Каким должен быть набор гласных и согласных, интонаций и жестов, чтобы язык обладал достаточной «емкостью» для передачи всех возможных значений? Язык можно представлять по-разному. Один из вариантов — сопоставление значений с формами и знаниями так, чтобы слушающие могли понимать говорящих.

Если бы удалось достоверно установить, что Homo erectus и Homo neanderthalensis были неспособны продуцировать весь набор звуков, доступных анатомически современному человеку, значило бы это, что у них не могло быть языков, настолько же богатых, как у сапиенсов? Трудно сказать. У сапиенсов речь почти наверняка лучше, чем у эректусов и прочих гоминин. Обладание современным речевым аппаратом дает неисчислимые преимущества. Он делает речь более удобной для понимания. Но «тюнингованный» голосовой тракт сапиенсов не является обязательным условием ни для речи, ни для языка. Он просто очень-очень полезен. Это как иметь дом на колесах и мощный пикап 4×4 вместо фургона, запряженного парой мулов.

В действительности на примере компьютеров мы видим, что язык вполне может обойтись всего лишь двумя символами: 0 и 1. Все компьютеры сообщаются посредством двух символов: «ток вкл.» — 1, «ток выкл.» — 0. Все романы, трактаты, докторские диссертации, любовные письма и все прочее в мировой истории можно перевести в последовательность 0 и 1, хоть и с определенными недостатками, например отсутствием жестов, интонаций и информации об особых аспектах предложений. Так что если эректусы могли произносить лишь несколько звуков, более-менее единообразно, то уже были бы в деле, прямо как сапиенсы. Именно поэтому лингвисты различают язык и речь. Вполне вероятно, что сапиенсы говорят отчетливее, используют звуки, которые легче услышать. Но это означает лишь то, что эректусы, образно говоря, пользовались языком, подобным первому «Форду». А сапиенсы — «Тесле». Но и «Форд», и «Тесла» — автомобили. Первый «Форд» — не «протоавтомобиль».

Хоть это и сложно восстановить на основании палеонтологической летописи, голосовой тракт человека, как и мозг, тоже прошел большой эволюционный путь от первых гоминид до современных сапиенсов. Но чтобы рассказать эту часть истории, нужно немного сдать назад и поговорить о звуках, которые используют в своих языках современные люди. Это конечная точка эволюции и начальная точка для любого обсуждения звуков современной человеческой речи. Вопросы эволюции, лежащие в основании всех полевых лингвистических исследований, следующие: как люди пришли к тому набору звуков, который мы наблюдаем в современных языках, и что это за звуки?

Все звуки, производимые человеческим голосовым аппаратом, состоят из одних и тех же компонентов.

Техническая классификация каждого звука речи говорит нам о том, как он артикулируется. Согласный [p] называется так: «глухой губно-губной смычный с эгрессивной пульмонической инициацией». Это длинное, но исключительно полезное описание речевого звука означает, что, например, второй звук в слове «spa» произносится при расслаблении голосовых связок таким образом, чтобы они не вибрировали. Поэтому звук «глухой». (Звук [b] произносится в точности как [p], но в случае с [b] голосовые связки — также называемые голосовыми складками — напряжены и вибрируют, в результате чего звук [b] становится «звонким».) Выражение «эгрессивная пульмоническая инициация» означает, что воздух выходит через рот или нос (или и то и другое), а источником воздуха являются легкие. Такое уточнение необходимо, поскольку не все звуки речи используют воздух из легких. Термин «смычный» означает, что поток воздуха блокируется полностью, хотя и всего на мгновение. Термин «губно-губной» указывает на одновременное действие верхней и нижней губы. В сочетании с термином «смычный» «губно-губной» означает, что поток воздуха полностью блокируется губами. Если произнести гипотетическое слово [apa], держа при этом указательный палец на «адамовом яблоке» (на самом деле это ваша гортань), то можно почувствовать, как вибрация голосовых связок пропадает при переходе от звука [a] к звуку [p], а потом снова появляется на втором [a]. А если повторить ту же процедуру для гипотетического слова [aba], голосовые связки будут вибрировать постоянно, на всех трех звуках [а], [b] и [а], то есть на протяжении всего слова.

Хотя в более чем 7000 языках мира существуют сотни звуков, все они называются и классифицируются согласно приведенной нами процедуре. Но что еще важнее, этих простых процедур, использующих части тела, которые эволюционировали независимо от языка (зубы, язык, гортань, легкие, носовую полость), достаточно для того, чтобы произнести все, что вообще можно сказать на любом из языков, существующих на планете. Ну не здорово ли?

Конечно, люди могут обойтись без устной речи и общаться с помощью языка жестов или письменно. Способы коммуникации у человека, будь то письменность, язык жестов или разговорный язык, задействуют один или оба из различных каналов — слухо-произносительный или мануально-визуальный. В современных человеческих языках постоянно используется оба канала. Это важно для человеческого языка, в котором жесты, грамматика и значение соединяются в каждом высказывании. Конечно, язык может проявляться иначе. Люди могут общаться с помощью цветных флажков, дымовых сигналов, азбуки Морзе, печатных букв, куриных внутренностей и других визуальных средств. Но, как ни странно, никто не ожидает, что удастся обнаружить сообщество людей, которые общались бы исключительно посредством письменности или дымовых сигналов. Разве что у них у всех был бы какой-то общий физический порок или всему сообществу нужно было постоянно взаимодействовать с кем-то, у кого есть такой порок.

Тут стоит задаться вопросом: есть ли в человеческой речи что-то особенное, или же она просто состоит из удобных для произношения шумов?[126] Другие звуки для общения работали бы так же?

Как отмечает Филип Либерман, одной из альтернатив человеческой речи является азбука Морзе[127]. Самый подготовленный оператор может добиться скорости примерно 50 слов в минуту. Это примерно 250 букв в минуту. Однако операторам при работе на такой скорости нужно часто отдыхать, кроме того, им крайне сложно запомнить то, что они передают. А страдающий похмельем студент без особого труда воспринимает лекцию на скорости 150 слов в минуту! Мы можем говорить со скоростью около 25 звуков в секунду.

Речь также структурирует произносимые нами звуки. Слог — это основной структурный элемент в потоке речи. Слоги используются для организации фонем в группы, следующие друг за другом в определенном порядке, который прослеживается во всех языках мира[128]. Наиболее распространенные варианты группировки следующие: Согласный (C) + Гласный (Г); C+C+Г; C+Г+С; C+C+C+Г+C+C+C и т. д. (три согласных с каждой стороны от гласного — как правило, самый длинный вариант слога, наблюдаемый в известных языках мира). В английском есть примеры такой слоговой структуры, например слово strength, s-t-r-e-n-g-th, где звуки сгруппированы как C+C+C+r+C+C+C (сочетание букв «th» отображает один звук). Но, что интересно, в большинстве языков схема С+Г является либо единственным, либо наиболее распространенным вариантом слога. Благодаря организационной и мнемонической помощи слогов, эволюции нашей нервной системы и суждениям о сочетаемости звуков, сформированным на основе продолжительного воздействия нашего родного языка, мы можем разбирать звуки нашей речи и слова намного быстрее любых других звуков.