Языки могут чрезвычайно сильно отличаться друг от друга в плане слоговой организации[140]. Некоторые из них, в частности английский, имеют очень сложные слоговые структуры. У слова «strength» более одного согласного в обеих частях периферии. Согласный «s» должен бы идти после «t» в начале слова «strength», поскольку он более сонорный. То есть слово должно звучать как «tsrength». Оно не принимает такую форму, поскольку в английском исторически сложилось предпочтение в пользу «st», основанное на звуковых структурах более ранних этапов развития английского и других языков, которые на него влияли, а также на культурных особенностях. История и культура часто подавляют и нарушают фонетическую организацию слогов, которая, если бы не их влияние, была бы чисто фонетической.

Перцептивная и артикуляционная организация слога естественным образом формирует дуализм структуры в языке. Организуя звуки таким образом, чтобы их легче было воспринимать, языки получают эту структуру в качестве довеска. Периферия и ядро в слоге — элементы горизонтальной организации слога, а звуки, которые могут попадать на периферию или в ядро, — заполнители. А это значит, что слог мог бы быть своеобразным ключом к грамматике и более сложным языкам. Повторим, что слог основан на простой идее: соединим звуки таким образом, чтобы их было проще расслышать и запомнить. Вероятно, Homo erectus пользовался слогами, поскольку они решают проблемы, связанные с ограниченностью нашей кратковременной памяти, а также облегчают восприятие речи на слух. Если это верно, то выходит, что эректусы получили грамматику практически на блюдечке, как только начали использовать слоги. Конечно, возможно и такое, что слоги появились в ходе эволюции языка позже, чем, скажем, предложения, но любой тип звуковой организации, будь то фонемы Homo sapiens или иные звуки эректусов или неандертальцев, привел бы к появлению более мощной формы организации языка и переходу от обычных символов к созданию грамматики. Таким образом, само появление речи стало бы стимулом для синтагматической и парадигматической организации синтаксиса, морфологии и других компонентов языка. В действительности специалисты утверждают, что слоги есть и у других животных, например у тамаринов. Что бы там ни умели делать тамарины, можно ручаться, что эректусы делали это лучше них. Если бы у тамаринов был более развитый мозг, то они, возможно, сейчас уже изобретали бы язык.

Если все перечисленное верно, то двойное членение в сочетании с жестами и интонацией является основополагающим организационным принципом языка. Когда эти элементы уже появились, следует ожидать, что в языках начнет применяться иерархическая организация, которую специалисты по теории вычислительных систем и психологи считают крайне полезной для передачи и хранения сложной информации.

Фонология, как и другие формы человеческого поведения, ограничивается возможностями памяти и выражения: чем больше в языке компонентов, тем меньше может быть неоднозначность передаваемых сообщений, но тем больше нужно изучить и запомнить. Поэтому на языке, в котором 300 речевых звуков, можно было бы продуцировать менее неоднозначные выражения, чем на языке с пятью звуками. Но за это пришлось бы расплачиваться тем, что язык стало бы сложнее изучить. Фонология организует звуки так, чтобы их было проще воспринимать, прибавляя несколько местных культурных модификаций, являющихся предпочтительными для конкретного сообщества (как в английском: «strength» вместо «tsrength»). Тут мы опять приходим к совместной эволюции речевого и слухового аппаратов. Именно отношениями между ушами и ртом человека объясняется то, какие звуки мы встречаем во всех человеческих языках. Именно это отличало бы звучание человеческой речи от речи, например, гипотетического марсианина.

Конечно, речевой аппарат людей интересен, прежде всего, тем, что ни одна из его частей — за исключением разве что общей формы — не является специализированным речевым органом. Как мы уже выяснили ранее, голосовой аппарат состоит из трех основных компонентов: движущихся частей (артикуляторов), неподвижных частей (точек артикуляции) и частей, генерирующих поток воздуха. Необходимо отметить еще раз тот факт, что эволюция голосового аппарата под задачи речи с высокой вероятностью происходила уже после появления языка. Хотя язык может существовать без развитых речевых способностей (многие современные языки могут использовать свист, мычание или жесты), речи без языка быть не может. У неандертальцев не было таких речевых способностей, какие есть у сапиенсов. Но у них наверняка мог быть вполне работоспособный язык и без голосового аппарата, как у сапиенсов. Для речи неандертальца неспособность произнести /i/, /а/ и /u/ (по крайней мере, согласно Филипу Либерману) представляла бы некоторое ограничение, но эти «кардинальные» или «квантальные» гласные не являются ни необходимым, ни достаточным условием существования языка (не необходимым, поскольку нам известны языки жестов; не достаточным, поскольку их могут произносить попугаи).

Как мы уже упоминали, речь улучшается, когда слух эволюционирует совместно с речевым аппаратом. Это значит, что уши и рот просто эволюционировали в паре. Следовательно, у людей лучше и лучше получалось слышать те звуки, которые мог произнести их рот, и выговаривать те звуки, которые им было проще расслышать.

Отдельные звуки речи (фонемы) производятся артикуляторами: преимущественно языком и губами, касающимися или приближающимися к точкам артикуляции: альвеолярной дуге, зубам, нёбу, губам и т. д. Некоторые из этих звуков громче других, поскольку они в меньшей мере препятствуют потоку воздуха, выходящему изо рта (или, во многих случаях, из носа). Это гласные. При произнесении гласных никогда не происходит прямого контакта между артикулятором и точкой артикуляции. Другие звуки полностью или частично препятствуют прохождению потока воздуха через рот. Это согласные. С помощью согласных и гласных поток звуков, производимых говорящим, можно организовать таким образом, чтобы добиться максимальной информационной насыщенности (согласные обычно передают больше информации, чем гласные, поскольку их число больше) и четкости восприятия (согласные легче воспринимать в разных положениях в потоке речи, например когда они непосредственно предшествуют гласным или следуют за ними в начале или в конце слова). Гласные и согласные, поскольку речь у нас не цифровая, а представляет из себя скорее непрерывный поток артикуляционных движений, «ассимилируются» друг с другом, становятся в некоторых контекстах более похожими, хотя контексты эти в зависимости от языка могут различаться. Когда носитель английского языка произносит слово «clock», звук «k» на конце этого слова произносится немного дальше, чем, например, в слове «click». Так происходит потому, что гласный «о» расположен дальше, чем гласный «i», который артикулируется ближе к зубам. В этих случаях гласный «подтягивает» согласный к собственному месту артикуляции. Дополнительные модификации звуков улучшают восприятие речи. Еще один пример — это придыхание, дуновение воздуха, происходящее при произнесении звука. Или озвончение — то, что происходит, когда голосовые связки вибрируют при извлечении звука. Силлабическая (слоговая) структура — еще одна модификация, происходящая, когда слоги произносятся по-разному в разных позициях. Это заметно, например, при произнесении «l», когда звук находится в конце слога, как в слове «bull», в отличие от «l», произносимого в начале слога, как в слове «leaf». Придыхание можно увидеть. Для этого поместите лист бумаги в двух-трех сантиметрах от своего рта и произнесите слово «paper». Вы заметите, что бумага двигается. Теперь сделаем то же самое со словом «spa». На звуке «р» в слове «spa» бумага двигаться не будет, если английский — родной язык говорящего.