Такие модификации носители языка часто игнорируют при продуцировании речи, потому что они являются просто «дополнениями», а не частью извлекаемого звука. Поэтому носители английского, как правило, не замечают разницы между [p] в «spa» и [ph] в «paper», где индекс «h» после согласного указывает на придыхание. Но лингвисты проводят различие между этими звуками. Многие говорящие часто не знают об этих модификациях, и, чтобы научиться их различать, приходится прилагать усилия. Изучением фонетических характеристик звуков, без учета того, как их воспринимают и организуют говорящие, занимается фонетика. Изучение эмического знания говорящих, а также того, какие улучшения игнорируются носителями языка, какие звуки являются для них целевыми, — предмет фонологии.

Если говорить о фонологии, есть давняя научная традиция, разбивающая основные звуки, гласные и согласные, на группы по фонетическим признакам: [+/- звонкий] — «звонкий/глухой», [+/- корень языка поднят], как в упомянутом ранее примере со звуком /i/в слове «beet» и звуком /i/в слове «bit». Но исследование эволюции языка не пострадает от того, что исследователь решит проигнорировать подобные мелкие детали.

Продолжая двигаться вверх по фонологической иерархии, мы снова приходим к слогу «the», который вводит двойное членение в организацию звуков речи. Чтобы уточнить сказанное нами об этом слоге ранее, рассмотрим слоги на рис. 27.

Учитывая сказанное нами ранее о явлении сонорности, следует ожидать, что слог [sat] будет допустимым ceteris paribus[141], тогда как слог [lbad] — не будет, поскольку в последнем случае сложнее воспринимаются входящие в него звуки.

Следовательно, слог — это иерархическая, нерекурсивная структура речевых звуков. Он служит для улучшения восприятия фонем и часто выполняет функцию основного ритмического элемента языка. Опять-таки, с учетом исключительной полезности для восприятия речи, появление слогов могло начаться довольно рано, когда в языке формировалась связь между звуками и значениями. Они стали простым и удобным дополнением к речи, значительно улучшающим восприятие речевых звуков. Естественные ограничения слуховой и речевой систем человека должны были оказывать давление на говорящих, приводя к тому, что они быстро научились слышать и продуцировать слоги.

Однако после появления слогов, сегментов и других элементов фонологической иерархии они должны были пройти культурный отбор. Другими словами, они подвергались изменениям с учетом местных предпочтений, не учитывающих принцип простоты произношения или продуцирования. Такая переработка полезна для групповой идентификации, а также для восприятия звуков, стоящих в определенных позициях в словах. Поэтому иногда изменения мотивированы простотой восприятия или произношения, а в других случаях — культурными причинами, то есть для продуцирования звуков, идентифицирующих группу как источник этих звуков, поскольку представители определенной культуры могут предпочитать одни звуки другим, одни изменения другим и т. д. Набор звуков в конкретном языке также может ограничиваться культурой. Все это означает, что в ходе развития языка возникает ряд культурных предпочтений, в соответствии с которыми из всего спектра звуков, которые может производить и воспринимать человек, отбираются те звуки, которые характерны для конкретной культуры на определенном историческом этапе эволюции языка. После того как произошел такой отбор, предпочтительные звуки и структуры будут со временем изменяться под влиянием артикуляционного, слухового и культурного давления или контакта с другими языками.

Среди прочих элементов фонологической иерархии выделяют фонологические группы, то есть объединения слогов в фонологические слова или элементы, более крупные, чем слова. Такие группы или слова тоже являются формами сцепления, дающими опору рабочей памяти и способствующими более быстрой интерпретации передаваемой информации. Эта сегментация имеет дополнительную опору в виде жестов и интонации, которые еще больше подкрепляют восприятие и рабочую память. Таким образом, объединение более мелких языковых элементов (например, слогов) в более крупные (например, слоги, слова или группы) способствует коммуникации. Сами группы и слова объединяются в более крупные группировки, которые некоторые лингвисты называют «контурами» или «дыхательными группами», — это сочетания звуков, выделяемые на основе интонации или дыхания. Мы упоминали, что тон, громкость и продолжительность некоторых слов или групп можно использовать, чтобы разделять, например, новую и старую информацию — скажем, обсуждаемую в данный момент тему (старая информация) и комментарий по этой теме (новая информация). Также их можно использовать для сигнализации смысловых акцентов или других нюансов, которые говорящий хочет передать слушающему. Все эти варианты применения фонологии появляются постепенно в ходе эволюции от индексов к грамматике. И, вероятнее всего, каждый шаг на этом пути сопровождался жестами.

Такими маленькими шажками и была построена вся «фонологическая иерархия». Иерархия эта подразумевает, что большинство элементов звуковой структуры конкретного языка состоит из более мелких элементов. Другими словами, каждый элемент звука строится на более мелких компонентах в ходе естественных процессов, которые облегчают восприятие и продуцирование звуков в конкретном языке. Стандартный вид фонологической иерархии приведен на рис. 28.

Наши звуковые структуры ограничиваются еще двумя наборами факторов. Во-первых, средой. Звуковые структуры могут сильно зависеть от условий среды, в которой зародился язык: средние температуры, влажность, атмосферное давление и прочее. Эти взаимосвязи лингвисты не замечали на протяжении большей части истории языка, однако они достоверно установлены в ходе последних исследований. Таким образом, чтобы разобраться в эволюции конкретного языка, нужно иметь определенные сведения о породившей его культуре и об исходных экологических условиях его существования. Язык — это не остров.

Некоторые исследователи, обобщая приведенные тезисы, выдвигают предположение о том, что первые высказывания человека были «голофрастическими». Это означает, что первые попытки коммуникации были неструктурированными выражениями, которые не являлись ни словами, ни предложениями, а просто междометиями или восклицаниями. Если эректус использовал одно и то же выражение неоднократно, подразумевая, например, саблезубого тигра, как мог этот символ разложиться на более мелкие элементы? Жесты, функции которых частично пересекаются с интонацией, вносят определенный вклад в разложение крупных единиц на более мелкие составляющие, либо усиливая уже выделяющиеся части, либо подчеркивая, что те или иные части высказывания вторичны, но все же более важны, чем третичные части и т. д. Это могло работать примерно так: предположим, женщина-эректус заметила, что в ее сторону бежит большая кошка, и воскликнула: «Shamalamadingdong!»[142] Один из слогов в этом высказывании мог оказаться громче или выше тоном, чем другие. Если она испытывала определенные эмоции, это наверняка выразилось бы в жестах и тоне, что, намеренно или случайно, подчеркнуло бы определенные части высказывания. Возможно, это прозвучало бы как «SHAMAlamadingDONG!» или «ShamaLAMAdingdong», или «ShamalamaDINGdong», или «SHAMAlamaDINGdong» и т. д. Если ее жесты, громкость голоса, высота тона (высокая, низкая или средняя) совпали с определенными слогами, то их, вероятно, можно было начать различать как части слова или предложения, которое сперва казалось неразделимым.