当猴子第一次开口说话：语言的起源与思维的火种

当猴子第一次开口说话：语言的起源与思维的火种

想象这样一个场景：五百多万年前的一个清晨，东非大裂谷边缘的稀树草原上，一只雌性古猿正抱着一根断裂的树枝，小心翼翼地敲打着岩石。她的手指已经进化出对握的能力，能够将石块精准地放置在另一块石头上施加力量。这只古猿——我们姑且称她为“露西”的远亲近邻——或许已经掌握了某些用石头敲击石头的技巧，但她的喉咙里发出的声音，不过是和今天黑猩猩相差无几的简单叫声：警告同伴危险降临的低沉咆哮，提醒群体成员食物所在的短促尖叫，以及在愤怒或恐惧时发出的尖锐嘶鸣。

就在那个清晨，当第一只古猿尝试用不同的声调组合来表达不同含义的时候，人类思维的火种便悄然点燃了。然而，这粒火种从微弱的火星演变成燎原之火，经历了数百万年的漫长岁月。今天，我们站在这个漫长演化旅程的终点回望，试图解开一个令无数科学家和哲学家魂牵梦萦的谜题：语言究竟是什么？它是如何诞生的？更重要的是，没有语言，思维是否真的能够存在？

从叫声到符号：通讯系统的演化之路

要理解语言的起源，我们首先需要厘清一个关键区分：通讯与语言是本质不同的两件事。通讯是生物界普遍存在的现象，从细菌释放化学信号吸引同伴，到蜜蜂通过舞蹈传达花蜜位置，再到我们的近亲黑猩猩用多种叫声传递警报或社交信息——这些都是通讯的不同形式。然而，语言远不止于此。语言是一种基于离散符号的系统，这些符号可以按照规则组合产生无限多的新表达，而接收者能够理解这些组合的潜在含义。

动物行为学家尼古拉斯·廷伯根在二十世纪中叶对灰鸥的研究为这一区分提供了经典例证。灰鸥拥有多种警报叫声：当猛禽掠过时，它们发出尖锐的“kip”声；当陆生捕食者接近时，则发出低沉的“rrah”声。这些叫声似乎具有“词语”般的指称功能——特定叫声对应特定危险类型。然而，深入研究揭示了一个关键事实：灰鸥并不能将这些叫声进行组合。如果某只灰鸥发现猛禽同时又发现了蛇，它无法像人类那样说出“空中有鹰”和“地上有毒蛇”然后组合成一句“小心！空中有鹰在盯着蛇——蛇可能会乱窜”的复杂句子。动物通讯系统的局限性在于，它们缺乏语言那种递归组合的能力——即用有限的元素生成无限表达的可能性。

这一区别的重要性怎么强调都不为过。哲学家维特根斯坦曾断言“语言的界限意味着世界的界限”，而认知科学家侯世达更进一步提出“思维与语言的关系或许比我们所设想的更加深刻”[^1]。如果我们接受廷伯根的分析，那么动物或许拥有某种形式的心理表征——当灰鸥听到“rrah”叫声时，它的大脑可能激活了“蛇”或“捕食者”这样的心理图像——但这些表征无法像人类语言那样被拆解、重组、抽象化。

理解这一点后，我们再来看语言的演化，就获得了一个更清晰的框架。语言的诞生并非凭空出现，而是建立在一系列逐步演化出来的心智和身体能力之上。这些能力包括但不限于：声音控制能力（能够发出清晰可辨的多种语音）、序列记忆能力（记住信息单位之间的顺序）、符号表征能力（将声音与意义关联起来）、句法能力（按照规则组合符号）以及最关键的——递归思维能力（用有限手段表达无限可能）。

考古的沉默：语言演化留下的蛛丝马迹

如果语言确实在人类演化史上扮演了如此关键的角色，我们自然会期待在考古记录中找到它的痕迹。然而，语言本身是转瞬即逝的——它无法变成化石，无法在石头上留下印记。这一事实让语言起源的研究陷入了一个独特的困境：我们必须从间接证据中拼凑出语言诞生的图景。

幸运的是，大自然为我们留下了几扇观察窗口。第一扇窗口是骨骼结构。2009年，荷兰莱顿大学的语言演化研究者团队对一块出土于西班牙布尔戈斯省、距今约49万年的海德堡人头骨进行了详细分析。他们测量了这块头骨中舌骨的位置——舌骨是支撑喉部的重要骨骼，其位置直接影响发声能力。结果令人振奋：这块海德堡人的舌骨形态与现代人类几乎无法区分，暗示其主人可能已经具备了发出多种语音的解剖基础[^2]。相比之下，黑猩猩的舌骨位置更靠前、更高，限制了声道的变化范围。

第二扇窗口是行为痕迹。旧石器时代早期的石器为我们提供了宝贵的线索。著名考古学家尼古拉斯·托特提出，人类石器技术的演化经历了几个关键阶段：最初是“敲击”阶段——简单敲击产生锋利边缘；随后是“砸击”阶段——用大石块敲击小石块产生标准化的石片；最后是“勒瓦娄哇”技术——预先设计石核形态，然后剥离预定形状的石片。这一技术演化轨迹暗示着工具制造者需要具备某种形式的心理规划能力——在动手之前“看见”成品的样子。然而，这种能力是否必须依赖语言？或者说，熟练的石器制造是否可以仅通过手把手教学而无需语言？这些问题至今仍在争论之中。

第三扇窗口是象征行为的出现。约七万年前，在南非的布隆伯斯洞穴，考古学家发现了赭石块上的人字形刻痕；在印度尼西亚的苏拉威西岛，洞穴壁画描绘了人手与动物的图案；在欧洲，多处遗址发现了带有对称图案的骨笛。这些发现通常被视为“象征革命”的证据——一种用抽象符号表达意义的能力的诞生。部分学者，如考古学家史蒂芬·米森，认为象征行为的出现与语言的诞生高度相关，因为两者都依赖于将符号与意义分离的认知能力。然而，我们需要谨慎：考古记录显示符号行为可能比此前认为的更为古老和零散，暗示它可能并非单一事件的产物。

第四扇窗口——也是近年来备受关注的——是语言相关基因的发现。FOXP2基因，常被称为“语言基因”，在人类中具有两个独特的氨基酸置换。这些置换在所有研究过的人类群体中都是保守的，但在黑猩猩和其他哺乳动物中并不存在。2009年，马克·斯通等人培育了携带人类版FOXP2基因的小鼠，发现这些转基因小鼠展现出更复杂的声音行为模式和更灵活的运动学习能力[^3]。尽管FOXP2远非“语言基因”——它调控着数百个下游基因的表达——但这一发现表明，语言能力确实具有某种遗传基础，语言的某些关键要素可能是被自然选择“选中”的适应性特征。

黑猩猩的沉默：灵长类动物能告诉我们什么

如果说考古证据提供的是遥远的回声，那么对现代灵长类动物的研究则为我们打开了一扇更直接的窗户——观察我们最近的近亲如何以及能否掌握人类语言的核心要素。

二十世纪中叶，一系列大胆的实验试图教会黑猩猩使用人类语言。最著名的案例包括瓦苏与路易斯·金博的尝试：一只名为瓦苏的黑猩猩学会了使用大约350个手语手势，能够将它们组合成简单的句子。然而，批评者很快指出，瓦苏的“句子”可能只是对训练者期望的机械反应，而非真正理解语言规则的产物。认知心理学家丹尼尔·丹尼特评论道：“瓦苏确实做了一些令人印象深刻的事情，但'做'和'理解为什么做'是两码事。”

为了更严谨地检验类人猿的语言能力，研究者们转向了另一种方法：教它们使用符号系统而非自然语言。1970年代，心理学家休·萨维奇-朗博在加州大学戴维斯分校开展了一系列开创性实验，训练一只名为“科科”的西部低地大猩猩使用一套手势语和涂鸦符号。科科学会了使用超过一千个手势，能够表达抽象概念如“无聊”“悲伤”，并展现出一定程度的过去时态使用能力。然而，科科始终无法掌握更复杂的语法结构，尤其是涉及嵌套子句的表达——例如“我认为你想让我打开那个盒子”之类的递归表达。

这些实验揭示了一个深刻的事实：类人猿或许拥有语言学习的某些基础能力——它们能够将符号与意义关联，能够表达需求和情感，甚至能够进行某种程度的跨模态映射（将视觉符号与实物对应）——但它们似乎缺乏人类那种自发地将简单元素组合成复杂结构的内在倾向。这种倾向的缺失，或许正是人类语言独特性的关键所在。

这一观察与语言学家诺姆·乔姆斯基的某些观点不谋而合。乔姆斯基认为，人类的语言能力是一种物种特有的、生物性的禀赋，而非仅仅是其他认知能力进化的副产品。在乔姆斯基看来，一只黑猩猩无论接受多少训练，都不可能真正掌握人类语言的核心机制——递归句法，因为这种能力根本不在它的认知结构之中。

大脑中的语言回路：神经科学的启示

如果说灵长类动物研究揭示了语言能力的边界，那么神经科学的进展则开始向我们展示这一能力在大脑中是如何实现的。

1861年，法国神经学家保罗·布罗卡在一个失语症患者的尸体解剖中发现了一个关键事实：这位患者虽然能够理解语言，却丧失了言语产生能力，其大脑左额叶的一个区域存在损伤。布罗卡由此推断，这个区域——后来被称为布罗卡区——是言语产生的重要中枢。十余年后，德国神经学家卡尔·韦尼克发现了另一个关键区域：位于颞叶的韦尼克区，该区域受损的患者能够流利地说话，却无法理解他人的言语。

这两个区域的发现奠定了语言神经解剖学的基础，但现代神经成像技术揭示了一幅远比布罗卡-韦尼克模型更为复杂的图景。功能性磁共振成像（fMRI）和正电子发射断层扫描（PET）研究表明，语言处理涉及一个分布式的神经网络，包括布罗卡区、韦尼克区、弓状束（连接两者的白质纤维）、角回、辅助运动区以及多个与语义和句法加工相关的皮层和皮层下结构。

有趣的是，这个网络的不同部分似乎专门负责语言加工的不同方面。神经科学家格雷格里·希科克及其团队使用高分辨率fMRI技术，让被试在功能性磁共振扫描仪中进行语法复杂程度不同的句子理解任务。他们发现，布罗卡区——尤其是左侧额下回的后部——对句法复杂度高度敏感：句子越复杂，这个区域的激活就越强烈。相比之下，位于颞叶的韦尼克区和角回更多参与语义加工——即词汇和意义的处理。

这一发现对于理解语言的演化具有深远意义。布罗卡区位于大脑额叶，而额叶是人类最后才演化成熟的大脑区域，在青少年晚期才完全发育完毕。如果布罗卡区确实专门负责句法加工，那么句法能力——即按照规则组合语言元素的能力——可能是一个相对晚近的演化创新。

然而，争论依然存在。2016年，神经科学家阿特·夏皮罗提出了一种“模块化”的语言处理模型，认为英语等语言中存在一种由布罗卡区处理的“中心嵌套”结构，这种结构在进化上是新近的，不同于韦尼克区处理的“并列”结构。夏皮罗的实验表明，当我们向被试展示包含中心嵌套结构的句子时，布罗卡区的激活显著增加；但当同样的信息以并列结构呈现时，激活则较弱[^4]。这一发现支持了布罗卡区专门负责特定类型句法加工的观点，尽管具体结论仍在激烈辩论之中。

思维的起源：没有语言，是否存在思维？

现在，我们终于触及了本章最核心的问题：没有语言，是否存在思维？或者说，语言是思维的必要条件，还是仅仅是思维的表达工具？

这个问题困扰了哲学家和科学家数千年。法国启蒙思想家艾蒂安·德·孔狄亚克曾提出一个著名的思想实验：假设一个人被剥夺了所有感官，在黑暗中独自成长，他能否形成“任意两个观念之间的联系”？孔狄亚克倾向于认为不能——在他看来，思维需要感觉材料的输入，而语言是整理和组织这些材料的关键工具。

与之对立的观点则来自理性主义传统。十七世纪哲学家勒内·笛卡尔认为，思维的本质是纯粹的、内省的理性活动，与语言无关。他论证说，一个正在思考“我在怀疑”这一命题的人，即使被剥夺了语言能力，仍然能够进行这一思考。二十世纪的乔姆斯基某种程度上延续了这一传统，他认为人类拥有一种先天的“语言获得装置”（Language Acquisition Device, LAD），这种装置使得儿童能够从有限的语言输入中迅速习得完整的语言系统——这种能力的普遍性暗示它是一种生物性的、独立的认知模块，而非仅仅是社会学习的产物。

两种观点都有其合理性，但也都面临着挑战。让我们先来看看支持“语言是思维前提”的证据。

认知心理学的研究揭示了语言对某些思维形式的深刻影响。一个经典的例子是数感与数学能力。研究表明，人类天生具备一种近似数量感——我们可以快速估计一小堆物体的数量，比如判断一堆苹果是否比另一堆多。但精确的数量表征则高度依赖语言。心理学家斯坦尼斯拉斯·迪昂及其团队的研究发现，亚马逊雨林中的蒙杜鲁库人只有少数几个数词，他们无法精确表达超过“五”的数量，他们的空间和时间推理也相应地受到限制[^5]。当迪昂让这些被试估计较大的数量时，他们的误差显著大于使用精确数词的西方被试。

另一个引人注目的领域是颜色认知。语言学家需要处理的经典案例之一是所谓的“颜色守恒”问题：不同语言用不同的方式划分色谱——俄语有两个蓝色词（ голубой 表示浅蓝，синий 表示深蓝），而英语只有一个“blue”。研究表明，俄语使用者比英语使用者更快地区分浅蓝和深蓝的色块，暗示语言类别确实影响了感知分类。这种效应被称为“语言-知觉反馈循环”，是萨丕尔-沃尔夫假说（稍后我们将详细讨论）的一个重要证据。

然而，“没有语言就没有思维”的观点也面临着严重挑战。首先，婴幼儿在学会说话之前显然能够进行某种形式的思考。皮亚杰的发展心理学研究表明，婴儿在学会语言之前就已经展现出对象永久性概念（知道被遮住的物体仍然存在）、因果推理能力（摇动铃铛会发出声音）以及初步的社会认知（理解他人的意图）。一个十八个月大的婴儿可能无法用语言表达“我想要那个球”这样的命题，但她显然能够用眼神、动作和情绪来“表达”同样的意图。

其次，研究表明，人类在执行某些认知任务时，并不需要语言的参与。认知心理学家丹尼尔·卡尼曼在诺贝尔奖获奖研究中区分了“快思考”和“慢思考”两种认知模式：快思考是自动的、直觉的，如识别表情、估计距离；慢思考则是有意识的、分析性的，如进行复杂数学运算。快思考可以在没有语言参与的情况下完成——事实上，当我们说一个人“想都不用想就知道如何躲开障碍物”时，我们实际上是在描述一种非语言的、程序性的知识。

此外，还有一种特殊的人群为我们提供了独特的窗口：聋哑人及其手语使用者。如果语言是思维的必要条件，那么先天聋哑者——他们可能从未接触过有声语言——就应该缺乏某些形式的思维。但大量研究表明，聋哑儿童和成人展现出与听力正常人相同的认知能力，包括抽象推理、问题解决和元认知能力。他们的手语虽然与有声语言结构不同，但同样是一种完整的、自然的语言，能够表达同样复杂的思想。

乔姆斯基革命：普遍语法与语言天赋

在讨论语言与思维的关系时，我们无法回避诺姆·乔姆斯基的深刻影响。这位出生于1928年的美国语言学家，在1950年代末发表了一系列划时代的论文，彻底改变了语言学和认知科学的面貌。

乔姆斯基的核心论点是：儿童从极其贫乏的语言输入中迅速而稳定地习得语言，这种“刺激的贫乏”（poverty of the stimulus）只能用一种假设来解释——人类天生具备某种语言知识，这些知识不是从经验中习得的，而是作为物种进化遗产预先“植入”大脑的。乔姆斯基将这种先天知识体系称为“普遍语法”（Universal Grammar, UG）。

让我们仔细审视这一论点的逻辑结构。想象你是一个正在学习母语的两岁儿童。你听到的句子数量是有限的，语法也不总是正确的（你的父母可能会说一些“不好”的话），而且你听到的只是特定语言在特定情境中的使用例子。然而，到五六岁时，你已经掌握了这门语言的完整语法系统——包括你从未直接听到过的句子结构。更令人惊奇的是，不同文化、不同家庭背景的儿童，几乎在相同的时间、以相同的方式完成这一壮举，仿佛他们被某种内在的“生物钟”所设定。

乔姆斯基认为，这种惊人的一致性和效率只能解释为：儿童不是从零开始学习语法，而是利用某种先天的框架，将有限的语言经验“填充”到这个框架之中。普遍语法因此被概念化为一套所有人类语言共有的、抽象的原则和参数。例如，几乎所有人类语言都有主语和宾语的区别，都能够使用某种形式的否定和疑问，都能够通过词序或词缀来表达语法关系——这些共性不是巧合，而是反映了人类语言能力的天生结构。

乔姆斯基进一步提出了“原则与参数”理论。根据这一理论，普遍语法由一系列不可违反的原则组成（如“约束原则”“投射原则”），这些原则对所有人类语言都是一样的。与此同时，每种语言在某些维度上存在“参数”选择——例如，动词与宾语的相对顺序（英语是VO，日语是OV）。儿童的任务不是学习语法规则，而是通过语言输入“设定”这些参数的取值。

这一理论的一个著名预测是“结构依赖性”。乔姆斯基论证说，人类语法天然地基于短语结构而非线性序列。例如，在理解包含助动词的疑问句时，英语使用者本能地将注意力放在短语结构上——“The man who is in the park is sleeping”中的“who”应该与“the man”配对，而非与最近的动词“is”配对。实验表明，即使儿童从未被教授过“结构依赖性”这一概念，他们也能本能地掌握它，而机器学习算法则很难做到这一点——除非被明确编程以理解短语结构。

乔姆斯基的理论对认知科学产生了深远影响。首先，它将语言学从一门描述性学科转变为一种解释性科学——语言学家不仅要描写语言是什么，更要解释人类为什么以这种方式组织语言。其次，它为“认知模块性”概念提供了最有力的支持——语言能力可能是一个独立的、专门化的认知系统，而非一般智力的副产品。

然而，乔姆斯基的理论也引发了激烈争议。批评者指出，普遍语法的内容过于抽象和空洞——它声称要解释人类语言能力的普遍性，但其核心假设难以被直接检验。此外，认知心理学家史蒂文·平克在其杰作《语言本能》中虽然捍卫了乔姆斯基的基本框架，但也承认，在语言演化问题上，我们仍面临“语言出现的断层记录”问题：我们找不到化石化的语法。

萨丕尔-沃尔夫假说：语言塑造现实

与乔姆斯基的先天论形成鲜明对比的是爱德华·萨丕尔及其学生本杰明·李·沃尔夫提出的“语言相对性假说”。这一假说主张：语言不仅是表达思维的工具，更是塑造思维方式的框架——我们所说的语言深刻地影响了我们如何感知世界、记忆经验以及构建现实。

萨丕尔-沃尔夫假说通常被区分为两个版本。较弱版本，被称为“语言影响论”（linguistic influence），认为语言使用习惯会影响认知加工的倾向，但不会决定认知的可能性。例如，习惯使用方位词（如“左”“右”）而非地理方位词（如“北”“南”）的人在空间记忆任务中可能表现不同，但他们仍然能够理解地理方位概念。较强版本，被称为“语言决定论”（linguistic determinism），则声称语言类别完全决定了认知类别的边界——如果一种语言没有某个词汇或语法结构，那么使用这种语言的人就无法拥有对应的概念或思维。

支持较弱版本——语言影响论——的证据相当丰富。我们已经提到过颜色感知的研究。在空间认知领域，语言学家莱罗伊·迈耶森的经典研究表明，英语和俄语使用者在区分蓝色色调上的差异是真实存在的，尽管他们都能够感知这些色调。类似地，在时间隐喻的研究中，心理学家发现，说英语的人倾向于将时间理解为水平线（“下个月”“上周”），而说汉语的人则同时使用水平和垂直两种隐喻（“上个月”“下周”）。这种差异与不同文化中时间表达的习惯有关，并且可能影响时间估计和回忆的方式。

更强版本的证据则更具争议性。沃尔夫本人关于霍皮语的研究曾声称，这个美洲原住民语言的语法中不包含过去时态，因此霍皮人无法真正理解时间流逝的概念。然而，后来的研究者发现，沃尔夫的描述存在严重错误——霍皮语不仅有时间标记，而且其时间概念系统比英语更为精细。

真正具有挑战性的证据来自一个令人惊讶的方向：语法性别。研究表明，在一些语言中拥有语法性别的词汇（如西班牙语中的“el sol”太阳是阳性，“la luna”月亮是阴性）会影响说话者对这些物体的隐喻联想。说西班牙语的人倾向于将太阳描述为“有力量”“明亮”，而说