人类拥有语言，而其他动物没有。这是显而易见的，但它是如何发生的却并非如此。自达尔文时代以来，科学家们一直在研究语言的进化。他们可以观察当今的产品：现在的人类具有语言能力，无论是口语、手语还是书面语。他们也可以推断出起始状态：其他类人猿的交流系统暗示了我们共同祖先所具备的能力。
但是，价值百万美元的问题是中间发生了什么。我们是如何从类似猿的交流过渡到完全成熟的人类语言的？
大多数科学家认为，这种情况是分阶段发生的，因为我们祖先进化出了语言所需的适应能力。在早期阶段，人类祖先会使用一种原始语言——比猿类交流更复杂，但缺乏现代语言的元素。
但是，这种原始语言到底是什么样的呢？这就是我们遇到相当大争议的地方。一些研究人员认为，我们祖先在说话之前先歌唱。另一些人则声称，原始语言以哑剧手势为主——一个建立在猜谜游戏之上的社会。
在这里，我将尽我所能总结语言起源的普遍模型，主要参考进化生物学家 W. Tecumseh Fitch 在 2017 年发表的一篇学术综述。
但首先……
是什么构成了语言？
在试图解释语言如何进化之前，我们需要弄清楚什么进化了。我们必须定义语言是什么，以及它与我们最近的进化亲戚——类人猿的交流能力有何不同。
在人类语言中，任意的声音和符号代表特定的词语，这些词语可以被学习、发明，并在语法结构中无限组合。我们可以谈论我们能想到的任何事情——计划、煎饼、政治——包括不是事实的事情：“我没有计划做煎饼或参与政治。” 许多陈述有特定含义，这取决于语境。例如，“你好吗？” 可以是问候，而不是真正的询问。语言使我们能够与他人建立联系，或欺骗他们。虽然我们的母语不是天生的，但幼儿可以毫不费力地学会它。
这些特质使语言成为人类独有的非凡交流系统。但这个系统可以分解成组件，或语言必需的特质。而这些特质在我们进化的过去以不同的时间出现。与其他类人猿共享的特质可能存在于我们共同祖先数百万年前。我们不在其他类人猿身上看到的特质可能只出现在人科动物身上，人科动物是包括人类和我们已灭绝的亲戚的进化分支。
人科动物身上独有的语言元素至少有三个
首先，是对我们声道的精细控制。其他类人猿可能天生就具有更有限的发声类型。其区别在于我们大脑的连接方式：人类声带控制神经元与运动皮层之间有直接连接，运动皮层是我们大脑负责自主运动的区域。脑部扫描显示，其他灵长类动物缺乏这种连接。
其次，是我们为了交流而交流的倾向。为了概括这一点，生物学家 Fitch 使用了德语单词 Mitteilungsbedürfnis，意为“分享思想的冲动”。而黑猩猩则使用有限的叫声和手势来传达基本信息——食物、性、危险——人类则通过交谈来建立联系和交流思想，并努力确保自己被理解。大多数研究人员将这种差异归因于“心智理论”这一概念，即理解他人有思想。黑猩猩的心智理论有限，而人类知道其他人有思想——并且我们不断利用语言来揭示和影响这些思想。
最后一个区别是层级句法。短语和句子具有嵌套结构，这些结构提供了超越简单词语顺序的意义。例如，考虑这个句子：“Chad，他和 Tony 一起出去吃午饭，开会迟到了。” 层级句法处理使我们能够正确地理解 Chad 开会迟到了，即使“Tony”离动词“迟到了”更近。60多年前，语言学家诺姆·乔姆斯基就提出层级句法是语言的关键，直到今天他仍然坚持这一观点。
因此，语言起源的假说必须解释（至少）这三个特质：精确的发声学习和控制、明显的社交交流和层级句法。
语言进化领先观点
现在到了有趣的部分：这些组成部分是如何出现的，并最终汇聚成语言的？
有几种普遍的观点，它们在支持语言适应的进化压力、这些适应能力出现的顺序以及在此过程中的原始语言的性质方面有所不同。
一些人认为，精确的发声控制和学习是人科动物最早出现的语言特质——不是为了说话，而是为了唱歌。这种音乐原始语言的观点源于达尔文本人，并经过不同研究人员多年的修改。在人类进化的这个假设的歌唱阶段，我们祖先生存和/或繁殖的成功将取决于歌唱，这与维持社会联系、吸引配偶或安抚婴儿的背景有关。（鉴于我反感无伴奏合唱，我将在这个阶段进化不适合。）
一种不同的观点认为，原始语言以手势和哑剧为特征。在这种情况下，句法和社交交流将先于发声能力。手势假说的优势在于，我们最近的亲戚黑猩猩展现出手势（70多种）比叫声（4种及更多难以区分的亚型）更受控制和变化多样。该观点的弱点在于，不清楚语言为何或如何变得如此以语音为主。
另一些人则确信层级句法是最后出现的，他们提出了一种原始语言，带有象征性词语，但没有复杂、嵌套的句子。根据这种观点，我们前语言时代的祖先说话更像婴儿——“水！渴了！”——或者流行文化中的穴居人形象——“我打猛犸象。我想要性。”
这些模型并非相互排斥。一些研究人员将它们整合成连续的阶段，与不同的人科物种相关联。也许在 200 万到 400 万年前，像露西这样的南方古猿是技艺精湛的歌手。到 190 万年前，直立人将手势和富有表现力的发声结合到群体仪式中。而层级句法则在大约 20 万到 30 万年前，随着我们物种智人的出现才出现。
这一切听起来可能像是猜测（而且一些科学家也因此将其视为猜测，例如这篇评论或乔姆斯基在此处的引述）。但许多研究人员并不认同：关于语言进化的科学模型源于在比较生物学、神经科学、遗传学、语言学和古人类学中收集到的证据。这包括关于动物如何交流的数据、大脑和基因系统对语言的影响、考古记录中人造物品的复杂性以及保存在化石中的解剖结构和大脑大小的变化。最重要的是，这些模型为未来的研究做出了预测——如果这就是语言起源的真实过程，那么应该会发现什么。
