声音不会石化。语言也不会。
即使 书写系统得以发展，它们也代表了成熟而功能齐全的语言。它们不是保留语言的最初蹒跚学步的阶段，而是已经完全成形，由单词、句子和语法组成，通过语音像今天我们可能说的 大约 6,000 种语言那样，从一个人传递到另一个人。
那么，如果你也像我们语言学家一样，认为语言是人类与其他智慧动物的根本区别，我们该如何研究它在我们祖先身上的出现呢？
幸运的是，研究人员对人类的语言——单词、句子和语法——以及语音——将语言传递给下一个人耳朵的声音——有深入的了解。因此，我们应该能够将语言与不太复杂的动物交流进行比较。
这正是我们和我们的同事 几十年来一直在调查的：猿猴如何利用它们的嘴和喉咙来发出语音中的元音？人类的口语是由一连串复杂的音节组成的，辅音附着在音节的核心元音上，因此掌握元音是语音出现的关键。我们认为，我们的跨学科研究成果将语言进化的关键一步向前推进了多达 2700 万年。
语音
说“but”（但是）。现在说“bet”（打赌）、“bat”（蝙蝠）、“bought”（买过）、“boot”（靴子）。
这些词的开头和结尾都相同。正是元音声音的差异使它们在语音中保持了区分度。
现在去掉辅音，只发元音。你可以听到不同的元音具有特征性的声音品质。你也可以感觉到，它们需要下颚、舌头和嘴唇的不同特征性位置。
因此，声道——从声带到嘴唇的喉部和口腔的共鸣管——的构造决定了声音。这就意味着，声音携带了关于发声的声道构造的信息。这是语音科学的核心理解。
经过半个多世纪的研究以及解剖学和声学建模技术的开发，语音科学家通常可以对声道进行建模并计算它会发出什么声音，或者反过来，通过分析声音来计算出是什么声道形状发出了它。
那么，对一些灵长类动物的声道进行建模，录制一些叫声，你就能大致了解人类语言是如何进化的了？抱歉，没那么快。
现代人类的解剖结构是独一无二的
如果你将人类声道与其他灵长类动物的声道进行比较，会发现有很大的不同。以狒狒为例。
从狒狒的喉部和声带开始，它位于下巴线很高很近的位置，通过一个称为咽的腔体向上只需很短一段距离，然后很长一段距离才通过水平的口腔。相比之下，对于成年男性人类来说，这与通过嘴唇出去的咽部距离大致相等。此外，狒狒的舌头又长又平，而人类的舌头在口腔里很短，然后向下弯曲进入喉部。
因此，在进化过程中，人类谱系的喉部在我们的喉咙里向下移动，打开了一个比其他灵长类动物更大的咽腔。
大约 50 年前，研究人员抓住这一观察结果，提出了他们称之为“喉下降理论”的元音发声理论。在一项 关键研究 中，研究人员根据猕猴声道的石膏模型进行了开发。他们操纵麻醉猕猴的嘴部，以了解声道形状的变化程度，并将这些数值输入模型。然后，他们计算出了特定构造产生的元音。这是一项强大而开创性的研究，至今仍被复制并更新了技术。
那么他们发现了什么？
他们得到了一个中央元音（schwa）——你在“but”这个词中听到的那个元音——以及一些非常接近的声学邻近元音。没有哪个元音足够清晰到可以区分人类语言中的单词。他们将其归因于缺乏类似人类的低喉和大的咽部。
随着理论的发展，它声称要产生完整的人类元音库，需要一个口腔和咽腔长度大致相等的声道。这种情况只发生在大约 20 万年前解剖学意义上的现代人类出现时，并且只发生在现代人类的成年人中，因为婴儿出生时喉部位置较高，随着年龄的增长而下降。
这个理论似乎解释了两个现象。首先，从 20 世纪 30 年代开始，几项（失败的）实验 在人类家庭中抚养黑猩猩，试图鼓励类似人类的行为，特别是语言和语音。如果喉部下降对人类元音是必需的，而元音又对语言是必需的，那么黑猩猩就永远不会说话。
其次，大约在解剖学意义上的现代人类出现（喉部下降）之后，才开始出现 “现代”人类行为的考古证据，例如珠宝、陪葬品、洞穴绘画、农业和定居点。其想法是，语言促进了合作，从而促成了这些行为。
用新证据重新思考理论
那么，如果喉下降理论说儿童、猿猴和我们早期的类人祖先只能发出中央元音，而不能发出对比鲜明的元音，那么如何解释简·古道尔观察到的 黑猩猩叫声中明显对比鲜明的元音品质 呢？
但这种证据并没有终结喉下降理论。为了让科学家达成一致，尤其是要放弃一个长期存在且有用的理论，我们理应需要一致的证据，而不仅仅是轶事或传闻。
其中一位（L.-J. Boë）花费了二十多年的时间来收集反对喉下降理论的证据。这项跨学科团队的努力涉及 发音和声学建模、儿童语言研究、古生物学、灵长类动物学 等等。
其中一个关键步骤是我们 对狒狒“元音空间”的研究。我们录制了 1300 多个狒狒的叫声，并分析了其元音类部分的声音学特性。结果表明，某些叫声的元音品质相当于已知的人类元音。
我们最新的回顾 阐述了整个论证过程，我们相信它最终让语音、语言学、灵长类动物学和人类进化领域的研究人员摆脱了喉下降理论的束缚。该理论在其时代是一项重大进展，但事实证明是错误的，并且已经过时。
动物的语音和语言？
人类语言需要一个词汇，这个词汇可以指具体的（“我的左手拇指甲”）、抽象的（“爱”、“正义”）、在别处或别时的（“林肯的胡子”），甚至可以是想象的（“甘道夫的胡子”），所有这些都可以根据需要嵌入到具有内部层次结构的句子中。例如，“黑狗”和“花猫”在“X追Y”或“Y被X追”时保持相同的顺序，意思不变但句子结构颠倒。
只有人类拥有完整的语言，而关于灵长类动物或其他动物，或者我们已经灭绝的祖先是否拥有语言的任何关键要素，争论一直很激烈。一种流行的说法是，执行语法层次结构的能力是在大约 20 万年前导致现代人类物种形成事件时出现的。
另一方面，语音是指用来在空气中将语言从一个人传递到另一个人的声音。这需要足够对比的声音来区分单词。口语都使用元音和辅音的对比，这些对比被组织成以元音为核心的音节。
猿猴可以在某种意义上“说话”，因为它们可以发出对比鲜明的元音。在这个受限但具体的意义上，语音的黎明不是在 20 万年前，而是在大约 2700 万年前，也就是在我们与狒狒和猕猴等旧世界猴子最后共同祖先出现之前。这比我们现代人类形态的出现要早 100 多倍。
研究人员还有很多工作要做，以弄清楚从那时起语音是如何进化的，以及语言最终是如何联系起来的。
Thomas R. Sawallis 是阿拉巴马大学新学院的客座学者
Louis-Jean Boë 是 GIPSA-lab 的语音科学家
这个故事最初发布在 The Conversation 上。
