语言的本质

第1章 语言的本质

当我们听到一个人说话时，究竟发生了什么？声波穿过空气，撞击耳膜，神经信号传至大脑，一串声音序列被感知为有意义的言语。我们可以立即判断出那是中文还是英文，能分辨出对方是在陈述事实还是在提出疑问，甚至能隐约感知说话者的情绪状态——惊讶、疑惑、或者不耐烦。但这一切发生得如此自然，以至于我们很少停下来思考：人类究竟是如何做到这一点的？这种看似本能的能力背后，隐藏着怎样精密的机制？

这些问题看似属于语言学或认知科学的专门领域，但实际上与每个人的日常生活密切相关。当我们学习一门外语却总感觉"说不地道"的时候，当我们在嘈杂的地铁里艰难地辨别报站广播的时候，当我们面对婴儿牙牙学语感到惊叹的时候，我们都在与语言的本质问题相遇。理解语言是什么，不仅是学术探索，更能帮助我们理解自身，理解我们与这个世界最基本的连接方式。

本章将深入探讨语言作为一种符号系统的本质特征。我们从最基本的问题出发：语言是如何工作的？它的基本单位是什么？人类语言与动物的各种交流系统有何本质不同？通过逐层剖析，我们将建立一个理解语言的完整框架，为后续章节关于语音、语法、语义的讨论奠定基础。

语言的符号性：能指与所指的分离

语言的基础是一种奇特的对应关系：声音与意义之间的绑定。人类可以用一串无意义的声音流——比如"桌子"——来指代我们日常看到的那种有平面和腿的家具。这种用一事物代表另一事物的机制，就是符号学的基本原理。

语言学家索绪尔在20世纪初提出了能指与所指这对概念，为我们理解语言符号提供了关键框架。能指是符号的物质形式，可以是一段声音，也可以是文字；所指则是符号传达的概念或意义。理解这对概念的关键在于认识到，能指与所指之间的对应关系是任意的——也就是说，没有任何内在的必然性要求"桌子"这个声音序列必须指代那种家具。在法语中，同样的家具被称为"table"，在日语中则是"つくえ"。同一个概念在不同语言中有着完全不同的声音形式，这本身就说明了两者之间没有天然的联系。

这种任意性带来了一个重要的后果：一旦某种能指与所指的对应在某个语言社群中确立，它就具有了强制性。作为一名说中文的人，你无法随意改变"桌子"的读音，也无法要求别人接受"桌子"可以指代椅子。如果这样做，你发出的声音虽然物理上与"桌子"相同，但在语义上已经不再是"桌子"这个词了——你只是在制造噪音。这正是语言的社会性特征：符号的使用规则是由整个社群约定俗成的，而非个人可以随意更改的。

能指与所指的任意性并不意味着语言是混乱的。相反，正是因为这种对应关系是固定的，语言才能有效地承担交际功能。如果每个人都可以随意决定声音代表什么意思，那么人与人之间的交流就会陷入彻底的混乱。任意性保证了系统性——一种语言就是一套相对稳定的符号系统，每个符号都在系统中占据特定的位置，与其他符号形成区分。

这种区分功能在语言中至关重要。让我们比较一下"爸"和"妈"这两个音节。这两个词在汉语普通话中的发音区别仅在于起头的辅音：b和m。这个微小的差异就足以让两个词指向完全不同的概念——父亲与母亲。在英语中，"bat"和"pat"的区别也仅仅在于开头辅音的发音方式，但这两个词分别指代一种动物和一种动作。在语音学上，这些起作用的差异被称为区别性特征，它们是语言能够用有限的声音材料区分无限意义的基础。

让我们通过一个具体的练习来感受能指与所指的分离。考虑"cup"这个英语单词。它的发音是/kʌp/。现在想象你从未学过英语，第一次听到这个声音序列。对于一个不懂英语的人来说，这个声音串只是一些空气振动，不携带任何意义。但对于懂英语的人来说，/kʌp/立即唤起一个概念：那种用来喝液体的、带把手的容器。语言学家区分了语言的"外部语言"——实际发生的言语行为——和"内部语言"——存储在说话者大脑中的语言知识。真正使语言成为语言的，是这种存在于大脑中的抽象系统。

符号性还意味着语言具有表征能力。语言符号不仅能指代现实中的事物，还能指代不存在的事物、抽象的概念、以及其他符号本身。我们可以说"独角兽"，尽管世界上从未存在过独角兽；我们也可以说"这个句子是假的"——这是一个关于语言本身的句子。这种自我指涉的能力在人类语言中极为普遍，但在动物的交流系统中极为罕见。一只黑猩猩可以用特定叫声表示"危险，有蛇"，但它无法表达"有一只不存在的独角兽正在吃苹果"这样的命题。这个区别将在后文的创造性特征中进一步展开。

语言能力与语言使用：区分知识与行为

语言学研究中有一个根本性的区分：语言能力与语言使用的区别。这一区分最早由乔姆斯基提出，帮助我们理解一个看似矛盾的现象：说话者产出的话语总是有限的、具体的、发生在特定时空条件下的，但说话者所掌握的语言知识却是抽象的、无限的、超越任何具体语境的。

语言能力指的是说话者-听话者头脑中内化的一套语法规则系统。这种知识是隐性的——大多数人说母语时并不能明确说出自己使用的语法规则，但他们在实际说话中却能准确无误地运用这些规则。语言学家通过语感来探测这种隐性知识。假设你听到这样两个句子："我想吃苹果"和"我被苹果吃"。尽管第二句话在物理上完全符合汉语的词序和词形，但任何以汉语为母语的人都能立即判断第二句话是"不对的"。这种判断并不依赖于曾经听到过这句话，而是来自我们头脑中内化的语法知识。

语言能力还体现在我们生成和理解从未听过的新句子的能力上。考虑这句话："张三昨天晚上在图书馆看书的李四打了。"这是一个从未在任何文本中出现过的句子，但我们能立即理解它的意思：昨晚在图书馆发生了一件涉及张三和李四的事情，其中李四是看书的人，而张三打了李四。理解这个句子需要我们追踪主语和宾语的关系、处理时间状语和地点状语的位置、以及识别定语从句的范围。这些复杂的处理过程在不到一秒的时间内完成，依靠的就是我们头脑中高度精密的语言能力系统。

相比之下，语言使用是语言能力在具体情境中的实际体现。同一个人在不同场合会说出不同的句子，与不同的人交谈时会使用不同的词汇和语气。语言使用受到社会因素、语境因素、说话者意图等多种因素的影响。同样一个人，在正式场合可能会说"我认为这个问题值得进一步探讨"，在朋友聚会上可能会说"我觉得这事儿挺有意思的"——两句话表达了大致相同的命题意义，但语体风格截然不同。这种差异反映的不是语法知识的不同，而是语言使用策略的不同。

这种区分对于理解语言学习至关重要。儿童在习得母语的过程中，实际上是在从大量的语言使用样本中归纳和构建一套抽象的语法系统。这个过程并不等同于简单的模仿。想象一个两岁的孩子说"我吃完了饭"——这个句子可能是他从未直接听到过的，但他根据已经习得的语法规则自主生成的新句子。父母可能会纠正他（正确的说法应该是"我饭吃完了"或"我吃完了饭"——语序取决于具体的方言），但这种纠正本身并不能直接教会孩子语法规则。孩子是通过接触大量真实的语言材料，逐步调整自己对语法的内部表征，最终达到接近母语者的水平。

理解语言能力与语言使用的区分，也能帮助我们更准确地诊断语言障碍。如果一个成年二语学习者说话时带有外国口音，或者有时用词不够地道，这通常被归类为语言使用层面的问题——他的语言能力系统可能已经相当完善，但在实际输出时受到了母语习惯的干扰。但如果是儿童在正确的语言环境中成长到四五岁，仍然无法掌握基本的语法结构，比如总是遗漏句子的主语或者无法正确使用动词时态，这就可能涉及语言能力层面的发展性障碍，需要专业的干预。

语言能力与语言使用的区分也提醒我们，在研究语言时需要采用不同的方法。研究语言能力，语言学家主要依靠内省法——通过分析说话者的语感来判断某个语言现象是否符合语法。但内省会受到说话者注意力和元语言意识的限制。研究语言使用，研究者则需要收集真实的语料——口语录音、书面文本——然后用统计方法分析语言在实际交际中的分布规律。两种方法各有优势，也各有局限，理想的做法是让它们相互印证。

创造性：有限手段的无限使用

人类语言最令人惊异的特征之一是其创造性。借助一套相对有限的词汇和语法规则，说母语的人可以生成和理解无限数量的新句子。这些句子在过去从未被说出过，在未来也可能永远不会再被说出，但它们都能被说话者即时理解和产出。这种"有限手段的无限使用"，被语言学家称为语言的创造性特征。

让我们通过一个思想实验来理解这种无限性。汉语普通话的核心词汇量大约在几千个常用词的量级，语法规则的数量也是有限的——即使算上各种复杂结构，总数也不会超过几百条。但这两组有限数字的组合，能够产生的合法句子数量是天文数字，超过了宇宙中原子的总数。这不是夸张，而是数学上的必然：只要规则允许递归——即允许结构中包含与自身同类型的子结构——组合的可能性就是无限的。

语言的创造性首先体现在新词的形成上。语言不是封闭的词汇列表，而是一个开放的系统。当新冠疫情在2020年初爆发时，"封控"、"流调"、"无症状感染者"这些词语在短短几周内就进入了大众词汇。这些词此前不存在，但它们被创造出来后立即被整个语言社群接受和使用。这种能力被称为词汇创新，是人类语言灵活性的直接体现。

更深层的创造性体现在句法结构上。考虑这句话："张三说李四认为王五知道赵六喜欢小明。"这是一个嵌套了四个层级的报告句。如果我们想再加一层，可以变成"我听说明天张三会说李四认为王五知道赵六喜欢小明。"这个过程理论上可以无限继续下去，每加一层句子就变得更长，但仍然是语法正确的句子。语言的递归性使得我们可以用有限的结构表达无限复杂的思想。这种能力与动物的交流系统形成了鲜明对比：大多数动物的声音信号库是固定的，每种声音对应一个固定的意义，不能组合出新的意义。

语言创造性还体现在隐喻和类比上。当我们说"时间的河流"、"思想的火花"、"情感的纠结"时，我们实际上是在用已知的概念结构去理解和表达新的经验。这些表达在字面意义上是不准确的——时间当然不是河流，思想也不会真的燃烧——但它们在交际中完全有效，并且能够传达丰富的意义。这种跨域映射的能力是人类抽象思维的基础，也是语言创造性最高级的表现形式。

语言创造性并不意味语言使用可以完全自由。语法对句子的构成有一系列约束，不符合这些约束的组合就是不合语法的。比如，在汉语普通话中，"我昨天在公园散步遇到了一个朋友"是合法的句子，但如果我们打乱词序变成"朋友一个遇到了散步公园在昨天我"，虽然每个词都是合法的中文词，但这个序列无法被理解为任何有意义的句子。这说明语言的创造性是在规则约束下的创造性——说话者可以自由地组合词汇，但必须遵守语法的规则。

理解语言创造性对于语言教学有重要启示。传统的语法-翻译教学法过于强调规则的记忆和例句的模仿，忽视了语言创造性在真实交际中的作用。相比之下，交际教学法鼓励学习者在真实语境中尝试表达，即使表达不完美，也可以通过意义协商来完成任务。两种方法各有优缺点，理想的外语教学应该兼顾语法知识的系统学习和交际能力的全面发展。

递归性：结构的自我嵌套

如果说创造性是语言的总体特征，那么递归性就是支撑这一特征的内在机制。递归性指的是语言结构中一个成分可以被同类型的另一个成分所包含，形成层层嵌套的结构。这种自我相似的特征在语言的各个层面都有体现，从最小的音节到最复杂的句子。

最直观的递归性体现在句法层面。让我们分析一个包含从句的句子："我昨天买的那本书很有意思。"这句话的主干是"那本书很有意思"，但在"那本书"之前嵌入了一个定语从句"我昨天买的"。这个定语从句本身也是一个完整的主谓结构。如果我们在"买"字前再加一个状语从句，句子就变成："我在图书馆看到的那本我昨天特意去买的书很有意思。"可以看到，定语从句的结构可以在内部再包含一个定语从句，形成嵌套。

递归性在自然语言中几乎是无所不在的。名词短语可以包含另一个名词短语作为修饰语，而这个被包含的名词短语又可以包含自己的修饰语。动词短语可以包含一个完整的从句作为宾语，而这个从句内部又可以有状语，状语内部又可以有更小的从句。这种层层叠加的结构使得句子可以无限延长，而不改变其基本性质——每个层级的成分都发挥着自己特定的语法功能，整体上仍然是一个完整的句子。

递归性的另一个典型体现是并列结构。"我和你和他一起去"这样的句子虽然听起来不太自然，但在语法上是可能的。如果我们允许并列结构可以递归地包含并列结构，理论上可以构造出"张三和李四和王五和赵六一起去"这样包含更多并列项的序列。并列项的数量没有上限，递归性保证了这种扩展的合法性。

为什么人类语言会进化出递归性？这个问题涉及语言的认知功能和进化历史。从认知角度看，递归性使得语言能够表达高度复杂的思想结构。人类面临的大量交际任务需要表达嵌套的因果关系、附带条件、多重视角等信息，这些在非递归系统中是难以实现的。从进化角度看，递归性可能为语言的扩张提供了结构基础——一旦掌握了递归构造的规则，语言就可以用有限资源处理无限复杂的表达需求。

值得澄清的是，递归性虽然是人类语言的普遍特征，但它在具体语言中的表现可以有所不同。不同语言对递归结构的容忍度存在差异。比如，日语允许名词短语嵌套很深的递归结构，一句话可以包含多个"の"（相当于汉语的"的"）连接名词；而英语虽然也允许递归，但实际使用中倾向于控制递归深度。汉语的情况介于两者之间，理论上允许递归，但过长的递归链在听觉上会显得笨拙。

递归性也为人工智能领域的自然语言处理带来了挑战。传统的基于规则的方法很难处理深度递归的结构，因为递归的层数是无法事先确定的。现代的深度学习方法通过使用循环神经网络或Transformer架构，能够在一定程度上捕捉语言的递归特征，但完全模拟人类处理递归的能力仍然是活跃的研究课题。

双重分节：从声音到意义的层级构建

语言符号不是铁板一块的整体，而是由不同层级的单位层层叠加构成的。双重分节是语言结构的基本组织原则：第一重分节将连续的语音流切分为离散的音位，第二重分节将语素组合成词、词组和句子。这两级分节相互独立又相互配合，共同支撑起语言这座大厦。

让我们从第一重分节开始。在任何语言中，说话者发出的声音流是连续不断的，中间没有明显的停顿。但听话者的大脑却能够将这条连续的声音流切分成一个一个的音节，再识别出一个一个的词。这个过程发生在毫秒级别，普通人几乎意识不到它的存在。之所以能做到这一点，是因为每种语言都有一套固定的音位系统——一种语言用有限数量的音位，通过不同的组合来表示意义。

以汉语普通话为例。普通话大约使用40个左右的音位（具体数目因分析框架不同而有差异）。这40个音位可以组合成大约1300个左右的不同音节（考虑声调）。但这1300个音节可以承载数千个汉字的意义。音位的有限性在这里得到了体现：说话者不需要学习无穷无尽的语音模式，只需要掌握这几十个音位及其组合规则，就可以生成任何可能的普通话句子。

英语的情况稍有不同。英语的音位数量也大致在40到50之间，但英语音节结构的复杂性比普通话更高——英语允许"str"这样的辅音簇出现在音节开头，而普通话不允许。正是这种音节结构的差异，使得以英语为母语的人学习普通话时常常感到困难：他们习惯了在元音前快速跳过辅音群，而普通话要求每个辅音后都有明确的元音过渡。

第二重分节发生在意义的层级上。语素是语言中能够承载意义的最小单位。有的语素可以单独成词，比如"人"、"走"、"大"；有的语素必须和其他语素组合才能出现，比如汉语中的"们"（不能单独使用，必须附在"我""你""他"等后面），英语中的"un-"（只能作为前缀出现在词前）。语素的数量比音位的数量大得多——一种语言通常有几千到几万个语素，但语素仍然是有限的。

关键在于，语素可以按照语法规则组合成词，由词组合成词组，由词组组合成句子。这种组合是递归的：一个词组可以包含另一个词组作为自己的组成部分，而这个被包含的词组又可以包含更小的词组。这种层级结构使得语言能够用有限的语素资源表达几乎无限的思想内容。

让我们通过一个具体例子来追踪双重分节的运作过程。句子"学生们认真读书"在语音层面是一串连续的声音：xuéshengmen rènzhēn dúshū。语言学分析首先将这段声音流切分为音节：xué-sheng-men rèn-zhēn dú-shū。然后识别出每个音节对应的音位序列。但在意义的层面，语言系统进行的是另一套切分：这句话首先包含两个主要成分——主语"学生们"和谓语"认真读书"。主语"学生们"又由名词"学生"加上复数标记"们"构成。谓语"认真读书"包含状语"认真"和动词短语"读书"。"读书"又由动词"读"和宾语"书"构成。可以看到，在意义的层级上，句子被切分为不同大小的语素、词、词组，最终组合成完整的句子。

双重分节的机制解释了为什么语言能够如此高效地学习和使用。相比于为每个意义都分配一个独立的、不可分解的声音序列——那将需要天文数字的词汇量——双重分节通过有限层级之间的组合，实现了经济性和表达力的平衡。语言使用者只需要掌握两套相对较小的系统：音位系统和语素系统，以及组合这两套系统的规则，就可以处理语言中的任何句子。

双重分节也揭示了语言学习的关键难点。第一语言习得中，儿童需要同时学习两套系统及其接口；在第二语言学习中，成人往往已经建立了母语的切分习惯，干扰着新语言的音位识别和语素组合规则。这就是为什么成年人学外语时常常带着"腔调"，不是因为他们学不会发音本身，而是因为他们需要打破已经自动化的母语音位系统，重新校准大脑中的语音分类器。

语言与其他交流系统的本质差异

在建立了一套关于语言本质特征的概念框架之后，我们现在来探讨一个更具比较视野的问题：人类语言与动物的各种交流系统之间，到底存在什么本质差异？这个问题不仅有学术意义，也关系到我们如何理解人类认知的独特性。

长期以来，人们观察到许多动物都能用声音进行交流。鸟类的求偶鸣唱、青蛙的繁殖季节叫声、鲸类的远距离通讯——这些现象似乎表明，动物也拥有类似于语言的交流系统。但深入的研究逐渐揭示出人类语言与动物交流之间存在的一系列根本性差异。

首先是人类语言的开放性。动物的叫声库是相对固定的——每种动物能够发出的声音类型是先天决定的，后天学习只能在这个固定范围内进行微调。黑长尾猴能够用不同的叫声区分不同类型的捕食者（蛇、鹰、豹），并引起相应的防御反应。但这些叫声是固定的几个类型，不能组合成新的叫声序列来表达新的意义。相比之下，人类语言允许创造全新的词汇和表达方式来描述从未遇到过的事物和概念。互联网出现后，人类立即创造了"网民"、"网银"、"网购"等新词——这种词汇创新能力是动物交流系统所不具备的。

其次是人类语言的离散组合性。动物的声音信号通常是整体性的——每种叫声作为一个不可分割的单位出现，不同叫声之间没有共同的组成要素。而人类语言具有离散性：语言的基本单位（音位、语素）可以分离出来，不同句子中的相同单位是同一个单位，可以独立替换。比如英语句子"The cat saw the dog"可以变成"The bat saw the dog"——只需将"cat"替换为"bat"，就得到了一个全新的句子，语法结构完全相同。这种替换和组合的可能性在动物交流中几乎不存在。

第三个关键差异是语法结构的递归嵌入。动物交流系统中不存在类