114. 语言和音乐的进化根源是什么？

What are the evolutionary roots of language and music?

题记：神经科学家(Neuroscientists)开始探索我们人类是如何说话和制作音乐的，他们从语言学习和音乐制作的脑部区域变化及进化论的角度慢慢发现人类语言和音乐这种独特而珍贵的能力是如何产生的线索。

在科学问题113文化产生的根源中我们讨论了文化产生的标志是抽象行为继承模式的出现，其特征是人类群体形成一套统一的抽象符号系统，而这套抽象符号系统中语言文字系统是其最核心的支柱。其实，无论文化表达的形式如何，任何文化产生的根本目的都是为人类种群生存服务的自然选择。任何生命形式最大的行为目标就是“生存”，这是生物进化具有方向性的唯一动力源泉，所以无论生命神经系统中眼睛的出现(光感知)，耳朵的出现(声音的感知)，还是鼻子(气味的感知)、舌头(味道的感知)、皮肤(温度、压力等的感知)等感官系统的出现都是为生物体的生命存活服务。动物感官所提供的环境感知信息能最大限度地保护生物体的生命安全，增强生物体对环境的适应能力。所以语言和音乐的进化必然都是建立在声音感知之上的工具选择，它们也必然是任何人类文明都普遍包含的社会现象。

图1 (左)元音音节发音强度的时间序列 (右)对应的能量频率谱

从物理上讲声音是一种机械振动，具有两个基本属性：音量和频率。语言主要是利用了声音的强度(音量)特征，而音乐则主要是建立在声音的频率(音调)之上。图1的左图是语言中一个元音字母发音的时间序列，右边是对应的声音强度(能量)随频率的分布，而这个元音被辨识的最重要特征就是右边声音的频谱包络形状(单个和多个音节的频谱形状一样)。语音辨识就是发声者通过控制口腔的大小形状，也就是改变口腔声音共振峰的位置形成特定的声音序列，而发声者的声源就是声带的振动，而语音的辨识和声带的振动频率关系不大，也就是男人和女人发同一个元音(女音比男音高八度)，只要口腔形状一样都会被辨识为同一个元音。但音乐的核心主体却是音调不同导致的音阶，也就是现在大家都知道的七音阶音律(Major 7th Intervals:大七度音程)，如图2所示。了解语言和音乐的基本声学属性，其目的就是明白它们都是通过人类对声音的感知特征建立的，现代语言似乎主要用于生物群体中个体之间的声音交流，而音乐则最终成为一种更为抽象的声音艺术。音乐虽然也有一定的生物学的功能或目的，但很明显现代音乐在生物学进化上的意义变得更为间接和模糊。这就如同眼睛是用来辨识环境中物体图像的，而建立在视觉之上的绘画则最后成为一种更为抽象的图像艺术形式。

图2 音乐的音阶和声音序列

语言和音乐作为人类社会普遍的文化现象，它们的进化根源是什么？目前学界关于语言和音乐的起源基本有两种观点。一种认为它们是人类进化中的自然选择(达尔文的观点)，是一种连续渐进进化选择的必然结果；另一种观点则认为它们是伴随着人类脑容量增长在一个特定临界点出现的一种相变现象(质变), 是突然或偶然的现象。然而语言和音乐都是建立在人类声音感知系统上的独特行为特征，其必然存在量变的渐进性和质变的突然性，问题的关键在于它们是否存在进化的方向性和关联性。首先对语言及其后来固化的抽象文字符号来说，其产生具有明显的生存适应性目的，是为特定种群生存目标服务的声音交流工具，具有非常大的丰富性和多样性(见图3所示)，构成种族文化或文明的重要部分。而音乐虽然也是人类社会普遍的文化现象，但音乐似乎没有明显的适应性目的，而且音乐最终的形式却具有明显的统一性，这使得音乐的进化和发展成为进化生物学的一个基本问题。尽管人类语言的起源仍然存在争议，但语言系统是通过自然选择产生的这一事实，大家基本上是肯定的，这是因为更为准确和标准的语言交流有助于早期人类种群的社会发展和文化继承，明确服务于群体的生存目标。然而音乐其在进化论上的意义和目的仍有待商榷。

图3 音乐与语言形式的区别和联系

关于语言的研究可以从两个方面进行。一是从动物的简单语音交流中来辨别人类语言系统的独特性；二是从婴儿语言的建立中去发现语言形成的规律，将二者结合去研究人类语言的建立特征是最常用的方式。新生儿出生时就有能力分辨语言系统中所使用的所有声音，这是健康婴儿(听力正常)对声音的自然感知和响应，虽然此时新生儿不会说话，不明白不同音节所表达的含义。婴儿的语音感知在第一年内逐渐出现，婴儿口语产生的早期过程中，存在两个独立的阶段。初期阶段在6-8周，婴儿开始自发发出类似元音的单音节声音，这似乎是声带功能的自然反应(比如“妈”这个词的发音在各类语言中基本相近)。这种简单音节的发音特征在非人类灵长类动物(如日本猕猴)身上也存在；然后婴儿会通过交流和模仿来学习正确的语言发音，相关的学习发生在3-5个月之间，通常是婴儿和照顾者以及与其他人的声音反馈互动中进行；这个阶段在一些灵长类动物中也有相应的表现，灵长类动物幼儿的自然发声也会在与种群其他成员的反应中产生相应的变化。到6个月时人类婴儿的单音节发音会在沟通中更为准确，如能准确发出“妈”或“爸”的简单语音，并伴有明显的表情反馈，这在灵长类动物中根本没有表现。在7-12个月时人类婴儿基本能听懂简单的词语，并能发出简单具有语言含义的单词，这个阶段是婴儿将听力记忆的声音模式与他们发出的声音模式联系起来的关键阶段(这也是耳聋必然导致哑巴的原因，无听力则无语言，只有自然发声)。在非人类灵长类动物中，不存在任何一种发声方式能像9个月大的婴儿咿呀学语时那样清晰，动物只能通过拉长单音节或重复单音节的方式发音(有人认为这是简单的语言交流，也有人认为这是初级的音乐形式)，然而任何形式的多音节语言发音过程都不会出现在猴子或猿猴身上。最后人类婴儿在1-2岁的时候会快速建立更复杂的语言能力并开始完成一些虽然发音不准但较长的语音对话。

图4 动物的语音交流

然而关于音乐的研究却经常产生非常大的争议，因为音乐似乎是更为抽象的艺术形式。达尔文因此指出，人类的音乐能力“一定归属于人类被赋予的最神秘的能力之一”。然而事实上，根据对人类婴儿和幼儿的语言研究表明，人类天生就具有不同的音乐能力。然而这种对音乐朴素的感知能力更多是对音乐的神经反应，音乐所产生的感官刺激对人或者动物都能产生一定的情绪反应。但音乐是比语言更抽象的关于声音的艺术形式，其节奏、旋律以及与语言相关的歌唱等等，需要人类更为深入的学习而形成所谓的行为记忆(如唱歌、乐器演奏、舞蹈等)，所以复杂抽象的现代音乐形式只有人类才能掌握，逐渐成为人类所特有的声音艺术。

然而根据考古证据发现，音乐和语言的形成却一样古老，都是人类行为中重要的组成因素。考古发现的史前人类用骨头做的笛子(Bone flute)，可以确定器乐至少有4万年甚至更久的历史，它似乎比语言更早出现在人类社会或种群中。然而音乐和语言却具有明显不同的特征，语言来自于人类劳动交流的生存适应性，但却没有一种选择性足以解释音乐的形成。语言是通过发声音节的含义来表达思想和情绪的，而音乐只具有映射情绪和身体动作的能力，并经常伴有敲击其他物品的行为特征。因此达尔文认为，人类的祖先通过一种类似歌声或敲击的方式进行交流，这种音乐式的原始交流形式后来在人类群体中演变成了复杂的现代语言，伴随着语言的发展音乐(敲击)被语言取代而失去了最初的功能价值，最后被边缘化并纯粹以娱乐的目的而幸存了下来。

图5 古代尼安德特人的骨笛

音乐原始的交流功能也存在于动物之中。鸟类或鲸鱼等动物都存在音乐式的原始语言交流行为，动物简单的发音形式更像音乐，而此种呼喊式的交流方式似乎更倾向于亲属之间，这就是所谓的音乐的亲缘选择理论，比如人类的婴儿和母亲之间，婴儿更喜欢唱歌而不是说话，母亲也普遍通过唱歌和敲击的方式来哄孩子入睡，因此音乐在控制婴儿觉醒和情绪方面的作用有明显的事实依据。由此可见音乐似乎是一种先于语言的原始交流方式，在语言诞生之前承担着群体的交流功能，那是一种基于自然发生的音调语言，是原始人脑容量水平不足无法产生复杂发音之前的声音交流方式，应该普遍存在于直立人的种群之内。然而随着人类进化和群体语言的不断完善，早期人类的音乐技能和能力便开始降低，而早期存在于种群内重要的群体活动：舞蹈和合唱的传统，开始逐渐弱化，最后音乐发展进化成为一个边缘领域内的专业活动。

音乐之所以在完成早期声音交流使命后能够最终留存下来并不断进化和发展，当然得益于音乐的生理作用和娱乐功能，来源于音乐对大脑神经系统的刺激反应。所以音乐具有重要的生物学意义，和语言刺激大脑皮层的高级神经反应不同，音乐能激发生物体低级和原始的神经反应(可以刺激脑部形成多巴胺回路产生上瘾行为)，虽然动物音乐激活的神经通路(前脑运动区-基底神经节-听觉网络)与人类的激活通路(顶上回-听觉网络)存在一定差异，但声音作为一种听觉的感官体验逐渐发展成为人类最大的娱乐项目之一。