汇和句子里的，最重要的含义都依赖于说话者和倾听者所处的语境，即文化显影液。这就是为什么不同的人会对同一个句子做出不同的解释，为什么人工智能还不能算人类。美国诗人艾米莉·狄金森把希望描述成“希望长着羽毛，栖息在灵魂深处”；英国诗人约翰·邓恩则把希望说成“她是所有的国度，我是一切的君主”；美国诗人罗伯特·弗罗斯特看到森林中的两条小路，说：“我选择了人迹更少的一条，从此决定了我一生的道路。”这些诗句对于人类来说很好理解，但是人工智能无法像人类一样处理这些信息。顺便一提，这种情况也适用于基因信息，因为它的解码要依靠化学分子的“语境”。

语言赋予人类无与伦比的能力，来传达无穷无尽的思想。我们用语言讲述自己的故事，这是后文要探讨的内容。