言语是一种非本能的、后天获得的文化功能。
爱德华·萨丕尔
有人可能会用英文这样提问：“Yesterday, what did John give to Mary in the library?（昨天，约翰在图书馆给了玛丽什么？）”另一个人可能会回答：“《麦田里的守望者》。”
这是一个完整的对话。尽管这不是一个意义特别深刻的对话，但它仍然是人们在日常生活中依赖的典型交流。这体现了大脑受文化影响的方式，以及语言在扩大知识方面的作用——将个体的知识，甚至所有生活过、书写过或被书写过的个体的知识，扩展为一个社会所有个体（其实是所有活着的个体）的共享知识。将人类带入信息时代的不是计算机，而是语言。信息时代起源于近200万年前，智人仅仅微调了一下。
话语和会话是语言的顶峰。然而，这个顶峰地位究竟是以何种方式在上述话语的句子中揭示出来的？以英语为母语的人在自然语境中听到那段谈话的第一句话便能理解。他们能够这样做，是因为他们已经学会如何听懂这个复杂句子的所有部分，并利用每个部分来帮助他们理解说话人在问“昨天，约翰在图书馆给了玛丽什么？”时的意图。
首先，他们理解“图书馆”“在”“约翰”等词语的含义。其次，所有说英语的人都能听到振幅或响度最大的单词，并且还会注意到音高最高以及最低的单词。响度和音高可以根据说话人试图传达的内容而变化，并不总是一成不变，甚至在相同的句子中也不尽相同。图9-1显示了句子音高和响度的一种分配形式。
单词上方的那行线显示了整个句子的旋律，即相对音高。“yesterday”（昨天）以斜体表示，表明它是这句话中第二响亮的单词。“John”（约翰）全部以大写字母表示，意味着它是这句话中最响亮的单词。“yesterday”和“John”被说话人着重强调，表示听话人需要特别关注这些内容。旋律表明这是一个问句，但它还挑出了四个音高更高的词，即“yesterday”“John”“Mary”（玛丽）和“library”（图书馆），表明它们代表了不同种类的需要处理的信息。
“yesterday”的响度和音高表明，说话者在谈论某人昨天给某人的是什么，而不是今天，也不是另一天。这有助于听话人避免混淆。“yesterday”这个词并没有自己传达这些信息，而是借助音高和响度突出了它对于传递的信息和所要求信息的特殊性。“John”是最响亮的一个词，因为对说话人来说，听者告诉他约翰做了什么是尤其重要的。也许玛丽是图书管理员，人们每天都会给她书。说话人问的不是苏茜给她的东西，而只是约翰给她的东西。音高和响度让听话人得知这一点，这样他们就不必对昨天给玛丽东西的所有人进行分类。“John”这个词已经说明了这一点，音高和响度更是突出了这一点，为听话人提供了额外的线索，引导他们在脑海中对正确信息进行搜索。
图9-1：昨天，约翰在图书馆给了玛丽什么？
现在想一想，当有人提出这个问题时，问话者看起来怎么样？可能他们看起来像这样：上臂伸向两侧，前臂伸展，手掌朝外，眉头皱起。这些身体和手部的表达很重要。听者通过这些手部的、面部的和其他身体线索立即明白你不是在进行一个陈述，而是在问一个问题。
现在想一想这些词本身。“yesterday”这个词出现在句子的最左边。在下面的句子中，< >表示“yesterday”可能出现在句子中的其他地方：
< > what < > did John < > give < > to Mary < > in the library < >
所以我们可以问：
“What did John give yesterday to Mary in the library?”
“Yesterday what did John give to Mary in the library?”
“What did John, yesterday, give to Mary in the library?”
“What did John give to Mary yesterday in the library?”
“What did John give to Mary in the library yesterday?”
“What, yesterday, did John give to Mary in the library?”
但以英语为母语的人不太可能这样问：
* “What did yesterday John give to Mary in the library?”
* “What did John give to yesterday Mary in the library?”
* “What did John give to Mary in yesterday the library?”
* “What did John give to Mary in the yesterday library?”
上面例子中的星号意味着，除非在特定背景下，否则听到这些句子的可能性微乎其微。使用例句的其他单词或短语可以继续这个练习：
“In the library, what did John give to Mary yesterday（在图书馆里，约翰昨天给了玛丽什么？）”
这个关于单词和词序的练习不需要继续下去，因为现在已有足够的信息表明，组合一个句子不是简单地像穿珠子一样把单词串联起来。
大多数语言中的句子的组成部分是组合成短语的单词。这些短语不应该拆散，这就是为什么人们不能把单词“yesterday”放在“in”或“the”之后。合乎语法的短语是短期记忆的组块形式。它们有助于回忆和解释。
然而，上面的例子还省略了大量的文化信息。比如说什么是图书馆？约翰是男人还是女人？玛丽是男人还是女人？提到的是哪个图书馆？约翰最有可能提供什么样的东西？约翰和玛丽彼此认识吗？虽然这里存在很多问题，但如果是上述对话中的说话人或听话人，他们很快就能得出答案。因为人们通常能够（在没有教导的情况下）从周围的社会和文化中吸取知识。人们会使用个人知识（比如哪个图书馆是最有可能被提到的）和文化知识（如图书馆是什么）来缩小他们作为听者的“解决空间”。因此，他们无须对所有可能的信息进行分类以理解和回应，只需在脑海中搜索可能适合眼前问题的文化层面和个人层面最相关的信息即可。句法、词语选择、语调和声音振幅都旨在帮助理解刚才所说的内容。
但除此之外还有更多，比如这个例子中的某些信息。这里有共享的信息。这种信息有时会通过比如短语“the library”中的单词“the”来表示。因为那人说的是“thelibrary”［（那个）图书馆］而不是“alibrary”［（一个）图书馆］，这相当于是在告诉听话人，这是一个双方都知道的图书馆——他们分享这些知识——这是由于对话所处的语境。这句话的诉求是想获得新的信息，如疑问词“what”所指示的那样。这是说话人不知道但期望听话人拥有的信息。句子能够促进说话人之间的信息交流。而语法只是一个辅助句子的工具。
这个问题也是一种有意的行为——一种旨在引起听话人特定行为的行为。这里预期的行为是“向我提供我希望获得的信息或告诉我在哪可以获得这个信息”。行为各不相同。因此，如果一个国王说“掉脑袋”，而且是字面意义的话，那么预期的行为将是斩首。关于句子如何被发出和理解，字面意义给我们带来了另一层含义——说话人是字面意思还是带有讽刺或比喻性的口吻？他们疯了吗？
通过语言，说话人可以识别承诺、声明、间接请求、直接请求、谴责、法律影响（“我现在宣布你们结为夫妻”）以及其他具有文化意义的信息点。任何语言理论都应该告诉我们语言的复杂性以及语言的各个部分是如何相互配合的——语调、手势、语法、词汇选择、意图类型等等。听话人在这条信号和信息之河中做了什么？她在回答问题之前是否要先坐下来思考几个小时？没有，她瞬间就能理解这一切。这些线索是一起工作的。作为一个整体，它们让这个句子更容易理解而不是更难理解。证据是，推动这种瞬间理解的最强大力量是信息结构。什么是新信息？什么是共享信息？这不仅取决于词的字面含义，而且取决于我称之为暗物质的隐含文化知识。
在句子的句法表达中，说话人会加入手势和语调。他们以这些手势为注释来表明来自文化的隐含信息以及说话人和听话人的个人经历。但总有一些东西不会明说。语言从不把一切都表达出来。细节由文化来填补。
人类语言是如何从简单的象征符号转变为高级象征符号、象征符号内的象征符号、语法、语调、手势和文化的复杂交互的？为什么所有这些因语言和文化而异呢？在英式英语、澳式英语、印度英语或美式英语中使用相同的单词会产生相关但不同的预设知识、语调模式、手势和面部表情。将单一话语的各个方面结合起来的“普遍语法”是不存在的，每一种文化都各具特色。
当然，语言具有普遍共享的方面。每种文化都会使用音高和附加手势，按照某种商定的顺序安排语序。这些是语言的必要限制和特征，因为它们反映了物种的生理和心理方面的局限性。也许（这是令人兴奋的想法）其中一些体现了直立人讲话方式的痕迹。随着物种不断进化，也许人类在一千年到另一千年之间通过一代代示范传下来了很多语法。现代语言有可能保留了200万年前最初由直立人发明的信息传输解决方案。我们无法排除这种可能性。
回顾我们对象征符号的了解，这一切都基于一个简单的原则，即任意的形式可以表示意义。每个象征符号还包含皮尔士的解释项。所有形式的符号是向人类语言的另一个重要组成部分迈出的第一步，这个重要组成部分是形式和意义通过增加手势和语调这些解释性辅助手段构成的三重模式。随着象征符号及其他元素与文化越来越契合，它们从交流演变为语言，演变为区别局外人与局内人的视角，即语言学家肯尼思·派克提出的“客位”（外部观点）和“主位”（内部观点）。符号本身无法让我们一下子获得客位与主位，文化在整个过程中都至关重要。
客位视角就好比是旅游者第一次听到外语。“他们说得太快。”“我不知道他们是如何凭那些奇怪的声音理解彼此的。”但是人们学会说这种语言后，这些声音就会让人觉得熟悉，听起来不像最初那么快，这种语言及其规则和发音模式也逐渐让人感到熟悉。学习者从客位视角走向了主位的文化视角。
通过将意义与形式联系起来以创建象征符号，形式和意义之间的区别凸显了出来。而且由于象征符号是由特定群体的成员解释的，因此它们会引发内部及外部人士不同的解读。所以这门语言对母语使用者而言更容易理解，但对非母语使用者来说却很难学习。语言的发展过程就是这样：标引符号→图像符号→（主位）象征符号+（主位）语法、（主位）手势和（主位）语调。
象征符号之后，语言的另一个重要发明是语法。要用象征符号造出更复杂的话语就需要结构，一套组织原则必不可少。这些原则能使我们有效地组织话语，并且最符合听话人的文化期望。
语法同时以两种方式组织——垂直方式（也称为纵聚合组织）以及水平方式（横组合组织）。正如20世纪初瑞士语言学家费尔迪南·德·索绪尔（Ferdinand de Saussure）所指出的那样，这些组织模式是所有语法的基础。语法的垂直和水平组织一起工作，通过将信息打包成单独的话语和短语来促进交流，传递原本无法传递的大量信息。这些组织模式是以象征符号的本质和信息传递的方式为依据的。
如果有了象征符号和声音，那么不需要巨大的智能飞跃就能将它们按照线性顺序排列起来。无意义的声音（“音素”是语音的名称）放在一起形成有意义的词语，语言学家们将其称为“规则双重性”（duality of patterning）。例如，单词“sat”的s、a和t这三个字母本身是无意义的，但是按照这个顺序组合起来所形成的词有意义。要形成单词，就要从给定语言的声音中取出音素并将其置入“插槽”（slot）以形成单词，就如单词“sat”：s处于插槽1，a处于插槽2，t处于插槽3。
一旦这种双重性规范化，并由文化成员达成一致，那么它将扩展，把有意义的单位结合起来。从那以后，使用表示事件和事物的象征符号来陈述就不是什么巨大的飞跃了。假设有一个象征符号列表，这是语法的纵向或者叫聚合组织的一个方面。接下来有一个顺序，把这些象征符号放在一种文化已经认可的象征符号组织中。因此，形成句子或短语的任务是选择一个象征符号并将其放在一个插槽中，如图9-2所示。
知晓语法（这是每个说话人都必须做到的），其实就是知晓将词语组装成句子的说明。这种编造语言的简单语法可能就是：选择一种聚合填充符并将其放置在合适的组合插槽中。
按照特定顺序放置象征符号在认知上并不是一个巨大的飞跃，因此早期人类可能就会用“插槽”和“填充符”。它们是所有语法的基础。
所有这些解释最初是由语言学家查尔斯·霍基特（Charles Hockett）在1960年提出的。他称无意义成分的组合使有意义的成分具有“规则双重性”。一旦人们掌握了象征符号和规则双重性，那么他们就能扩展规则双重性，获得上图中的横组合和纵聚合组织。人类的语言已经近在眼前，但还需要两个东西——手势和语调。象征符号加上手势和语调使语言变得完整，但是，规则双重性才是重点。人们组织其象征符号后，接下来自然会开始将象征符号分析成更小的单位。因此，一个单词，比如“cat”，作为一个象征符号，被人以水平或者叫横组合的方式组织为一个音节c-a-t。但是这一组织形式也清楚地表明，“cat”也是以垂直的方式组织起来的。所以我们可以用字母“p”代替“cat”中的“c”来形成单词“pat”，或者用“d”代替“t”，得到单词“cad”。换句话说，“cat”有三个插槽，c-a-t，每个插槽的填充符来自英语的语音。
因此，音节本身就是规则双重性发展的重要组成部分。这是对音素排列的自然组织约束，能使每个音素更好地被感知。音节还有其他的功能，但关键的一点是，它主要是对人类进化过程中耳朵与发音装置相匹配而产生的感知的一种帮助，而不是预先设定的心理范畴。音节的一个非常简单的表征是语音按照顺序排列。语音排列的基本顺序是，在音节中从左到右，将声音按照最不固定的大声、最大声、最小声的顺序排列。如此更易于听到每个音节中的声音。这是另一种组块方式，可以帮助我们的大脑跟踪语言中发生的事情。这个属性被称为声音的响度。简而言之，声音越大越响亮。辅音较元音而言不那么响亮。有些辅音（这里我们不需要担心）较其他辅音而言不那么响亮。因此，音节是言语的单位，其中的单个插槽会产生渐强—渐弱的效应。单词的核心或中心部分是最响亮的成分——通常是元音，而在边缘是最不响亮的成分。音节“bad”就能够展示这一点。这是一个可接受的英语音节，因为音素b和d不如音素a那么响亮，同时出现在音节的边缘，而最响亮的成分是在韵核或中心位置。而音节“bda”在英语中是不存在的，因为低沉的声音b之后是更加低沉的辅音d，而没有提高声音的响度，这使得人们难以听到，或是由于b和d一起放在音节边缘而难以区分。
图9-2：扩展的规则双重性——造一个句子
不同语言的音节组织差别很大。例如英语就有非常复杂的音节模式。“strength”这个词在开头和结尾都有不止一个辅音。辅音s应该跟在辅音t后，因为它更加响亮，所以这个词实际应该是“tsrength”。但实际上并非如此，是因为基于英语早期阶段的声音模式和影响它的语言以及文化选择，英语一直以来都倾向于“st”的顺序。历史和文化是超越和违反纯粹音节的语音组织的常见因素。
这种音节在感知和发音方面的组织自然而然地给人们带来了语言的规则双重性。通过组织声音，使其更容易让人听到，语言实际上可以自动获得这种规则。每个音节的边缘和核心都是音节水平组织的一部分，而可以进入边缘或核心的声音是填充符。这意味着，在某种意义上，音节可能是语法和更复杂语言的关键。同样，音节所依据的是一个简单的想法：“将声音组块，使人们更容易听到和记住。”直立人可能已经掌握了音节，因为音节是从我们短期记忆的缺陷以及最容易听到的组织方式当中出现的。如果是这样的话，那么这意味着直立人一旦使用音节就可以毫不费力地掌握语法。当然，在语言进化中，音节很可能比词汇和句子出现得晚一些，但是任何类型的声音组织，无论是智人的音素还是直立人或尼安德特人的其他声音，都需要一种更强大的形式来组织一种语言，使它超越单纯的象征符号，变成某种形式的语法。因此，早期的言语会催生句法、形态和语言中其他方面的横组合和纵聚合组织。事实上，有人声称，其他一些动物，如绢毛猴，也有音节。无论绢毛猴能做什么，我敢打赌直立人都能做得更好。如果绢毛猴拥有更加先进的大脑，那么它们就可能会拥有人类的语言。
如果这是正确的轨道，那么规则双重性加上手势和语调就是语言的基本组织原则。然而，一旦这些要素到位，可预计的是我们会在语言中发现层次结构的效用，计算机科学家和心理学家认为这种结构在传输或存储复杂信息方面永远是有用的。
与所有其他形式的人类行为一样，音系学也受记忆——表达张力的制约：语言含有的单位越多，表达信息时歧义就越少，但需要学习和记忆的东西也越多。所以如果一种语言有300种语音，相比只有5种语音的语言，它可以产生意义更加明确的单词。但是这样做有一定的代价——语音越多越难学。音位组织声音，使它们更容易被感知，增加了一些特定社群偏好的本地文化修饰（如英语单词“strength”取代“tsrength”），发音和听觉器官由此而协同演变。人类耳朵和嘴巴之间的关系解释了所有人类语言声音的由来。这令人类的言语听起来不同于火星语。
当然，人类的发音器官也很有趣，因为除了其形状，它的任何一部分都不专门用于说话。正如我们所看到的，人类发音器官有三个基本组成部分——活动部件（发音体）、静止部件（发音点）和气流产生器。值得再次强调的是，发音器官的演变可能始于语言诞生的时刻。虽然语言可以在没有发达的言语能力的情况下存在（许多现代语言可以通过吹哨、哼唱或手语的方式表达），但没有语言就不会有言语。尼安德特人没有类似智人的言语能力，但是可以肯定它们拥有一种没有智人发音器官的工作语言。尼安德特人无法发出/ i /、/ a /和/ u /（至少根据菲利普·利伯曼的说法）的音，这会成为言语的障碍。但这些“基本”的或者叫“量子”的元音既不是语言所必需的，对语言而言也是不足的（因为有手语存在，所以这些不是必需的；因为鹦鹉可以发出这些音素，所以这些对语言而言也是不够的）。
如前所述，当听觉系统与发音系统共同发展时，言语会得到增强。这只意味着人类的耳朵和嘴巴是一起演变的。因此，人类更容易听到他们最容易发出的声音，也更容易发出他们的耳朵最易于感知的声音。
个人的发音、音素，是由接触或靠近发音点（牙槽嵴、牙齿、硬腭、嘴唇等等）的发音体产生的，其中舌头和嘴唇起主要作用。这些声音中的一些声音比较响，因为它们冲出嘴的气流受到的阻碍最小（大部分气流是从鼻子里出去的）。这些是元音。元音的发音与发音者本人没有直接联系。其他音素完全或部分阻碍空气从嘴里流出，这些是辅音。通过辅音和元音，任何一个说话人产生的声音流都能被组织起来，使信息速率（辅音通常比元音携带更多的信息，因为辅音数量居多）和感知清晰度最大化（在不同位置的语音流中辅音更容易被察觉到，例如位于元音前后和单词的开头和结尾）。由于言语不是一个一个蹦出来的，而是连续的发音运动，所以元音和辅音会相互“同化”，在某些情况下会变得更为相似，尽管各种语言的情况不一定是相同的。如果母语为英语的人说出“clock”这个词，那么最后的“k”就会比说出单词“click”时更靠后。这是因为元音“o”在口腔中更靠后，元音“i”更靠前。在这些情况下，元音将辅音“拉”向其发音位置。对声音的额外修饰增强了人们对语音的感知。另一个例子是送气音——发音时产生的一股空气。或者浊音化，即发出声音时声带振动带来的后果。音节结构是另一种修饰，在音节的不同位置发音不同。这可以通过“l”的发音看出：在一个音节的末尾，例如在单词“bull”中，和在一个音节的开始，如在单词“leaf”中，“l”的发音是不同的。如果想“看到”送气音，可以把一张纸放在嘴前两三厘米处，读出“paper”这个词，纸将会晃动。现在重复之前的步骤，读出“spa”这个词。如果发音者以英语为母语，那张纸就不会因为“spa”中的“p”而晃动。
在发音时，这些增强功能经常被母语使用者忽略，因为这些增强功能只是附加功能而不是目标声音的一部分。这就是为什么母语为英语的人通常不会听到“spa”中的［p］与“paper”中的［ph］之间的差异，其中辅音后面升高的“h”代表送气音。但对于语言学家来说，这些声音非常不同。说话人意识不到这些增强功能，通常只有经过特殊的努力才能听到它们。研究声音的物理特性，而不管说话人的感知和声音组织如何，这样的研究就是语音学。而研究说话人的主位知识，即母语使用者忽视的增强手段以及他们的目标声音，这样的研究是音系学。
继续我们对音系学的研究。音系学有一个悠久的传统，它把基本的声音即元音和辅音分解成语音特征，对［＋/－浊音］“浊音或非浊音”或者［＋/－舌根前伸］“舌根前伸或非舌根前伸”做出区分，比如在英语单词“beet”中的元音［i］和单词“bit”中的元音［?］之间进行对比等等。但是，如果忽略这些细节，也不会对语言进化的阐述造成任何影响。
在音位层级中向上看，我们会再次回到音节“the”，这将规则双重性引入了语音组织中。为了进一步阐述前面关于音节的内容，请参考图9-3中的音节。
根据之前关于声音响度的讨论，音节［sat］的结构应该是良好的，而音节［lbad］则难以形成，因为其声音更难察觉。
因此音节是语音的层级结构，而非递归结构。音节能增强人们感知音素的能力，并且经常在语言中作为基本节奏单位。再一次，我们可以想象，鉴于其对语音感知极其卓越的贡献，音节在语言将声音与意义联系起来时就开始出现。它们对言语来说是一个非常有用而简单的补充，显著提高了语音的可感知性。人类听觉和发音系统的自然局限性可能给说话人施加了压力，因此人类早期就可以听到和产生音节组织。
图9-3：音节和声音的响度
然而，一旦引入音节，音段和其他音位层级单位就需要基于文化的阐释。换句话说，变化是为了满足当地的偏好，而不考虑发音或产生语音的简易性。这些阐释有利于群体识别以及在词语中某些地方对声音的感知。因此，有时它们的目的是使语音听起来更容易，发音更容易，有时则是出于文化原因，发出声音以确定某个群体为这些声音的来源，因为一种文化的人可能喜欢某些声音而不喜欢另一些声音，喜欢某种增强功能而不喜欢另一些增强功能，等等。特定语言的声音清单也可能受到文化限制。这一切都意味着在语言历史中出现了一系列文化偏好，这些文化偏好从人类可以产生和感知的声音中选择了一些声音，而这些声音是这种语言发展过程中出现的特定文化在特定时间选择来使用的。选择过后，受新的发音、听觉或文化方面压力的影响，或者通过与其他语言接触，首选的声音和模式会随着时间而改变。
音位层级的单位还包括音位组，它们会将音节组合成音位词或大于词的单位。这些短语或单词也是组块形式，以帮助工作记忆，并促进更快地解释所传递的信息。这一划分借助于手势和语调，这些手势和语调也为感知和工作记忆提供了帮助。这种方式将较小的语言单位（如声音）组合为较大的语言单位（如音节、单词和短语），从而便于交流。短语和单词本身被组合为更大的组别，一些语言学家称之为“语调轮廓”（contours，或称声调曲线）或“换气单位”（breath group），即通过呼吸和语调来标记的声音分组。我们已经提到，音高、响度以及某些词语或短语的延长或缩短可以用来区分新信息，例如我们目前正在讨论的话题（旧信息）和关于该话题的评论（新的信息）。这些也可以用来表示说话人希望听话人注意关于传达内容的重点和其他细微差别。随着人类从标引符号转向语法，所有这些音系学应用都逐渐显现出来，其间发展的每一步都很可能伴随着手势。
经过这些基础的步骤，完整的音位层级得以构建。这种等级要求给定语言的声音结构的大多数元素都由较小的成分组成。换句话说，每个单位的声音都是由更小的单位通过自然过程建立起来的，这些单位使得人们更容易听到并产生给定语言的声音。图9-4给出了音位层级的标准语言学视图。
图9-4：音位层级
我们的声音结构也受另外两组因素的制约。首先是环境。声音结构可能会受到语言产生的环境条件（平均温度、湿度、大气压力等）的明显限制。语言学家在研究语言史的大部分时间里忽略了这些联系，尽管最近的研究已经清楚地确立了这些联系。因此，要理解特定语言的演变，必须了解其原始文化和生态环境。没有哪种语言是一个孤岛。
一些研究人员总结道，人类最初的话语是独词句（以一个字显示整句意思）。也就是说，最初的交流尝试是非结构化话语，既不是单词也不是句子，只是单纯的感叹词。比方说如果一个直立人反复使用相同的表达来指代剑齿虎，这个象征符号怎么可能被分解成更小的片段？在某些方面手势具有与语调重叠的功能，有助于将一个较大的单元分解成较小的成分，或者加强已经突出的部分，或者表明话语的某些部分是次要的，但是仍然比更次要的部分重要，等等。要想知道这如何起作用，想象一个直立人女性看见一只大猫跑过来，她高呼：“Shamalamadingdong！”其中一个音节或部分话语可能比其他音节响度更大或音高更高。如果她情绪激动，那她必然会通过手势和音调来有意或无意地突出该话语的不同部分，也许是“SHAMAlama dingDONG！”“ShamaLAMAdingdong”，也可能是“ShamalamaDINGdong”“SHAMAlamaDINGdong”等等。如果她的手势、响度、音高（或高或低或中）与相同的音节对齐，那么这些可能会开始被识别为不以任何部分开始的单词或句子的部分。
韵律（音高、响度、音长）、手势和其他突出标记（身体姿势、眉毛抬高等）具有分解话语的联合效应，根据音高或手势将其分解为多个部分。一旦话语被分解，并且只有这样，它们才可以（重新）组成（合成），以建立额外的话语。这就要提到人类语言的另一个必要属性了：语义合成性（semantic compositionality）。这一属性对所有语言都很重要。这是根据其各部分的个别含义对整体话语的含义进行编码或解码的能力。
因此，从连接声音和话语意义的自然过程中，有一条简单的途径可以通过手势、语调、持续时间和振幅将最初非结构化的整体分解成部分，并将各部分重新组合成整体。这是所有语法的诞生之路，不需要特殊的基因。
值得重申的是，肯尼思·派克将形态和句法设为一个层级（而我用的是自己稍微改编过的版本），称之为“形态句法层级”——以较小的部分建立对话。
语言或其他方面的创新是如何传播并成为语言的一部分的，这是一个被称为“驱动问题”的难题。正如当今新词新语或笑话的传播一样，语言创新的起源和传播可能和几种促成因素有关。说话人可能更喜欢直立人新话语的某些组成部分的声音而非其他声音，也可能与其伴随的音高和（或）手势已经突出了话语的一部分而忽略了其他部分。由于突显部分也被其他人选用并开始流通，出于某种原因，突显的部分在“被驱动”话语的传输和感知过程中变得更重要了。
最初的话语很可能是在与其他人的交流之中产生的。当然，没有目击者。不过语言发展前与发展后的历史强烈地证明了这一点。语言关乎交流。当我们可以用言语思考而不仅仅是用图片思考时，就能产生更清晰的思考。然而更清晰的思考是语言的副产品，并非语言本身。
正如没有必要求助于句法基因一样，有证据表明，声音结构也不是天生的，除了天生的发音器官——听觉感知之间的联系（这种联系决定了人们最能产生和听到的声音）。最简单的假设是，发音器官、听觉器官和语言组织原理的共同演化使得一个组织良好的基于声音的形式系统得以形成，该系统将意义表示为符号的一部分。声音系统的演变受到来自外部、功能、生态方面的制约。
图9-5：形态句法层级
句法随着规则双重性和相应的补充而发展，而规则双重性及其补充则是以文化交流的目标和惯例，以及不同的语法策略为依据的。这意味着，如果这是一个文化上有益的策略，就可以产生递归。一门语言中可以有关系从句，也可以没有；可以有名词短语，也可以没有。英语中不同语法策略的一些例子如下：
“约翰和玛丽去了城里”（一个复杂的并列名词短语）对比“约翰去了城里。玛丽去了城里”（两个简单句）。
“那个男人很高。那个男人在这里”（两个简单句）对比“那个高个子男人在这里”（一个带有关系从句的复杂句）。
形态学研究的是构词法。不同语言使用不同的构词策略，尽管这套可行性策略很小。因此，在英语中动词最多有五种不同形式：sing, sang, sung, singing, sings。有些动词的形式更少：hit, hitting, hits。构建形态（词）结构实际上只有几个选择。词可以很简单，也可以由几部分（称为语素）组成。如果它们很简单，没有内部划分，这就是一种孤立语，中文就是一个例证。在中文中，动词通常没有过去式，因而需要一个单独的词（或光凭上下文）来表明过去时。所以我们用英语说“I ran”（过去时）、“I run”（现在时），用中文你可能会说“我跑过”（三个字）、“我在跑”（三个字）。
另一种语言，如葡萄牙语，构词策略是不同的。像许多罗曼语（从拉丁语演变而来）一样，葡萄牙语的单词可以结合几种含义。我们可以用“falo”为例，它在葡萄牙语中意味着“我说”。
这个动词的结尾“o”同时有几层含义。它表示第一人称单数“我”，也表示这是现在时，还意味着这是“陈述语气”（这又大致意味着“这确实正在发生”）。“falo”中的“o”也意味着这个动词属于-ar动词集合［“falar”（说话）、“quebrar”（突破）、“olhar”（看）等等］。葡萄牙语和其他源自拉丁语的语言，如西班牙语、罗马尼亚语、意大利语，都被称为罗曼语，它们都是“屈折语”。
还有些语言，比如土耳其语和许多美国原住民语言，是“黏着语”。这意味着每个单词的每个部分通常有单一的含义，与罗曼语不同。罗曼语中单词的每个部分都可以有几个含义，如“falo”中的“o”。土耳其语中的一个单词可能很长，并且有很多部分，但每个部分只有一个含义：
ekoslovakyallatramadklarmzdanmsnzna是“你好像是一个我们不会当作捷克斯洛伐克人的人”的意思。
一些屈折语甚至有种特殊的语素，称为“环缀”（或称“包围缀”“前后缀”）。在德语中，动词“spielen”（玩、打球、演戏）的过去式是“gespielt”，“ge-”和“-t”共同表示过去时，限定它们影响的动词。
还有些语言使用音高来增加单词的含义。这产生了所谓的（用以表示语调顺序或重音形式的）“同缀”。在皮拉罕语中，几乎相同的单词“áagá”（永久性质）与“aagá”（临时性质）仅以第一个元音的高音区分。所以我可以说“Ti báaáí áagá”［我（总是）很好］，或者“Ti báaáí aagá”［我（目前）很好］。
另一种情况是用辅音表达词语的一部分意义，用元音表达这个词的另一部分含义。在这种情况下，我们有一个非连续的系统。阿拉伯语属于这种类型。英语也有相关例子。例如“foot”是单数，“feet”是复数，辅音“f”和“t”仍是相同的，但元音变了。
任何一种语言都不太可能拥有“纯粹的”构词体系，只能使用其中的一种策略。语言倾向于混合不同的构词方法。这种混合往往是由历史中的偶然因素、语言发展早期阶段的残余或与其他语言的接触造成的。但是构词的简要总结表明，如果我们放眼世界上所有的形态系统，就会发现基本原理相对简单。图9-6对此进行了总结。
这是每种文化都必须做出的选择。它可以选择更多组合类型，但简单性（为便于记忆）倾向于更加简单而非复杂的系统。象征符号至少在190万年前就由直立人发明了，因此人类有足够的时间来发现这种小范围的可能性，通过语言的语法、意义、音高和手势来建立形态系统。
图9-6：按词的类型对语言分类
可以说，诺姆·乔姆斯基对理解人类语言的最大贡献是，他根据语法的计算和数学特性对不同的语法进行了分类。这种分类被称为“乔姆斯基语法层级”，尽管它受到过埃米尔·波斯特和马塞尔·舒岑贝热成果的强烈影响。
尽管乔姆斯基的工作成果很有见地，并且已经被计算机科学家、心理学家和语言学家使用了数十年，但它否认语言是一种交流系统。因此，尽管它颇具影响，但在这里我们不予关注，而是讨论一种不那么复杂但可以说更有效的方式，来看待语法在语言作为交流工具演进过程中的地位。与一些理论相悖，我们主张世界各种语言和文化可以使用各种语法（线性语法、层级语法和递归层级语法）。这些系统适用于所有语言，它们是组织语法的仅有系统。人类句法只有三种组织模板。原则上，这不是太困难。
线性语法将按照文化规定的顺序从左向右排列话语。换句话说，线性语法不是未经思考就将文字串联起来。一种语言可能会规定其话语的基本顺序是主语名词＋谓语动词＋直接宾语名词，产生如“John（主语名词）hit（谓语动词）Bill（直接宾语名词）”这样的句子。或者，如果我们看看亚马孙语言希卡利亚纳语，那么顺序就是宾语名词＋谓语动词＋主语名词。这将形成“Bill（宾语名词）hit（谓语动词）John（主语名词）”这样的句子。如果把这个句子从希卡利亚纳语翻译成英语，尽管源语的顺序正确，但译成英语却是“John hit Bill”。这些语序和人类语言中的所有组成成分一样，并不是脱离交流的神秘语法过程。相反，有数据表明，语法的每个部分都有助于短期记忆和对话语的理解。在迄今为止的所有语言研究中，语法策略被用来了解哪些词更紧密相关。
连接相关词语的一个常见策略是将词语放在最接近其意义的词语旁边。另一种方法（通常与第一种方法相结合）是将词语分层次地放置在短语中，如图9-7中所示的短语“John’s very big book”所示的语法结构。
在这个短语中，语块中包含语块或其他成分。“very big”这一组分是更大的短语“very big book”的一个语块。
图9-7：语法结构
了解哪些词最紧密相关的一种方法是用“格”或“一致”来区分它们。希腊文和拉丁文允许相关的词语在句子中被其他词语分开，只要它们都标有相同的“格”（属格、离格、宾格、主格等等）。
下面这些希腊句子用英文转写后，都表示“安蒂戈妮喜爱超现实主义”：
所有这些句子都合乎希腊语语法。类似的句子很常见。像拉丁文和其他许多语言一样，希腊语拥有比英语更自由的语序，因为它用“主格”和“宾格”这样的“格”将宾语与主语区分开来。而英语则很少使用“格”，英语文化早就以语序而不是格来明确谁对谁做了什么。
但即使是英语，在小范围中也有“格”的现象：“I（主格）saw him（宾格）”“He（主格）saw me（宾格）”是正确的表述，“Me saw he”“Him saw I”是不正确的表述。英语代词是有“格”的（“I”和“he”是主格，“me”和“him”是宾格）。
我们看到所有英文句子都有“一致”关系，如“He likes John”（他喜欢约翰）。在这里，“he”是第三人称单数，所以动词带有第三人称单数的结尾“s”，“likes”跟主语“he”保持一致。但如果我们说“I like John”，动词就不是“likes”而是“like”，因为代词“I”不是第三人称。“一致”只是句子中的词语保持关系的另一种方式。
将单词按照线性顺序排列在一起而不用额外的结构，这是一些语言用来组织自身语法的方式，避免了树形结构和递归。即使是灵长类动物，如大猩猩科科，也能够掌握这种基于语序的结构。掌握这种语言肯定在直立人的能力范围内，并且这很可能是它们最先使用的语法策略（一些现代语言也仍在采用这种策略，例如皮拉罕语和印尼廖内语）。
所有语法必须具备将一部分话语的含义汇集形成整体话语意义的能力。“he”“John”“see”这三个词组合在一起是怎样产生“He sees John”这句话的意义的？每个单词的含义都放在了短语和句子中。这就是所谓的合成性，没有它就没有语言。这个属性可以直接建立在树形结构中的短语上，对于大多数语言来说都是如此，例如英语、西班牙语、土耳其语和其他数千种语言。但它也可以用线性语法构建。事实上，即使是英语也表明合成性不需要复杂的语法。“吃。喝。男人。女人。”这样的话完全可以理解。但是，一旦将意义放在一起，它很大程度上就依赖于我们的文化知识。复杂（甚至任何）句法的缺失并不影响含义。
句子里没有多少句法甚至完全没有句法，但仍旧有意义，这种情况在许多语言（甚至可以说全部语言）中都存在。［英语的另一个例子是：“You drink（你喝酒）。You drive（你开车）。You go to jail（你进监狱）。”这三句话和语法上不同且更复杂的结构“If you drink and drive, then you will go to jail.”（如果你喝酒开车，那么你将会进监狱）具有相同的意义。］请注意，将分离的句子解释为单个句子不需要事先了解其他句法可能性，因为我们能够利用这种文化上的理解以多种方式解释整个故事。有人可能会反对称，句子缺乏足够句法会含糊不清——它们具有多重含义，会把听者搞糊涂。但是，正如第4章所指出的那样，尽管英语有着精细的句法，即使是“flying planes can be dangerous”这样结构化的句子也可能导致歧义。人们可以消除或至少减少给定语言中的歧义，这样做总是会使语法更加复杂或增加单词数量。而这些策略只会使语言比所需要的更复杂。这就是为什么在所有语言中，歧义句都是通过母语使用者对语境、说话人及其文化的了解来解释的。
句法越接近意义，通常解释越容易。但是很多语法是文化选择的结果。语法的形式不是天生注定的。正如我们所看到的，线性语法不仅可能是语法的初始阶段，而且还是几种现代语言的可行语法。只要拥有具备象征符号、语调和手势的线性语法，就可以形成G1语言——最简单的人类全语言。
下一种语言是G2语言。这些是具有层级结构（如句子和短语的“树形图”）的语言，但缺乏递归。有人声称皮拉罕语和廖内语就是这种语言。然而，我们不需要专注于孤立的或很少有人使用的语言，比如皮拉罕语和廖内语。研究员弗雷德·卡尔森（Fred Karlsson）声称大多数欧洲语言都有层级结构，但没有递归。
卡尔森的声明基于他的观察：“没有发现任何真正的三重初始嵌入和四重中心嵌入的记录（这里‘真正’的意思是在自然的非语言学语境中产生的语句，而不是专业语言学家在理论论证过程中产生的语句）。”“嵌入”指的是将一个成分放入另一个成分内部。因此，人们可以将短语“John’s father”（约翰的父亲）放在更大的短语“John’s father’s uncle”（约翰的父亲的叔叔）里。这两个短语都是嵌入。嵌入（根据像卡尔森这样的研究人员的研究，嵌入在有层级结构却没有递归的语言中很常见）和递归之间的区别仅仅是递归没有限制，它可以一直进行下去。所以卡尔森说，在标准欧语中，他只能找到像这样的句子：
John said that Bill said that Bob is nice（约翰说比尔说鲍勃很好），甚至
John said that Bill said that Mary said that Bob is nice（约翰说比尔说玛丽说鲍勃很好），但从没有像
John said that Bill said that Mary said that Irving said that Bob is nice这样的句子（约翰说比尔说玛丽说欧文说鲍勃很好）。
这三行话的第一句话有一层嵌入，第二句有两层，第三句有三层。但是，标准欧语永远不会允许两层以上的嵌入。因此，它们有层级结构（一个成分在另一个成分内），但没有递归（一个成分在另一个成分内部且无穷无尽）。
根据卡尔森的研究，似乎没有任何标准欧语是递归的。他承认有人或许会说，它们是抽象意义上的递归，或者它们是由递归过程产生的。但是这样的方法在他的分析中似乎并不符合事实。换句话说，卡尔森声称——用我的术语来说——所有这些语言都是G2语言。因此按照符号学的进展，卡尔森的工作用现代欧洲语言对G2语言提供了有趣的支持。再说一次，这些是层级语言但不是递归语言。要想以无可争论的方式证明一种语言是递归的，我们需要展示“中心嵌入”。其他形式受到替代分析的影响：
（a）中心嵌入：A man that a woman that a child that a bird that I heard saw knows loves sugar。
（b）非中心嵌入：John said that the woman loves sugar（约翰说那个女人喜欢糖）。
（a）的特别之处在于，从句“that a woman that a child that a bird I heard saw knows”（一个我听到的鸟儿看到的孩子所认识的女人）被主句的成分“A man loves sugar”（一个男人喜欢吃糖）包围着。而且“that a child”被从句中的“a woman knows”包围，“that a bird”则被其“主句”的一部分“a child saw”包围。但这样的从句很少，因为它们很难理解。实际上，有人声称它们只存在于语言学家的脑海里，尽管我认为这一说法太绝对了。
然而，在（b）中，一句话后面跟着另一句。“John said”（约翰说）随后跟着的是“that the woman loves sugar”（那个女人喜欢吃糖）。另一种可能的分析是“John said that.（约翰说）The woman loves sugar.（那个女人喜欢吃糖）”。这种分析［由哲学家唐纳德·戴维森（Donald Davidson）提出］使得英文看起来更像皮拉罕语。
我根据皮尔士思想提出的最终语言类型G3必须同时具有层级结构和递归。正如前面的例子所显示的，英语通常被认为是这种类型的语言。正如前面我们所看到的，一些语言学家，如诺姆·乔姆斯基，声称所有人类语言都是G3语言，换句话说，所有语言都同时具备层级结构和递归。他甚至声称没有递归就不可能有人类语言。他认为是递归将早期人类及其他动物的交际系统与智人的语言区分开来的。根据乔姆斯基的观点，没有递归的早期人类语言是一种低于人类的“原始语”。
然而，事实仍然是，任何有记录的语言中都没有无止境的句子。声称递归是所有现代人类语言的基础，可能有理论上的理由，但它不符合现代和史前语言的事实以及我们对语言演变的理解。
所有语言中都有很多示例表明句法和语义之间没有直接联系。此外，在话语和会话中，意义是由说话人的不连贯句子和部分句子等组成的。这支持了这样一种观点，即通过对话的各个部分（或“成分”）构成更大意义的能力是由文化来调节的。与G1语言和失语症患者的情况一样，在许多其他情况下，意义也是通过松散地应用文化和个人知识，被赋予不同话语的。不管语法类型为G1、G2还是G3，解释句子时文化总是在场。我们不知道这三种语法中哪一种是（或三种都是）直立人所掌握的，我们只知道最简单的一种语言G1可以作为一种语言，现在仍然适合作为一种语言，并且不受限制。
如果说直立人拥有语言能力，G1语言帮助它们穿越了海洋，引领它们到世界各地，这可能不会让人感到意外。毕竟，我们不是唯一会思考的动物。我们越能理解和欣赏非人类动物的精神力量，我们就越能尊重我们自己的直立人祖先。关于动物如何思考，生物学家、作家卡尔·萨菲纳的书《超越语言：动物的思想和感觉》里有所介绍。萨菲纳提出了一个令人信服的观点，即动物的交流远远超过了研究人员过去普遍注意到的情况。另一些研究人员则表明，动物的情绪与人类情绪非常相似。情绪在解读他人、想要与人交流、想要形成一个集体时是至关重要的。尽管动物经常使用标引符号，有些动物也许能理解图像符号（例如，一条狗看到其他狗出现在电视屏幕上时会吠叫），但没有证据表明动物会在野外使用象征符号。然而，正如我们所看到的，在人属物种中，有证据表明直立人和尼安德特人都会使用象征符号。象征符号加线性顺序，我们就拥有了语言。在这种混合中加上规则双重性，努力走上几小步，我们就能获得更高效的语言。因此，拥有象征符号，特别是在直立人和尼安德特人拥有可靠的文化证据的情况下，表明它们的群体很有可能会使用语言。
值得重申的是，特意提出“原始语”的概念是没有必要的。所有人类语言都是成熟的语言。没有哪种语言在任何意义上逊色于任何其他语言。这些语言只需使用G1、G2或G3这三种语法策略之一即可。因此，鉴于本书的语言发展理论，我觉得“原始语”的概念没什么用处。
因此，演变的问题最终让我们回到了有关语言本质的两种相反观点。一种是乔姆斯基的观点，加州大学伯克利分校的哲学家约翰·塞尔描述如下：
人类语言的句法结构是人类思维固有特征的产物，与交流没有显著联系，当然，除了其他目的外，人们确实将其用于交流等目的。语言的本质特征在于其结构。例如，所谓的“蜜蜂语言”根本就不是一种语言，因为它没有正确的结构，虽然蜜蜂明显是用它来进行交流的，但它和语言是无关的。如果有一天人类进化到了更高的阶段，采用的句法形式与现在的形式完全不同，并且超出了我们目前的理解范围，那么人类拥有的就不再是语言，而是另一种东西。
塞尔总结说：“乔姆斯基研究语言的整体方法是稀奇古怪的，强调这一点很重要。”
对此，一个自然的回答是，一个人的“稀奇古怪”是另一个人的“绝妙原创”。本质上这与逆流而上一样并无过错。最好的作品往往是稀奇古怪的。但我想争辩的是，质疑乔姆斯基关于语言进化的观点不是单单因为它是原创的，而是因为它是错误的。几十年来，他越来越坚持这种观点。在他最近与麻省理工学院计算机科学教授罗伯特·贝里克合著的关于语言演变的新书中，乔姆斯基提出了一种语言进化理论，这个理论进一步发展了他60年的语言理论化计划，这正是约翰·塞尔之前质疑的计划。乔姆斯基的观点在20世纪50年代是如此新颖和令人震惊，以至于许多人最初认为它彻底改变了语言学理论，打响了“认知革命”的第一枪（有人认为这场“认知革命”是1956年9月11日麻省理工学院召开的一次会议开启的）。
但是，乔姆斯基的语言理论既不是语言学革命，也不是认知革命。在20世纪30年代，乔姆斯基的前辈、我眼中他的灵感来源伦纳德·布鲁姆菲尔德（Leonard Bloomfield）和乔姆斯基博士论文导师泽里格·哈里斯（Zellig Harris）提出了一种非常类似于乔姆斯基的语言理论，这一理论认为语言最关键的是结构而非意义，而且交流是次要的。乔姆斯基的另一位前辈爱德华·萨丕尔自20世纪20年代以来一直认为，心理（今天视作认知）会以深刻的方式与语言的结构和意义相互作用。尽管有这些影响，多年来乔姆斯基仍然标榜其理论的原创性，而且在他关于进化的新书中又重申了其理论，即“语言”是一个计算系统，而不是一个交际系统。
因此，对乔姆斯基来说，不存在没有递归的语言。但是来自进化论和现代语言的证据描绘了一幅不同的图画。正如我们前面所看到的那样，根据证据，递归是通过手势、韵律及它们对独词句话语分解的贡献才出现在语言中的。
随着语音产生听觉象征符号（单词和短语），这些象征符号被用于更大的象征符号串中。手势和语调无论是精确对齐还是只被感知为与话语的特定部分对齐，都会导致象征符号分解。另一些象征符号可能是从最初几乎没有内部结构的话语衍生而来的，但随后通过手势、语调等分解出来。
这里有一条底线：对交流来说递归是次要的，使最初的人类语言成为可能的基本人类语法是G1语法。
乔姆斯基提出的语法最先出现的理论脱离了人类进化的数据和先进交流出现的文化证据，忽略了达尔文的渐进演化，根本不提图像符号、象征符号、手势、线性语法的语言等的演变，而是赞成基因突变赋予人类突然的递归能力。再者，根据乔姆斯基的这个理论，交流不是语言的主要功能。虽然所有生物都以这种或那种方式进行交流，但只有人类具有类似于语言的东西，因为只有人类具有结构依赖性的规则。
1.这张图来自“角色和参考语法”（Role and Reference Grammar）的语言学理论，这是现存唯一一个关注整体话语而非仅仅关注其句法的语言理论。——作者注
2.手势对于理解双重性和合成性是如何出现的也至关重要。——作者注
3.见查尔斯·霍基特著名的文章《言语的起源》（The Origin of Speech），《科学美国人》（Scientific America）203，1960：88-111。
4.在《心灵的暗物质》一书中，我以相当的篇幅对与普遍语法有关的音系学进行了讨论，严厉批评了响度或音位是人类心智天生属性的观点。
一个常用的“响度层级”的表现形式是：[a] > [e o] > [i u] > [r] > [l] > [m n ] > [z v e] > [s f θ]> [b d g] > [p t k]。——作者注
5.我写了大量有关亚马孙语言音节的论文，这在理论上特别有意思。——作者注
6.除了在隐喻意义上，手语没有音系，尽管组织手势的方式会让人想起语音结构。当语音不可用（因为耳聋或缺乏发音能力）或者其他文化价值使手势更可取时，通常会出现充分发展的手语。由于手势与眼睛而不是耳朵相关，因此其组织原则在某些方面有所不同。当然，因为语音和手势语言都是由文化和思想设计的，受计算效用的类似约束，它们也会具有共同的特征，正如文献中经常观察到的那样。——作者注
7.英语中有一个非连续词缀过程（或称“非毗邻性语素”）的例子：“foot”是单数，“feet”是复数，用一个元音代替另一个。另一个著名的例子来自闪语族，如希伯来语，如下面的例子所示：“他口授”（主动使役动词）是“TBn ‘hih’tiv’”，而“它是口授的”（被动使役动词）是“nrqri ‘huh’tav’”。——作者注
8.这里介绍的与埃尔基·卢克（Erkki Luuk）和亨德里克·卢克（Hendrik Luuk）独立提出的一套观点有一些重叠，见《句法的演变：符号、连接和嵌入》［The Evolution of Syntax:Signs, Concatenation and Embedding，《认知系统研究》（Cognitive Systems Research）27，2014：1-10］，这是有关句法演变的文献中一篇非常重要的文章。就像下面谈到的一样，埃尔基·卢克和亨德里克·卢克认为句法最初是从符号连接开始发展的，然后从单纯的连接发展到嵌入语法。然而，我与他们的观点存在很多不同之处。一方面，他们似乎认为——这很常见——合成性依赖于句法结构，而没有认识到在所有语言中，语义合成都受益于句法结构，但不依赖于句法结构。此外，他们没有认识到文化背景，也没认识到为什么现代语言不需要嵌入。但他们似乎认同我的这一观点，即语言是一种文化工具。——作者注
9.见理查德·富特雷尔等，《皮拉罕语句法嵌入的语料库研究》，PLoS ONE11（3），2016：e0145289；DOI：10.1371/journal.pone.0145289，这篇文章认为，有些现代人类语言的层级结构低于乔姆斯基推测的层级结构。
10.埃米尔·波斯特（Emile Post），美国数学家、逻辑学家。——译者注
11.马塞尔·舒岑贝热（Marcel Schützenberger），法国数学家。——译者注
12.希卡利亚纳语（Hixkaryana），亚马孙尼亚蒙达河流域的一种语言，仅有约500人使用，可能是人类已知的第一种使用宾谓主结构的语言，这种结构在自然语言中十分少见。——编者注
13.弗雷德·卡尔森，《从句嵌入复杂性的起源与维护》（Origin and Maintenance of Clausal Embedding Complexity），载于杰弗里·桑普森（Geoffrey Sampson）、戴维·吉尔、彼得·特鲁吉尔（Peter Trudgill）编的《作为发展变量的语言复杂性》（Language Complexity as an Evolving Variable，牛津大学出版社，2009年），第192—202页。文中是这样解释的：
“I”表示初始子句的嵌入，“C”表示中心子句的嵌入，“F”表示最终子句的嵌入，升高的指数表示句子嵌入的最大程度，例如I-2是第(6)句的双重初始嵌入。像C-2这样的表达式表示单个子句的类型和嵌入深度，例如：C-2是深度为2的中心嵌入子句。
14.标准欧语（Standard Average European，简称SAE），本杰明·李·沃尔夫（Benjamin Lee Whorf）1939年提出的一个概念，指现代欧洲印欧语系的语言。沃尔夫认为，这些语言在句法、语法、词汇、构词法、词源、习语、语序等方面极为相似，主要由受拉丁语影响较深的罗曼语族和日耳曼语族西支的语言组成，也包括日耳曼语族北支和东欧的语言（如波罗的-斯拉夫语族）。——编者注
15.唐纳德·戴维森，《论言说这点》（On Saying That），《综合》（Synthese）19，1968：130-146。
16.请参阅马克·豪泽、诺姆·乔姆斯基和特库姆塞·费奇的《语言官能：它是什么，谁拥有它，它是如何发展的？》（The Faculty of Language: What Is It, Who Has It, How Did It Evolve?），《科学》298，2002：1569—1579。尽管三位作者使用了“递归”这个术语，但他们现在声称其意思并不是指在乔姆斯基最简方案之外的研究人员所理解的递归，他们实际上想说的是“合并”（Merge），这是一种特殊的语法操作。这引起了巨大的混乱，但最终，这些问题并没有改变，“合并”在几种现代语法中已被证伪（请参阅我的书《语言：文化工具》等等）。——作者注
17.这并不是说动物不能使用象征符号。我只是没听说过哪个声称动物能在野外使用象征符号的观点有足够证据支持或得到了广泛接受。大猩猩和其他生物当然可以在实验室里接受使用象征符号的指导，而且有些动物，例如大猩猩科科，在接受指导后能够使用象征符号。——作者注
18.1972年塞尔在《纽约书评》发表的关于乔姆斯基革命的评论：www.nybooks.com/articles/1972/06/29/a-special-supplement-chomskys-revolution-in-lingui/。
19.用更专业的话来说，语言不外乎是一组向心二元结构，由一次合并操作创建，仅是间接用于讲故事、对话、社会语言学互动等等。——作者注
20.递归允许说话人将更多信息打包成单个话语。所以“你犯罪。你蹲监狱。你不应该发牢骚”是三个单独的话语，我们可以用递归在一个话语中说同样的话：“如果你犯罪蹲了监狱，你不应该发牢骚。”——作者注
21.乔姆斯基挑选了一种只有人类确定具备的特征，也就是结构依赖性，并且声称，因为这种特征定义了语言，所以只有人类才有语言，从这个意义上来说，这是循环论证。——作者注
