در ابتدا کلمه بود و اما کلمه… کلمه چه بود؟ از زمان کتب مقدس، منشأ زبان انسان همواره یک معما بوده است. با این همه می‌دانیم زبان یکی از اندک خصیصه‌هایی است که بشر را از حیوانات متمایز می‌سازد. حتی در میان صدها گونه پریمات دیگر، هیچ یک سیستم ارتباطی نزدیک به نوع انسان از نظر طیف بیان و انعطاف‌پذیری ندارد. بهترین دستاوردهای ما، شامل هر آن چه در اطراف خود می‌بینیم، بدون زبان امکان‌پذیر نمی‌شد. متاسفانه این فصل از سرگذشت ما با جوهر نامرئی نوشته شده است. اسناد باستان‌شناسی تنها تا چندین هزار سال قبل که نوشتن شروع شد، شواهدی از زبان ارائه می‌دهند. این باعث شده بحث‌هایی پیش بیاید مبنی بر این که جستجو در مورد منشا زبان کاری بیهوده است. در سال ۱۸۹۶، مجمع زبان پاریس حتی بحث در مورد این موضوع را ممنوع اعلام کرد. این پیش‌داوری تقریباً ۱۰۰ سال میان دانشمندان ادامه داشت.
خوشبختانه، نظریه‌پردازان مدرن تکامل را به‌سادگی نمی‌توان از این امر بر حذر داشت. سرانجام در طرحی مبتنی بر ترکیب یافته‌های باستان‌شناسی، انسان‌شناسی، علم زبان و علوم شناختی، شروع به ردیابی این موضوع کرده‌ایم: چرا و چه زمانی متوجه صدای خود شدیم؟ ایده‌ی پشت این طرح، می‌تواند نه تنها یکی بلکه دو معمای دیرپا در حوزه‌ی تمدن بشر را حل کند. خب اول زمان را در نظر بگیریم. در عین فقدان شواهد محکم در این باره، برخی محققان ادعا می‌کنند زبان ۴۰ هزار سال پیش، مقارن با طغیان خلاقیت در نقاشی‌‌های غارها و فرهنگ نمادین، به سرعت پدیدار شد. موارد مذکور نشان دهنده‌ی تفکر انتزاعی هستند که لازمه‌ی زبان است. اگرچه این توضیح هرگز تماماً قانع‌کننده نبوده است؛ تا این زمان بشر مهاجرت نموده و در گروه‌هایی جداگانه متفرق شده بود. پس با این توضیح، باید یک تغییر شناختی همزمان ذر تمامی جمعیت‌ها در سراسر کره‌ی خاکی رخ داده باشد! اما شواهد موجود در مورد تکامل آن دسته از تغییرات آناتومیکی کلیدی که به ما قابلیت سخن گفتن بخشیده‌اند، شک چندانی باقی نمی‌گذارند که زبان ریشه‌هایی بسیار عمیق‌تر از آن دارد.
برای شروع، سایر بوزینه‌های بزرگ، کیسه‌ها‌ی هوایی بزرگی در گلویشان دارند. این کیسه‌ها به آنها کمک می‌کنند با غرش‌های مهیب رقیبان‌شان را بترسانند؛ اما از ایجاد آواهای متمایزی که برای گفتار انسانی ضروری محسوب می‌شوند –طبق شبیه‌سازی‌های صوتی صورت گرفته توسط Bart de Boer در دانشگاه بروسل در بلژیک- ممانعت می‌کنند. اجداد اولیه‌ی ما هم، چنین کیسه‌هایی داشتند؛ اما در هومو هیدلبرگنسیس ملقب به انسان هایدلبرگی وجود نداشت. انسان هایدلبرگی جد مشترک نئاندرتال‌ها و بشر مدرن امروزی است که ۷۰۰ هزار سال پیش تکامل یافته است. همچنین هم نئاندرتال‌ها و هم انسان‌ها تعداد زیادی مسیر عصبی دارند که از طریق نخاع به دیافراگم و عضلات مابین دنده‌ها طی مسیر می‌کنند. این مسیرهای عصبی کنترل تنفسی ظریفی را که لازمه‌ی آواسازی دقیق است، تأمین می‌کنند. به‌علاوه، در هر دو گونه تغییراتی شاخص در بخشی از گوش داخلی یافت می‌شود. بخش مذکور حساسیت زیاد نسبت به فرکانس‌های صوتی محدوه‌ی شنوایی انسان را تأمین می‌کند. این امر در واقع، انطباقی ضروری محسوب می‌شود که در سایه‌ی آن با تغییرات ظریف در سخن، می‌توان معانی مختلفی را منتقل کرد.
از طرف دیگر، ژن FOXP2 وجود دارد که شکل‌پذیری و سیم‌کشی مغز در نواحی کنترل‌کننده‌ی گفتار را تحت تأثیر قرار می‌دهد. این قابلیت بین پستانداران مختص انسان نیست؛ اما ما نسخه‌ای از آن را در اختیار داریم که اجرای حرکات ظریف صورت و دهان برای گفتار منسجم را امکان‌پذیر می‌کند. نئاندرتال‌ها نسخه‌ی بسیار مشابه این نسخه را دارند که نشان می‌دهد آنها هم قادر به آواسازی پیچیده هستند.
بر اساس این یافته‌ها، de Boer و سایرین اکنون متقاعد شده‌اند که چنین گفتاری حداقل ۴۰۰ هزار سال پیش، زمانی که انسان‌ها و نئاندرتال‌ها از هم منشعب شدند، پدیدار گشته است. حتی احتمالاً صدها هزار سال قبل از آن، زمانی که اجداد ما برای اولین بار شروع به اجرای رفتارهای پیچیده در قالب همکاری نمودند، آغاز شده است؛ احتمالاً دو میلیون سال پیش یا پیشتر که افراد از ابزارهای سنگی برای شکار استفاده می‌کردند. به گفته‌ی Dan Dediu از دانشگاه لیون فرانسه، زبان و گفتار برخاسته از ترکیب پیچیده‌ای از تاثیرات تدریجی فیزیکی، اجتماعی و فرهنگی هستند.
ما قصد داریم درجات زبان و گفتار را تا زمان هومو ارکتوس -انسان راست‌قامت- پیدا کنیم. توانمندی ابزارسازی و شکار هومو ارکتوس، به نوعی نشان از یک سیستم ارتباطی پیشرفته است.
Stephen Levinson از موسسه‌ی روان‌شناسی زبان Max Planck در هلند
آواز خواندن و نشان گذاشتن
اثبات کردن این که دقیقاً چه چیزی ما را در طول این مسیر تکاملی به جلو راند، دشوارتر شده است. بسیاری از نظرات در سه حیطه هستند. اولین و بحث‌برانگیزترین حیطه مربوط به چارلز داروین می‌باشد. او معتقد است اجداد بشر طی تکامل از نوعی زبان اولیه‌ی موزیکال گذر کرده‌اند. آواهای این زبان همچون آواز پرنده معنای خاصی نداشتند؛ اما جنس نر از آنها برای جذب جفت استفاده می‌کرد. بر این مبنا، انعطاف صوتی ما برای اولین بار از طریق انتخاب جنسی و با رقابت نرها بر سر ایجاد صداهای پیچیده‌تر پدیدار شد. بعدها با رشد هوش بشری، این صداها با معانی خاصی مرتبط گشتند.
داروین همچنین اشاره نمود که گروهی دیگر از پریمات‌ها -گیبون‌ها- برای جذب جفت آواز می‌خوانند. علم مدرن نیز حاکی از ارتباطی ابتدائی میان زبان و موسیقی در نوع بشر است. به عنوان مثال، اسکن‌های مغزی نشان می‌دهند شبکه‌های نورونی پردازش کننده‌ی زبان و موسیقی با هم اشتراک دارند. اما شواهد مبتنی بر این که زبان و موسیقی طی انتخاب جنسی ایجاد شده‌اند، ضعیف هستند؛ چرا که در این صورت انتظار می‌رود شاهد تفاوت‌های جنسی زیادی در این قابلیت‌ها باشیم. هرچند احتمالات دیگری نیز مطرح است. شاید نیروی جلوبرنده خودنمایی جنس نر نبوده؛ بلکه هم‌‌آوازی جفت‌ها یا حتی آواز خواندن والدین برای آرام کردن نوزادان بوده است.
با این وجود، بسیاری از محققان این استدلال‌ها را قبول ندارند. در مقابل ادعا می‌کنند نوعی زبان اشاره‌ی ابتدایی به عنوان اولین زبان در کار بوده است که طی آن با حرکات دست، ارتباط برقرار می‌شد. این ایده به بسیاری از دلایل جذاب به نظر می‌رسد. شاید با این نظریه بتوان توضیح داد چرا تمامی انسان‌هت حتی نابینایان، حین صحبت دستان خود را حرکت می‌دهند؛ حتی بدون این که متوجه شوند این کار را انجام می‌دهند. به طور مشابه، پدیدار شدن خودبخودی زبانهای اشاره میان گروه‌های مبتلا به اختلالات گفتاری و شنوایی، نشان از غریزه‌ی ما در استفاده از دستان به هنگام عدم امکان استفاده از صداست.
Levinsonis یکی از طرفداران این نظریه است و اشاره می‌کند که هومو رکتوس، علی‌رغم کم داشتن تغییرات آناتومیکی گونه‌های بعدی، می‌توانسته از حرکات و اشارات برای هماهنگ کردن فعالیت‌های شکار استفاده کند. پریمات‌های غیر از انسان می‌توانند با دست‌هایشان به طرز بسیار ماهرانه‌ای عمل کنند. برخی در مقوله‌ی فکری-گفتاری، یاد گرفته‌اند با استفاده از علامت‌های پیچیده ارتباط برقرار کنند؛ اما یادگیری ایجاد صداهای خاص برایشان دشوار به نظر می‌رسد. از این رو احتمالاً در ابتدای تکامل زبان، حرکات و اشارات بدنی، ابزاری به نسبت ساده‌تر برای برقراری ارتباط بوده است. می‌توان گفت این امر مغزهای ما را برای برخی چالش‌های زبان اعم از توانایی مرتبط ساختن نمادها با معنا، آماده کرده است.
با وجود این دلایل قانع‌کننده، با نظریه‌ی زبان ابتدائی مبتنی بر حرکات و اشاره نمی‌توان توضیح داد پس چرا نحوهی برقراری ارتباط را به زبان صوتی اولیه تغییر دادیم. این سوال ما را به نظریه‌ی سوم نزدیک می‌کند: این که نخستین زبان بر مبنای اونوماتوپی یا صداواژه‌ها پدید آمد. به این معنا که صدای چیزهای مختلف را تقلید کردیم. احتمالاً این نظریه، قابل فهم‌تر از موارد قبلی است. حتی کودکان هم برای اشاره کردن به اسب یا گرگ، صدای شیهه یا زوزه را تقلید می‌کنند. با این حال در گذر تاریخ، این نظریه بر اساس برخی مسائل غیر قابل حل شکست خورده است. اول این که نظریه‌ی مورد بحث به مهارت تقلید صدا نیاز دارد. حال آن که اجداد اولیه‌ی ما فاقد تطابق‌های نورونی و آناتومیکی لازم برای کنترل آواسازی بودند. اگرچه امروزه مشخص شده که پریمات‌های غیر از انسان، قابلیت کنترل تنفس و انعطاف‌پذیری صوتی بیشتری از آنچه فکر می‌کردیم، دارند. به عنوان مثال برخی اورانگوتان‌ها می‌توانند سوت زدن را یاد بگیرند و صداهایی در یک تون خاص را تقلید کنند. این نشان می‌دهد اجداد اولیه‌ی ما احتمالاً علی‌رغم فقدان تغییرات آناتومیکی زیاد، قادر به تقلید ناشیانه‌ی صدا بودند.
صداهای معنی‌دار
دومین ایراد وارده آن است که اونوماتوپی برای تشکیل دادن اساس زبان اولیه، بسیار محدود است. اجداد ما چگونه می‌توانستند مفاهیم صامتی همچون یک ابزار یا گیاه خاص یا مفهومی انتزاعی‌تر مانند مسیر رسیدن به رودخانه را با این روش منتقل کنند؟ برای مطرح کردن حیوان ساکتی مانند خرگوش از چه صدایی استفاده می‌کردند؟ در مقایسه با این حالت، حرکات دست می‌توانند شکل خرگوش یا نحوهی حرکت آن را نشان دهند؛ استدلالی دیگر برای این که زبان بدن و اشاره زودتر از گفتار پدید آمده است.
اما مطالعه‌ی اخیر نشان می‌دهد تقلید آوایی در این زمینه انطباق‌پذیرتر از آن است که احتمالاً گمان می‌کنیم. Gary Lupyan از دانشگاه Wisconsin Madison و Marcus Perlman از دانشگاه Birmingham انگلستان، مسابقه‌ای ترتیب دادند که در آن شرکت‌کنندگان می‌باید طیفی از مفاهیم –مانند آشپز، جمع کردن، چاقو یا میوه- را با صداهایی ساختگی منتقل می‌کردند. سپس دانشمندان صداهای ضبط شده‌ی آنها را برای گروهی جدید پخش می‌کردند تا معانی را حدس بزنند. برخلاف انتظار، نتایج بهتر از تصور بود. این نتیجه بیانگر آن است که برخی اونوماتوپی‌های اختراعی، به عنوان مثال تقلید صدای برخورد هوا به برگ درخت، می‌تواند مفاهیمی فراتر از تصور را منتقل کند.
با در نظر گرفتن مزایا و معایب هر یک از این نظریه‌های زبان اولیه، شاید به نظر می‌رسد نتواند جواب بهتری نسبت به مجمع زبان پاریس در سال ۱۸۶۶ پیدا کنیم. اما آیا می‌توان گفت هر یک از این نظریه بخشی از حقیقت را تشکیل می‌دهند؟ با این همه، برخی از ۷۰۰۰ زبانی که امروزه با آنها صحبت می‌شود، مانند برخی زبانهای بومی استرالیا، مخلوطی از حرکات دست، آواز، صداواژه‌ها و کلمات هستند.
من حدس می‌زنم زبان‌ها همیشه به درجاتی چندمنظوره بوده‌اند.
Dan Dediu از دانشگاه لیون فرانسه
پس شاید به جای این که چند نظریه‌ی مطرح را رقیب هم بدانیم، باید با ترکیب آنها یک نظریه‌ی واحد در مورد منشا زبان بشری ایجاد کنیم. این دقیقاً همان کاری است که Jerome Lewis انسان‌شناس دانشگاه لندن پیشنهاد می‌کند.
Lewis مانند داروین باور دارد آواز خواندن اولین گام در استفاده از تارهای صوتی‌مان بوده است. اگرچه او به جای انتخاب جنسی، حفاظت را هدف این کار می‌داند. این ایده حاصل مطالعه‌ی او با مجامع Bayaka در آفریقای مرکزی است که افراد سعی می‌کنند تمام شب را برای حفاظت در برابر درندگان، آواز بخوانند. در هم پیچیدن صداهای آنها، در تون‌های مختلف، صدای کلی بلندتر و به طوربالقوه خطرناک‌تری برای حیوانات منطقه ایجاد می‌کرد. رفتاری مشابه در میان مردمان جنگل‌های آفریقای جنوبی و هند نیز وجود دارد.
Lewis مدعی است ما پس از فرود اجدادمان از درخت‌ها به سطح زمین، شروع به آواز خواندن کردیم:
درختان محیط بسیار امنی در برابر درندگان بزرگ فراهم می‌کردند. از زمانی که روی زمین هموار شروع به راه رفتن بر دو پا کردیم، در برابر گربه‌سانان درنده‌ی ترسناک آسیب‌پذیر شدیم.
اولین آوازها می‌بایست صدایی کاملاً متفاوت از آوازهای امروزی‌مان داشته باشند؛ اما بالاخره هم‌سرایی گروهی یک آواز هنوز هم می‌تواند حیوانات را ترسانده و از گروه‌های آسیب‌پذیر محافظت کند.
و البته این نوع آواسازی و تغییر تون صدا برای پنهان ساختن تعداد نفرات گروه، احتمالاً زبردستی لازم در سیر تکامل آواهای پیچیده و ادای کلمات را فراهم آورده است.
این به نوبه‌ی خود زمینه‌ی پیشرفت در تقلید صدا را ایجاد کرده که احتمالاً در شکار به کار می‌آمده است. شکارچیان امروزی اغلب برای کشاندن طعمه به سمت خود، صداهای جنگل را تقلید می‌کنند. آنها همچنین ضمن هماهنگ‌ساختن حرکات خود، از صداهایی مانند صدای پرنده برای مستقر ساختن اعضای گروه در جنگل استفاده می‌کنند. به کار بستن تقلید صدا در شکار نوعی مزیت تکاملی به اجداد ما بخشیده است. همچنین این نظریه را ثابت می‌کند که صدا می‌تواند معنایی در بطن داشته باشد. سپس افراد می‌توانستند حین تقلید حرکات شکار و تعریف کردن ماجراهای شکار مجددا از آن صداها استفاده کنند؛ حتی شاید برای آن که نحوهی شکار را به سایرین بیاموزند.
اجرای مجدد نقشی ضروری در انتقال دانش لازم برای شکار دارد.
در دیدگاه Lewis این نکته‌ی اصلی است. با شکل‌گیری ارتباط پانتومیمی، صداها و حرکات بدن سازمان‌یافته‌تر شده و نهایتاً لغت‌نامه‌ای مورد قبول، مانند زبانهای مشابه امروزی، میان صحبت‌کنندگان پدید آمد. شواهد قابل توجهی در حمایت از این مورد وجود دارند. در بررسی‌های آزمایشگاهی متعددی از شرکت‌کنندگان خواسته شده با استفاده از حرکات بدن و صداهای بالبداهه، ایده‌ها و نظریات را در ترتیبی متوالی به گروه بعدی منتقل کنند. چنانچه این مفاهیم از فردی به مفرد دیگر منتقل می‌گشت، افراد نظام‌مندتر می‌شدند. در واقع طی این فرآیند یادگیری نحوهی صحبت برای نفرات بعدی آسان‌تر می‌شد. چنان چه در جوامعی که افراد مبتلا به اختلالات شنوایی و گفتاری زبان اشاره یاد نگرفته‌اند، اشارات آنها از ساختارهای گرامری رسمی بی‌بهره است. اگرچه تنها طی چند نسل، قوانین استاندارد در این زمینه ایجاد شد.
