《Current Opinion in Neurobiology》:Language-like properties in the vocal behavior of animals
编辑推荐:
安德鲁·H·巴勒(Andrew H. Bahle)| 迈克尔·A·朗(Michael A. Long)纽约大学兰格尼医学中心(New York University Langone Medical Center)神经科学研究所及耳鼻喉科,美国纽约州纽约市10016动物与人类的发声
安德鲁·H·巴勒(Andrew H. Bahle)| 迈克尔·A·朗(Michael A. Long)
纽约大学兰格尼医学中心(New York University Langone Medical Center)神经科学研究所及耳鼻喉科,美国纽约州纽约市10016
动物与人类的发声能力之间的关系长期以来一直是科学家、哲学家以及普通大众感兴趣的话题。尽管人类和动物在产生声音信号时依赖相似的神经和生理机制,但语言最著名和最具代表性的特征是认知现象,这些现象远远超出了简单的感觉运动过程。其中包括以下几个方面,目前开始在非人类动物中进行系统研究:(i) 规律性存在,(ii) 分层句法规则,以及 (iii) 意义表达和指称能力。本文综述了近期关于动物发声中类似语言结构的描述和量化研究。我们强调了人们对人类语言与动物发声之间相似性的不同看法,并探讨这些现象可能揭示的语言及其神经控制机制的进化过程。
引言
长期以来,人们一直在努力探索动物发声中是否存在类似语言的结构,但这一直存在争议。19世纪中叶,法国语言学会和伦敦语言学会曾禁止讨论语言的进化或生物学起源[1]。近一个世纪后,纽约科学院举办了一场臭名昭著的会议,讽刺了未能成功与动物建立类似语言交流的诸多尝试[2]。尽管如此,对动物发声复杂性的研究仍持续进行,近年来人们对这一主题的兴趣重新兴起,导致了大量关于动物发声行为及语言生物学基础的研究[3,4]。
在这篇综述中,我们重点关注在多种非人类动物中语言特征的发现。我们概述了人类语言的三个基本属性(图1),并探讨了这些属性是否在非人类动物中独立存在。首先,我们从最宏观的层面进行分析,讨论了人类语言中单词频率和时长的统计规律,以及不同物种发声模式中的相似结构。接着,我们转向句法领域,回顾了描述动物中潜在类似结构的神经学、行为学和遗传学研究。最后,我们研究了语言的另一个关键维度:指称和意义构建,探讨了如何在动物发声行为中找到这些特性。这些研究通过考察人类语言的独特性和共性方面,加深了我们对动物认知能力的理解,并为研究这些行为在多种未被充分研究的动物中的神经生理基础提供了可能,同时进一步探讨了这些能力最初是如何产生的。这样的知识对于理解神经、进化和环境因素之间复杂的相互作用至关重要,这些因素共同构成了声音交流出现的基础[3]。
章节摘录
统计规律
人类语言的一些最基本特征体现在统计层面上的规律性。由于这些规律在世界数千种语言中普遍存在或被认为具有普遍性,因此有时被称为“语言规律”[5,6]。其中最著名的是齐普夫频率定律(Zipf’s law of frequency),它描述了单词使用频率与其排名(即从最频繁到最不频繁的排序)之间的反比幂律关系[6]。
序列与句法
除了总体统计特性外,动物发声行为还表现出局部的序列组织结构。在人类语言中,这种组织结构非常复杂;言语的产生依赖于句法规则,这些规则对句子的线性顺序和层次结构都施加了语法规则限制。这些规则共同构成了一套生成系统,使得词汇元素能够递归组合成更大的单位,从而产生无限多样的表达方式。
句法的神经基础
在人类中,不同的脑区和基因位点可能参与句法的表达。某些脑区的损伤会破坏句法功能,但通常不会影响理解能力;而其他脑区的损伤则可能导致理解能力严重受损,但句法能力仍得以保留[38]。此外,人类似乎天生具备学习某些类型语法的倾向[39],基因条件也可能导致运动序列和语法能力的显著障碍[40]。
研究这些神经机制……
意义表达和指称
语言能够用于交流的关键属性在于其建立指称的能力和表达意义的能力。这些机制的具体运作方式是哲学、语言学、心理学和计算机科学中的核心问题[48](图4a)。尽管如此,我们在言语中表达对象和意义的方式多种多样。个别词汇可能有约定俗成的定义(词汇语义),或者意义可能来自于词汇的使用方式……
语言能力比较生物学的展望
尽管我们对未来几年在理解动物智力及其发声交流系统复杂性方面取得重大进展持乐观态度,但动物行为也可能被过度解读。例如,最近有研究提出海豚共同的发声类型表明它们具有“指称能力”[70],而大众媒体中的一篇文章则称鲸类可能拥有更为复杂的交流系统……
利益冲突声明
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
致谢
本工作得到了西蒙斯研究员协会(A.B.)以及R01 NS075044和R01 DC019354项目(M.L.)的支持。我们感谢Inbal Arnon、Gregg Castellucci、Timothy Gentner、Jelena Krivokapi?、David Poeppel、Saikat Ray和Ethan Wilcox对手稿初稿提出的建议。