什么是语言？为什么我们有这么多语言？ / What Is Language? Why Do We Have So Many?

第 1 章：什么是语言？为什么我们有这么多语言？

如果把人类自古至今说过的每一句话、每一个词全部写下来，摞在一起，能不能装满一整座图书馆？

这是一个听起来很傻、其实非常深刻的问题。让我们先认真算一算。地球上目前活着的人口大约是 80 亿。每个人平均每天大约要说 1.5 万到 2 万个词（这还只是被麦克风录下来的部分，没算我们脑子里转来转去却没说出口的"内心独白"）。如果把全人类一天说的话记录下来，再把过去 10 万年里所有人类说过的话都加起来——再乘以不同语言的种类——总字数大概会在 $10^{18}$ 到 $10^{20}$ 这个量级。换成书的话，相当于把整个美国国会图书馆（世界最大的图书馆之一）的藏书复制几十万次。

可是，这么庞大的语言总量，并不是杂乱无章地堆在一起的。它有结构、有层级、有家族。最神奇的是，这么复杂的系统，每个正常的孩子都能在 5 岁之前基本掌握。蜜蜂跳个舞可以告诉同伴哪里有花蜜，海豚可以发出咔嗒声互相打招呼，黑长臂猿能用歌声宣告"这是我的地盘"——但它们都不能像你和我这样，把过去的事情讲给朋友听，把未来的计划说给家人听，更不能用"如果"开头的句子去想象一个根本不存在的小怪兽。

这中间到底发生了什么？语言（Language）到底是什么？为什么它和言语（Speech）不一样？为什么我们把北京话、上海话、广州话都叫"汉语"而不是把它们当成三种语言？动物到底会不会"说话"？为什么全世界真的有 7000 多种语言，它们又从哪里来？

这一章，我们就来回答这些问题。

---

一、语言、言语、方言：三个常被混淆的词

小读者们一定听过这三个词："语言"、"言语"、"方言"。很多人觉得它们差不多，可以换着用。其实在语言学（Linguistics）里，它们指的是三个完全不同的层面。我们先把它们分开，再用一个真实的例子把它们串起来。

1.1 言语：你今天具体说了什么

言语（Speech / Parole）这个概念最早由瑞士语言学家索绪尔（Ferdinand de Saussure, 1857–1913）在 20 世纪初明确提出。他说语言学研究应该区分两件事：一件是"每个人都遵守的那个共享系统"，另一件是"某个人在这一刻具体发出的声音"。后者就叫言语。

举个例子：你今天早上对妈妈说："妈妈，我饿了，能不能给我煮碗面？"这一句具体的话，是一个言语行为（Speech Act）。它有特定的说话人（你）、特定的听话人（妈妈）、特定的时间（早上）、特定的情境（你想吃面）。这句话说完就消失了，变成空气里的声波，最多在妈妈的记忆里留下一点痕迹。

如果你明天早上说"妈妈，我想吃饺子"，那又是一段新的言语。哪怕主题相似，两次说话也是两次独立的言语事件。

1.2 语言：藏在你我头脑里的那个系统

语言（Language / Langue）则不同。它不是某一句话，而是让所有这些话成为可能的那个隐藏系统。它包括：

• **语音系统**（Phonology）：这门语言有哪些声音？汉语普通话有"啊、鹅、衣、乌、迂"这样的元音，也有"b、p、m、f、d、t"这样的辅音。英语多出一组"th-"的声音（think、this），中文里却没有。
• **词汇系统**（Lexicon）：这门语言里有多少词？每个词是什么意思？
• **语法系统**（Grammar / Syntax）：词应该按什么顺序排？"我吃饭"对，"饭吃我"就不行。"He eats apples"对，"Eats he apples"也不行。
• **语义系统**（Semantics）：词和句子到底是什么意思？"苹果"是指一种水果，也指一家公司，还指牛顿头上的那只。

索绪尔打过一个比方：语言像象棋的规则，言语像每一步具体的棋局。规则只有一套，但棋局可以无穷无尽。你和你朋友今天下了三盘棋，每一盘都是不同的"棋局"，但你们用的是同一套"规则"。那个规则就是语言，那三盘具体的棋就是言语。

1.3 方言：同一种语言在不同地方的变体

接下来是方言（Dialect）。这是一个特别容易引起争论的词。

简单说：方言是同一种语言在不同地区、不同人群中的变体。它和"语言"之间并没有一条绝对清晰的界限——这正是它让语言学家头疼的地方。有一条被引用很多次的玩笑话：

> "A language is a dialect with an army and a navy."（语言，就是有军队有海军的方言。）

这话听起来像段子，但说出了方言和语言区分的真相之一：政治和历史往往比语言本身更能决定一个变体是叫"方言"还是"语言"。

举几个具体的例子：

• **普通话**（Mandarin）和**粤语**（Cantonese）都被叫作"汉语"（Chinese）的方言。可是，一个广东人和一个北京人互相听不懂对方说话。它们的语音差别非常大，词汇也不一样，语法上粤语还保留着很多古汉语的特征（比如"你食咗饭未？"这句话里"食"和"咗"都是古汉语用法）。如果按照"互相能听懂才算一种语言"的定义，粤语几乎可以算一种独立语言。但因为大家都属于中华民族，有统一的国家和书面语系统，我们仍然把它们归为汉语的方言。

• **西班牙语**（Spanish）和**葡萄牙语**（Portuguese）的发音、词汇、语法都很接近。一个西班牙人和一个葡萄牙人如果不放慢速度，可能互相只能听懂 50% 左右。但它们是两个国家的官方语言，所以被定为两种语言。

• **塞尔维亚语**（Serbian）和**克罗地亚语**（Croatian）的情况更夸张——基本就是同一种语言，只是用了不同的字母（塞尔维亚用西里尔字母，克罗地亚用拉丁字母），加上一点点用词差别。可是因为它们属于不同国家，就被叫成了两种语言。

所以，区分"语言"和"方言"，除了看互相能听懂的程度（Mutual Intelligibility），还要看政治认同、书面传统和标准化程度。

1.4 语族和语系：更大的家族树

如果我们再往上走一层，就进入语族（Language Family）的领域。把有共同祖先的语言归在一起，就得到一个语族。比如：

• **罗曼语族**（Romance Languages）包括西班牙语、法语、意大利语、葡萄牙语、罗马尼亚语等，它们的共同祖先是古罗马帝国使用的**拉丁语**（Latin）。
• **日耳曼语族**（Germanic Languages）包括英语、德语、荷兰语、瑞典语、挪威语、丹麦语等，它们的共同祖先是古代日耳曼部落使用的语言。
• **汉藏语系**（Sino-Tibetan）是一个更大的**语系**（Phylum / Language Stock），包括汉语、藏语、缅语等数百种语言，是世界上使用人数最多的语系之一。

再往上走，许多语族还能归到一个更大的语系。但是这一步往往证据不那么充分，需要靠"原始祖语"（Proto-Language）的重建来推断。我们留到第 2 章再展开。

1.5 一张图把它们串起来

为了让你把这几个概念的层级关系看得更清楚，我们画一张流程图：

```mermaid flowchart TD A["言语 Speech<br/>个人在某时某地说出的一句具体话"] --> B["语言 Language<br/>一个社群共同遵守的抽象系统"] B --> C["方言 Dialect<br/>同一语言在不同地区的变体"] C --> D["语族 Language Family<br/>有共同祖先的语言群"] D --> E["语系 Phylum<br/>最大的语言家族单位"] ```

这张图从下往上看：从最小的一次"说话"，到最大的"语系"，是一个从小到大的层级系统。层级越高，越抽象；层级越低，越具体。一个孩子今天早上说的"妈妈我饿了"，是一次言语；它遵守的规则属于汉语这种语言；"妈妈"的普通话发音属于汉语的"官话方言"（Mandarin Dialect）；官话方言属于汉藏语系这个更大的家族。

理解了这个层级，我们才能继续往下走——看看我们每个人的脑子里，到底装了多少词。

---

二、词汇大雪崩：你脑子里装了多少多少词？

语言学里有一个非常有名的小练习，叫做词汇量估算实验（Vocabulary Estimation Task）。它的核心思想特别简单：如果你能从一个词典里认出某个词的意思，那么这个词就算你"知道"。

2.1 实验是怎么做的

研究者通常会准备一份单词清单，这份清单覆盖了不同难度等级的词。比如英语里：

• **第 1 档（最容易）**：apple（苹果）、dog（狗）、run（跑）、happy（开心的）
• **第 2 档（中等）**：concept（概念）、justice（正义）、rarely（很少地）
• **第 3 档（较难）**：ubiquitous（无处不在的）、ephemeral（短暂的）、serendipity（意外的好运）
• **第 4 档（极难）**：antidisestablishmentarianism（反对政教分离）、pneumonoultramicroscopicsilicovolcanoconiosis（一种肺部疾病，全是希腊词根拼出来的，长达 45 个字母）

研究者把这种清单交给受试者，问："你认不认识这个词？大概知道什么意思吗？"然后把"是"的次数加起来，乘以词典的总词数，就得到这个人被动词汇量（Passive Vocabulary / Recognition Vocabulary）的估算值。所谓"被动"，就是你认得它但不一定能主动用它。还有一种叫主动词汇量（Active Vocabulary / Productive Vocabulary），就是你能主动说出来或者写出来的词，通常只有几千个。

2.2 大人和小孩的词汇量差异

美国心理学家做过大规模的统计，结果让很多大人吓了一跳：

• 一个 1 岁半的小孩大约掌握 50 个词；
• 2 岁时约 300 个词；
• 3 岁时约 1000 个词；
• 4 岁时约 3000–4000 个词；
• 5 岁时约 5000–6000 个词；
• 6 岁时（开始上小学）约 8000–10000 个词。

小学毕业（11–12 岁）的孩子，被动词汇量一般可以达到 2 万到 3 万词。

而一个受过良好教育的成年人，英语被动词汇量通常在 3 万到 5 万之间；如果是大规模的英语母语者估计，平均被动词汇量在 2 万到 3.5 万之间。专业领域的人（比如医学、法律、文学研究者）可以超过 5 万。

母语为汉语的人，词汇量估算的难度更大，因为汉语词和词之间没有空格。但近年来的语料库研究显示：一个受过高等教育的中国成年人，识字量（被动词汇）通常在 1.2 万到 1.5 万之间，主动词汇约 6000–8000。

2.3 词汇量增长的速度有多可怕

更惊人的是增长速度。

我们做个简单计算。一个 3 岁的小孩掌握 1000 词，6 岁掌握 10000 词（10 倍）。这意味着在 3 年里，他的词汇量每年平均增长 3000 词、每天平均增长 8 词、每个小时平均增长 0.3 词。听起来不多，但要知道他同时还在学语法、发音、社会规则、看动画片、玩积木。

这种"在玩中学、在生活中不教而会"的学习能力，是人工智能到现在都模仿不好的。GPT 这类大模型虽然词汇量大，但它的"词汇"是嵌入在参数里的数字向量，不是真正意义上的"理解"。一个 5 岁小孩看到一个陌生水果，他只要看一次、咬一口，下次就能叫出它的名字；GPT 即便在 1 万亿个句子上训练过，也很难把"一个东西看着像、尝起来像、叫什么名"这种感官和语言的对应学得那么自然。

2.4 一个你可以自己做的小实验

如果你是 8 岁以上的小读者，可以试试下面这个简单的自测步骤：

步骤 1：准备一张纸，画一张 4 格的表格，分别标上"完全不认识"、"好像见过"、"大概知道"、"非常熟悉"。

步骤 2：让爸妈或朋友从一本字典里随机抽 30 个词念给你听（或者写给你看）。

步骤 3：听完（或看完）后，根据自己感觉在 4 格中选择一格打勾。

步骤 4：把"大概知道 + 非常熟悉"的词加起来，乘以一个倍数（比如字典总词数 ÷ 30）。这就是你的被动词汇量估算值。

步骤 5：再写下你能主动用出来的 20 个词（比如最近一周你说过的），这是你的主动词汇量样本。

你可以把这个实验在小学三年级、六年级、初一分别做一次，看看自己的词汇量是怎么"雪崩"的。这种"词汇大雪崩"（Vocabulary Avalanche）现象，背后隐藏着一个生物学谜题——我们的大脑为什么能这么快地装下这么多词？答案部分藏在第 4 节我们要讲的"婴儿学习机制"里，部分藏在第 6 章要讲的大脑可塑性里。

2.5 一个不能漏掉的术语：**词族**（Word Family）

讲到这里必须提醒一个细节：估算词汇量时，"词"到底是什么？

如果把"看、看见、好看、看法、看起来、看电视"算成 6 个独立的词，那么中文词汇量就显得比较少。如果把它们算成一个词族（Word Family），认为它们都是由同一个核心词根派生的不同形式，那么一个受过教育的成年人认识的词族大约在 5000–7000 之间。

英语也类似：run、running、ran、runs 都属于同一个词族。所以语言学家在比较词汇量时，必须先讲清楚"什么叫一个词"。这是一个统计学问题，也是一个语言学问题。

---

三、动物会"说话"吗？人类语言的独家秘密

让我们先把目光从"我们有多会说"转向"动物会不会说"。这一节我们要看四个真实的动物交流系统——蜜蜂的舞蹈、鲸鱼的歌声、黑长臂猿的警告声、海豚的口哨——然后把它们和人类的语言做对比，找出人类语言的两个最特别的性质：递归性（Recursion）和位移性（Displacement）。

3.1 案例一：蜜蜂的舞蹈

20 世纪 40 年代，奥地利动物学家卡尔·冯·弗里施（Karl von Frisch, 1886–1982）发现了一个让全世界震惊的现象：蜜蜂能用舞蹈告诉同伴食物在哪里。

他观察到一个工蜂发现花蜜后，会回到蜂巢里，在垂直的巢脾上跳一种特殊的"8 字舞"：

• 如果食物在**近处**（大约 50–100 米内），它会跳**圆形舞**（Round Dance），只是在原地转小圈。
• 如果食物在**远处**（超过 100 米），它会跳**摇摆舞**（Waggle Dance）：先走一小段直线，同时左右摇摆腹部，然后绕回起点转半圈，再走一次直线摇摆，再绕另一侧半圈。

这段直线摇摆的角度，对应着太阳方位和食物方向的夹角。也就是说，蜜蜂通过把"方向"编码成"角度"，再用"角度"编码成"舞蹈的角度"，间接传递了地理方位。

更神奇的是，摇摆持续的时间还能编码距离：实验显示，每秒钟的摇摆大约对应 1 公里的距离（不同亚种的蜜蜂略有差异）。

这个发现让弗里施获得了 1973 年的诺贝尔生理学或医学奖（和另外两位研究动物行为的科学家共享）。它彻底改变了我们对动物智能的看法。

但是，蜜蜂的舞蹈算"语言"吗？

严格说，不算。为什么？我们接着分析。

3.2 案例二：鲸鱼的歌

在北大西洋和北太平洋，有一种叫座头鲸（Humpback Whale, *Megaptera novaeangliae*）的大型海洋哺乳动物。它们会发出长达 20–30 分钟的"歌声"，由低频的"呻吟"（moan）、"呜叫"（whine）和"脉冲"（pulse）组成。

生物学家罗杰·佩恩（Roger Payne）在 1970 年代把鲸鱼的歌声录下来，做成专辑发行。结果这张唱片销量超过了任何古典音乐专辑——你可能听过其中那首著名的《座头鲸之歌》（Songs of the Humpback Whale）。

鲸歌有几个让人着迷的特征：

• **重复结构**：整首歌由几个"主题"（theme）组成，每个主题又被反复重复；
• **季节性变化**：所有同一区域的雄性座头鲸在同一季节会唱几乎完全相同的歌，但下个季节整首歌会"集体改版"；
• **传播性**：一段新歌可以从一个群体传到几百公里外的另一个群体，像流行音乐一样扩散。

鲸歌的功能至今不完全清楚。科学家猜测它可能和求偶、领地宣告、群体识别有关。但有一点可以确认：鲸歌是信号，不是语言。

3.3 案例三：黑长臂猿的二重唱

长臂猿（Gibbon）是生活在东南亚热带雨林里的小型类人猿。它们一辈子几乎都待在树冠上，很少下地。和我们熟悉的猩猩（Orangutan）、黑猩猩（Chimpanzee）不同，长臂猿是一夫一妻制的——一对夫妻会终生相伴，每天早上对着森林的晨雾合唱一首"二重唱"（Duet）。

研究显示，黑长臂猿的歌声至少包含几种功能：

• **宣告领地**："这是我们的地盘，请勿靠近"；
• **维护配偶关系**：在看不见对方时，歌声让对方知道"我还在这里"；
• **群体识别**：不同家族有不同的"歌型"。

如果你去过泰国的国家公园，可能会听到非常动听的长臂猿二重唱——结构清晰、音调变化复杂，听起来像一首古怪的歌剧。但这些声音只表达此时此刻的情绪和意图，它们不能用来描述"昨天有只老虎来了"或者"明天我们要去河边"。

3.4 案例四：海豚的口哨

宽吻海豚（Bottlenose Dolphin, *Tursiops truncatus*）是另一种以"会说话"著称的动物。每一只海豚从出生起就有一个独特的"标志性口哨"（Signature Whistle），就像我们人类的名字一样。其他海豚会模仿这个口哨来呼唤某只特定的海豚。

海豚的声学系统非常复杂——它们能发出超声波（用于回声定位）、咔嗒声（也用于回声定位）、脉冲声（用于情绪表达）、哨声（用于社交识别）。但研究至今没有发现海豚的叫声中有"语法结构"的痕迹：它们好像不能把几个声音像拼图一样拼起来，表达一个比单个声音更复杂的意义。

3.5 人类语言的两大超能力：递归与位移

把以上四个动物交流系统和人类语言做对比，语言学家发现了人类语言至少有两个核心特征是其他动物没有的。

第一：递归性（Recursion）。

递归（Recursion）是 20 世纪最重要的人类学家之一诺姆·乔姆斯基（Noam Chomsky）提出的概念。它的意思是：一个语言规则可以反复套在自己身上，从而产生无限长的句子。

举一个最简单的例子。"小猫在睡觉"是一个句子。但是我们可以用"小猫知道 X"这个结构，把 X 替换成另一整个句子："小猫知道小狗