词语的秘密实验室
窗户外面，一只麻雀"叽叽喳喳"地叫；楼下邻居的小狗听见主人喊它的名字，摇着尾巴跑过去；院子里飞来飞去的蜜蜂绕着花丛转圈，好像在告诉同伴哪里有花蜜。这些都是"交流"，但你心里一定冒出一个问题：它们用的是"语言"吗？如果是，为什么我们单独把人类说的话叫做"语言"？如果不是，人类到底做了什么不一样的事？
这一章，我们就来拆开"语言"这个词，看看里面究竟藏着什么。
第一节 蜜蜂的舞蹈和鹦鹉的词汇
要回答"动物有没有语言"这个问题，科学家花了将近一百年。20 世纪 60 年代以来，人类学家和动物行为学家开始认真比较蜜蜂、鸟类、海豚和人类的交流系统，结果发现每种动物都有自己的一套"信号"，但这些信号和人类的语言有一个根本性的区别。
先看蜜蜂。奥地利动物学家卡尔·冯·弗里施因为破译蜜蜂的舞蹈获得了 1973 年的诺贝尔生理学或医学奖。他发现，蜜蜂在蜂巢里跳"8 字舞"，舞身的角度等于太阳与食物所在方向的夹角，舞身的时长则对应着到食物的距离。蜜蜂的舞蹈就像一个活的罗盘，指向花蜜的方向。但是，无论蜜蜂怎么跳，它只能传递这三类信息：方向、距离、食物的有无。它不会说"那种花上个月开过，今年没开"，也不会说"我有点累"。每一支舞对应一个固定的意思，没有组合，没有变化。
再看鸟。银喉长尾山雀遇到天敌时会发出一种特殊的"seeet"声，科学家把它翻译成"鹰！"，同伴听到立刻躲进灌木丛。同一种鸟还有"chick-a-dee"叫声，里面"de"的次数越多，意味着威胁越大。但鸟类的每一类叫声都是一个封闭的清单：警戒、觅食、求偶、聚集，每一个信号绑定一个意思，不会出现新的组合。
海豚呢？它们确实聪明，能发出高频的咔嗒声做回声定位，能用"哨声"互相打招呼。但到目前为止，没有证据显示海豚的叫声能像人类语言那样自由组合出新句子。
到这里，你可能会想：动物的交流系统都是"封闭的"，不能扩展，对吗？下面这只鹦鹉的故事，会让事情变得更微妙。
1997 年，美国动物心理学家艾琳·派佩伯格训练了一只名叫 Alex 的非洲灰鹦鹉。Alex 能识别 50 多种物品，能说"想要香蕉"、"不要胡萝卜"这样的短句，能数出 6 以下的物体，能区分大和小、相同和不同。在多次测验里，Alex 表现得和一只四五岁的孩子相当。
但是，Alex 从来没有说过一个它没听过的句子。它能模仿、组合、归类，却不能创造。它知道"banana"和"want"，但它不能把"banana want"和"want banana"区分开来，更不可能说出"如果我想要香蕉，那么请给我一根"这样的条件句。它的"语言"是一套训练出来的反应集合，没有真正的语法。
这就是关键差异。语言学家查尔斯·霍凯特在 1960 年代总结了人类语言的十几个特征，其中最核心的一个叫双重任意性。
这个词听起来吓人，我们拆开来理解。任意性是说，词和它指代的事物之间没有必然联系。我们管"妈妈"叫"mama"，英语里叫"mother"，法语里叫"maman"，日语里叫"okaasan"，发音完全不同，但指的都是同一个人。这是第一层任意。
第二层任意，也是更神奇的一层：意义是由一层无意义的声音"组装"出来的。/m/、/a/、/n/、/u/ 这四个单独的声音本身没有意思，但它们可以拼出"manu"（手，芬兰语）、"manna"（吗哪，希伯来语）、"muna"（蛋，瑞典语）。也就是说，人类先把几十个没意义的声音组合成几千个有意义的小块（词），再用这些小块拼出无穷无尽的句子。
动物没有这一层。蜜蜂的舞、鸟的叫、海豚的哨声，每一段信号都直接对应一个固定的意思，它们不会先把信号拆成"无意义的零件"再重新拼装。
1921 年，美国语言学家爱德华·萨丕尔给过一个广为流传的定义："语言是人类独有的、非本能的、通过有意识产生的符号系统来交流思想、情感和欲望的方法"。1933 年，他的学生 Leonard Bloomfield 提出了一个更"硬"的定义：语言学家研究语言的时候，只看形式，不看意义；谁说了什么、在什么场合下说，都是语言学家关心的对象，但意义本身被推迟到最后的环节才处理。这两个定义一个偏人文，一个偏科学，合在一起，构成了今天大多数教科书对"语言"的基本描述。
到这里，我们可以给出本章的第一条核心洞察：语言不是"能交流就是语言"，而是人类把无意义的声音先拼成有意义的词，再把词拼成可以无限扩展的句子。这套双重任意性是其他动物的交流系统都没有的。
第二节 一句话的四层楼
双重任意性听起来还是有点抽象。下面我们换个角度：把一个句子切开，看看它内部有几层结构。
假设你听到这样一句话："妈妈在厨房做饭"。我们一个层面一个层面地分析它。
最底下的一层，是语音层。音位（phoneme）是语言中最小的、能够区分意义的语音单位。普通话里大约有 32 个辅音和元音音位。这句话的物理声波是一段连续的气流振动，但它可以被切成一个个"听觉小块"：m-a-m-a-z-ai-c-h-u-f-ang-z-u-o-f-an。重要的是：m 和 n 是两个不同的音位，所以"妈"和"那"是不同的词；a 和 i 是不同的音位，所以"妈"和"米"也是不同的词。
往上一层，是形态层。词素（morpheme）是语言中最小的有意义单位。"妈妈"是一个词素，"在"是一个词素，"厨房"在现代汉语里看起来像一个词，但在古汉语里"厨"和"房"是两个独立的词素，合起来指做饭的房间。"做"是一个词素，"饭"是一个词素。有些词本身还能再切，比如"妈妈们"是"妈妈"+"们"，其中"们"表示复数。
再看句法层。句法关心的是这些词素怎么排列成合法的句子。"妈妈在厨房做饭"是合法的，但"做饭妈妈在厨房"就不合法（在汉语普通话里）。这种"合法不合法"的判断，不是意义在把关，而是结构在把关。"妈妈做饭在厨房"在某些方言里是合法的，说明不同语言的句法不一样。
最上面是语义层。语义关心的是这句话到底传达了什么信息：妈妈此刻正在厨房里，做的事情是做饭。这个信息既包含了事实，也包含了说话人对"妈妈"这个人的指认（谁是你的妈妈？）。语义层是语言学家最难把握的一层，因为"意思"长在说话人和听话人的脑子里，不在声音里。
把这四层画成一张图，就是下面这座四层小楼：
```mermaid flowchart TD A[语音层 音位] --> B[形态层 词素] B --> C[句法层 结构] C --> D[语义层 意义] ```
楼是从下往上盖的，但分析的时候，我们通常从下往上：先看声音切成了哪些音位，再看音位组合成了哪些词素，然后看词素按什么结构排列，最后看整句话传达了什么意义。每一层都有自己的规则，可以独立研究。
为什么要分四层？每一层都会出错，而出错的地方往往不一样。一个孩子可能发音很清楚（语音层没问题），但把"们"说成"门"（形态层混淆）；一个外国人可能音位和词素都对，但把词序排错了（句法层出问题）；一个人可能在语法上完全正确，但说的全是对方听不懂的专业术语（语义层失联）。这四层加起来，就是一个完整的语言系统。接下来的几节，我们就一层一层往下挖。
第三节 你的耳朵听到的和脑子记住的
下面我们做一个实验。
请家长或同学帮一个忙：让他用普通话读一段话，比如"今天天气真好，我们去公园玩吧"，录音 30 秒。然后你闭上眼睛，只听一遍，凭自己的记忆把它写下来。
你写下来的东西，可能和原文差不少。
比如你可能把"今天天气真好"听成了"今天天气真号"。你为什么会把"好"听成"号"？因为在 /hao/ 这个音节的尾部，气流从元音滑向零，声波是渐弱的，你的耳朵把结尾的 -u 漏掉了，大脑自动补成了一个最常见的字，也就是"号"。
再比如你可能把"公园"听成了"工园"。这两个词在普通话里的辅音不一样：/k/ 和 /ɡ/。前者送气（有明显的"h"那样的气流），后者不送气。如果你说话的时候这两个音本来就分得不太清，或者说话的人说得太快、送气量小，你的耳朵很容易把 /k/ 听成 /ɡ/。但写的时候，你以为你听到的是"工园"，因为"工园"是一个更常见的词。
这就是著名的"音位修复"现象：耳朵送来一段连续的声波，大脑把它切成一个个音位，再和脑子里的词库比对，挑出最像的那个词。如果声波里有一点点模糊，大脑会"补上"它认为应该有、但其实没听清楚的那部分。
心理学家做过一个经典实验：把一段英语录音里的 /s/ 音剪掉一截，只留下 /t/ 音的尾巴，让英语母语者听写。绝大多数人会写出 /t/ 开头的词，但偶尔有人写出 /s/ 开头的词。这说明在不同听者的大脑里，/s/ 和 /t/ 的边界画得不一样。
我们自己做实验的时候，会发现一个有趣的事实：耳朵听到的物理声波和脑子里的音位不是一一对应的。声波是连续的、平滑的、充满细微变体的；音位是离散的、稳定的、范畴化的。语言学家把前一种研究叫做"语音学"（phonetics），把后一种研究叫做"音系学"（phonology）。
你可以自己在家试试：让爸妈分别用正常语速、加快一倍、慢速读同一句话，比如"四是四，十是十，十四是十四，四十是四十"。你把这三种速度下的录音写下来比较，就会发现，慢速的时候你能听清每一个音，语速快的时候很多音被压缩、被吞掉，但你的大脑会自动把它们"还原"成合法的词。
这个实验告诉我们：语言首先是一种心理现象，物理声波只是它的载体。每一种语言都在听者的大脑中建立了一套范畴化系统，让连续的声音被切成有限的几类音位。一个会英语的人在听 /r/ 和 /l/ 的时候能立刻分清，一个不会英语的人常常觉得这两个音差不多，不是因为物理声波不一样，而是因为大脑里的范畴不一样。
记笔记的小窍门：在做听写实验时，你最好分两栏记。左边一栏写"我听到的字"，右边一栏写"我猜它本来是什么"。两栏对照，你就能看到大脑的"自动纠错"在哪些地方做了手脚。
第四节 同一座山，两种说法
到这里，我们用的例子大多是一种语言内部的情况。但语言学家还经常遇到一类问题：北京人说的话和山西人说的话，差别到底有多大？它们是同一种语言，还是两种语言？
2003 年，英国语言学家戴维·克里斯特尔在《剑桥百科全书》里给了一个朴素的判断标准：如果两个说话人不需要翻译就能听懂对方，他们使用的就是同一种语言；如果需要翻译，他们使用的就是不同的语言。
按这个标准，普通话和山西话基本上不用翻译。山西人能听懂普通话，普通话母语者也能大致听懂山西话（虽然会有点费劲）。所以它们一般被划为汉语方言，而不是不同的语言。
但是，"语言"和"方言"的界限远没有这么简单。瑞典语、丹麦语、挪威语三种北欧语言几乎可以互通，按克里斯特尔的标准它们应该是同一种语言，但它们各自有标准化的拼写、字典、教育体系，所以政治和历史因素让它们各自成了独立的语言。汉语的情况类似，方言之间的差异有时比欧洲语言之间的差异还大，但因为大家都属于同一个文化共同体，又有共同的书写系统，所以归为方言。
下面是一个常见的例子。一个叫小远的北京孩子，在学校里说标准的普通话。回到家，姥姥从山西来北京带他，姥姥只会说山西话，小远也跟着学了几句。一天，小远想吃苹果，他对妈妈说："妈，给我削个苹果。"但如果姥姥问他想吃什么，他会说："姥姥，俺要个苹果，你给我削削呗。"两句话意思一样，但用词、语气、声调都不一样。
语言学家把这叫"语码转换"（code-switching）。它说明，同一个人可以掌握两套或多套"语言变体"，根据场合切换。语言学家更喜欢用"语言变体"（variety）这个词，因为"语言"和"方言"两个标签往往带政治色彩，而"变体"是一个纯粹描述性的词。
除了方言，还有一类叫"语域"或"语体"（register）。你给老师发微信，和给好朋友发微信，用的句子不太一样：
给老师："王老师您好，我想请教一下作业的问题。" 给好朋友："王老师怎么说？作业啥时候交？"
这两段话词汇不一样、句法不一样、甚至礼貌用语的使用频率都不一样，但它们是同一种语言——普通话——内部的"语体"差异。一个会说标准普通话的人，会写严肃文章的人，会在朋友圈里发搞笑段子的人，这些都属于同一个语言系统的不同侧面。
更准确的说法是：一个人掌握的，是一整套"语言、方言、语体"的组合，不是一套孤立的"语言"。这套组合的总和，语言学家叫做"个人语料库"（idiolect）。
到这里你应该明白了：问"什么是语言"，不能只回答一个抽象定义。你得看它和方言、语体、语码转换是什么关系。我们这一节给出的判断是：语言是一个谱系，方言是谱系里的分支，语体是分支里的方言，它们共同构成了人类说话的全部现实。
第五节 少年语言学家的工具箱
到这里，你已经是一个会思考"语言是什么"的小语言学家了。但光想还不够。下面我们打开工具箱，看看能用哪些工具把"语言"这件事做扎实。
第一件工具，国际音标（IPA）。IPA 是一套给全世界所有语言标注发音的符号系统，由国际语音学会制定。它和我们平时用的拼音不一样，拼音是给一种语言（汉语普通话）设计的，IPA 是给人类所有声音设计的。一个 IPA 符号只代表一个具体的发音，不会出现"两个符号发同一个音"或"一个符号发两个音"的情况。
IPA 的图表里有上百个符号，但你刚开始只需要学其中和汉语普通话有关的 30 多个。下面是普通话里最常见的 IPA 符号：
- [p] 不送气的"b"，比如"爸 bà"
- [pʰ] 送气的"p"，比如"怕 pà"
- [m] 鼻音"m"，比如"妈 mā"
- [f] 唇齿音"f"
- [t] 不送气的"d"
- [tʰ] 送气的"t"
- [k] 不送气的"g"
- [kʰ] 送气的"k"
- [x] 舌根擦音"h"
- [s] 舌尖前清擦音"s"
- [ʂ] 舌尖后清擦音"sh"
- [tʂ] 不送气的"zh"
- [tʂʰ] 送气的"ch"
- [a] 低元音"a"
- [i] 前高元音"i"
- [u] 后高元音"u"
- [y] 圆唇前高元音"ü"
- [ɤ] 央元音"e"
- [ə] 轻声元音"er"里的"e"
IPA 看起来吓人，但它和拼音一一对应（除了声调符号要单独标）。你可以先从 5 个元音 + 5 个辅音开始学，用一周时间就能掌握。
第二件工具，录音设备。你不需要专业的录音笔，手机自带录音功能就够用。录音的时候注意三点：嘴离手机 15 到 20 厘米，环境安静，背景噪音小。如果家里有外接麦克风的小话筒，效果会更好。录音格式最好用 WAV 或 M4A，MP3 会压缩高频信息，有些发音细节会丢失。
第三件工具，笔记本，或者更准确地说，"田野笔记本"。田野笔记本是语言学家在田野工作时随身携带的本子，每一页都有固定格式：上边写日期、地点、说话人；中间记对话内容；下边写观察到的非语言信息（说话人的表情、手势、停顿）。养成每天记 15 分钟田野笔记的习惯，一年下来你会积累大量真实语料。
第四件工具，语料库（corpus）。语料库是按一定规则收集起来的、大量的真实语言使用样本。比如北京语言大学建设的 BCC 现代汉语语料库，包含了报刊、文学、微博、口语等多种类型的文本，规模超过 150 亿字。你可以用关键词搜索一个词在真实文本里出现的频率、搭配的词、出现的语境。这比自己一个人想当然要靠谱得多。
工具备齐了，下面是这一章的实验任务。
任务：我的语言日记
连续 7 天，每天抽出 15 分钟，记录当天听到的 10 个不同的"词"。可以是别人说的话、电视里的台词、学校的通知、家人的嘱咐。每个词下面写两件事：
1. 用你学过的 IPA 符号（或者汉语拼音）标出这个词的音位结构，比如"妈妈"标成 m-a-m-a； 2. 简单标注这个词属于哪一类（名词、动词、形容词、其他）。
第七天回头看你的日记，你会发现两个规律。第一，很多词你"以为"是单一的词，其实由更小的单位组成，比如"老师"由"老"和"师"两个词素组成。第二，有些音位你自己其实分得不太清，需要重新练听，这是非常好的发现，说明你的范畴化系统还在完善。
这个练习看起来简单，但它是 20 世纪所有重要语言学家（包括萨丕尔、布龙菲尔德）入门时都会做的事：观察一个语言里最简单的单位，然后一层一层往上走。
本章小结
我们来回顾这一章走过的路。
我们从蜜蜂的舞蹈、鸟的警报、海豚的哨声出发，发现动物的交流系统大多是封闭的、固定的、不能扩展的。鹦鹉 Alex 是个精彩的边界案例，它能学词汇、分类、做简单对话，但它不能创造新句子。人类语言学家把人类独有的能力总结为双重任意性，先把无意义的声音拼成有意义的词，再把词拼成无限扩展的句子。
我们接着把一句话拆成了四层：音位层、形态层、句法层、语义层。每一层都有自己的规则，可以独立研究，也常常独立出错。
我们做了一次听写实验，发现耳朵听到的物理声波和大脑里的音位不是一一对应的。语言首先是一种心理现象，物理声波只是它的载体。
我们讨论了语言、方言、语体的关系。一个孩子在学校说普通话、回家说山西话，这不是"切换语言"，而是在同一语言系统内部切换变体。
最后我们打开了语言学家的工具箱：IPA 国际音标、录音设备、田野笔记本、语料库。我们用"我的语言日记"这个练习把前面的所有概念串起来。
到这里，你应该已经掌握了语言学的几个核心词：双重任意性、音位、词素、句法、语义、方言、语体、语料库。这些词会在后面的章节里反复出现，是理解后面所有讨论的基础。
下一章我们要回答一个新的问题：把语言当作科学来研究，第一个系统做这件事的人是谁？他又是怎么开始研究的？