Origen del habla

La palabra «lenguaje» deriva del latín lingua, que significa «lengua». Los fonetistas coinciden en que la lengua es el órgano más importante para articular el habla, seguida de los labios. Un lenguaje natural puede considerarse una forma particular de usar la lengua para expresar pensamientos.

La lengua humana tiene una forma inusual. En la mayoría de los mamíferos, es una estructura larga y plana que se encuentra principalmente dentro de la boca. Está unida en la parte posterior al hueso hioides , situado debajo del nivel oral en la faringe . En los humanos, la lengua tiene un contorno sagital (línea media) casi circular , y gran parte de ella se extiende verticalmente a lo largo de una faringe alargada , donde se une al hueso hioides en una posición más baja. En parte como resultado de esto, los tubos horizontal (dentro de la boca) y vertical (hacia abajo de la garganta) que forman el tracto vocal supralaríngeo (TSV) tienen casi la misma longitud (mientras que en otras especies, la sección vertical es más corta). A medida que los humanos mueven la mandíbula hacia arriba y hacia abajo, la lengua puede variar el área de la sección transversal de cada tubo de forma independiente en una proporción aproximada de 10:1, alterando así las frecuencias de los formantes. El hecho de que los tubos estén unidos en ángulo recto permite la pronunciación de las vocales [i], [u] y [a] , algo que los primates no humanos no pueden hacer. ^{[ 19 ]} Incluso cuando no se realiza con especial precisión, en los humanos la gimnasia articulatoria necesaria para distinguir estas vocales produce resultados acústicos consistentes y distintivos, lo que ilustra la naturaleza cuántica (todo o nada) de los sonidos del habla humana. ^{[ 20 ]} Puede que no sea coincidencia que [i], [u] y [a] sean las vocales más comunes en las lenguas del mundo. ^{[ 21 ]} Las lenguas humanas son mucho más cortas y delgadas que las de otros mamíferos y están compuestas por una gran cantidad de músculos, lo que ayuda a dar forma a una variedad de sonidos dentro de la cavidad oral. La diversidad de la producción de sonido también aumenta con la capacidad del ser humano para abrir y cerrar las vías respiratorias, permitiendo que diferentes cantidades de aire salgan por la nariz. Los movimientos motores finos asociados con la lengua y las vías respiratorias hacen que los humanos sean más capaces de producir una amplia gama de formas intrincadas para producir sonidos a diferentes ritmos e intensidades. ^{[ 22 ]}

En los humanos, los labios son importantes para la producción de oclusivas y fricativas , además de las vocales . Sin embargo, nada sugiere que los labios evolucionaron por esas razones. Durante la evolución de los primates , un cambio de la actividad nocturna a la diurna en los tarseros , monos y simios (los haplorrinos ) trajo consigo una mayor dependencia de la visión a expensas del olfato . Como resultado, el hocico se redujo y el rinario o "nariz húmeda" desapareció. En consecuencia, los músculos de la cara y los labios se volvieron menos restringidos, lo que permitió su cooptación para servir a propósitos de expresión facial. Los labios también se volvieron más gruesos y la cavidad oral oculta detrás se redujo. ^{[ 22 ]} Por lo tanto, según Ann MacLarnon, "la evolución de labios móviles y musculares, tan importantes para el habla humana, fue el resultado exaptativo de la evolución de la diurnidad y la comunicación visual en el ancestro común de los haplorrinos". ^{[ 23 ]} No está claro si los labios humanos han experimentado una adaptación más reciente a los requisitos específicos del habla.

En comparación con los primates no humanos, los humanos tienen un control de la respiración significativamente mejorado, lo que permite prolongar las exhalaciones y acortar las inhalaciones mientras hablamos. Mientras hablamos, los músculos intercostales y abdominales internos se activan para expandir el tórax e introducir aire en los pulmones, y posteriormente para controlar la liberación de aire a medida que los pulmones se desinflan. Los músculos implicados están notablemente más inervados en los humanos que en los primates no humanos. ^{[ 24 ]} La evidencia de homininos fósiles sugiere que el ensanchamiento necesario del canal vertebral , y por lo tanto de las dimensiones de la médula espinal , puede no haber ocurrido en Australopithecus o Homo erectus , pero sí estuvo presente en los neandertales y los primeros humanos modernos . ^{[ 25 ] [ 26 ]}

La laringe o caja de la voz es un órgano en el cuello que alberga las cuerdas vocales , responsables de la fonación . En los humanos, la laringe está descendida, es decir, se encuentra en una posición más baja que en otros primates. Esto se debe a que la evolución de los humanos a una posición erguida desplazó la cabeza directamente sobre la médula espinal, forzando todo lo demás hacia abajo. El reposicionamiento de la laringe dio como resultado una cavidad más larga llamada faringe, responsable de aumentar el rango y la claridad del sonido producido. Otros primates casi no tienen faringe; por lo tanto, su potencia vocal es significativamente menor. ^{[ 22 ]} Los humanos no son únicos en este aspecto: las cabras, los perros, los cerdos y los tamarinos bajan la laringe temporalmente para emitir fuertes llamadas. ^{[ 27 ]} Varias especies de ciervos tienen la laringe permanentemente baja, y los machos pueden bajarla aún más durante sus exhibiciones de rugido . ^{[ 28 ]} Los leones, los jaguares, los guepardos y los gatos domésticos también hacen esto. ^{[ 29 ]} Sin embargo, el descenso laríngeo en los no humanos (según Philip Lieberman ) no va acompañado del descenso del hioides; por lo tanto, la lengua permanece horizontal en la cavidad oral, impidiendo que actúe como articulador faríngeo. ^{[ 30 ]}

A pesar de todo esto, los investigadores siguen divididos sobre cuán "especial" es realmente el tracto vocal humano. Se ha demostrado que la laringe desciende en cierta medida durante el desarrollo de los chimpancés, seguida del descenso del hioides. ^{[ 31 ]} En contraposición a esto, Philip Lieberman señala que solo los humanos han desarrollado un descenso laríngeo permanente y sustancial en asociación con el descenso del hioides, lo que resulta en una lengua curvada y un tracto vocal de dos tubos con proporciones 1:1. De manera única en el caso humano, el simple contacto entre la epiglotis y el velo del paladar ya no es posible, lo que interrumpe la separación normal de los mamíferos entre los tractos respiratorio y digestivo durante la deglución. Dado que esto implica costos sustanciales —aumentando el riesgo de atragantarse al tragar alimentos— nos vemos obligados a preguntarnos qué beneficios podrían haber compensado esos costos. Algunos afirman que el beneficio claro debe haber sido el habla, pero otros lo refutan. Una objeción es que los humanos, de hecho, no corren un riesgo grave de atragantarse con la comida: las estadísticas médicas indican que los accidentes de este tipo son extremadamente raros. ^{[ 32 ]} Otra objeción es que, según la mayoría de los estudiosos, el habla tal como la conocemos surgió relativamente tarde en la evolución humana, aproximadamente al mismo tiempo que el surgimiento del Homo sapiens. ^{[ 33 ]} Un desarrollo tan complejo como la reconfiguración del tracto vocal humano habría requerido mucho más tiempo, lo que implica una fecha de origen temprana. Esta discrepancia en las escalas temporales socava la idea de que la flexibilidad vocal humana fue impulsada inicialmente por presiones selectivas para el habla.

Al menos un orangután ha demostrado la capacidad de controlar la laringe. ^{[ 34 ]}

Bajar la laringe implica aumentar la longitud del tracto vocal, lo que a su vez reduce las frecuencias de los formantes , haciendo que la voz suene más grave y dando una impresión de mayor tamaño. John Ohala argumentó que la función de la laringe baja en los humanos, especialmente en los varones, probablemente sea mejorar las exhibiciones de amenaza más que el habla en sí. ^{[ 35 ]} Ohala señaló que si la laringe baja fuera una adaptación para el habla, cabría esperar que los varones adultos estuvieran mejor adaptados en este aspecto que las mujeres adultas, cuya laringe es considerablemente menos baja. De hecho, las mujeres invariablemente superan a los varones en las pruebas verbales, refutando toda esta línea de razonamiento. William Tecumseh Fitch argumenta asimismo que esta fue la ventaja selectiva original del descenso laríngeo en los humanos. Aunque, según Fitch, el descenso inicial de la laringe en los humanos no tuvo nada que ver con el habla, el mayor rango de posibles patrones de formantes fue posteriormente aprovechado para el habla. La exageración del tamaño sigue siendo la única función del descenso laríngeo extremo observado en los ciervos machos. De acuerdo con la hipótesis de la exageración del tamaño, en los humanos se produce un segundo descenso de la laringe en la pubertad, aunque solo en los varones. En respuesta a la objeción de que la laringe desciende en las mujeres, Fitch sugiere que las madres que vocalizan para proteger a sus bebés también se habrían beneficiado de esta capacidad. ^{[ 36 ]}

La mayoría de los especialistas atribuyen a los neandertales habilidades del habla no radicalmente diferentes a las del Homo sapiens moderno . Un argumento indirecto es que sus tácticas de fabricación de herramientas y caza habrían sido difíciles de aprender o ejecutar sin algún tipo de lenguaje. ^{[ 37 ]} Una reciente extracción de ADN de huesos neandertales indica que los neandertales tenían la misma versión del gen FOXP2 que los humanos modernos. Este gen, descrito erróneamente como el "gen de la gramática", desempeña un papel en el control de los movimientos orofaciales que (en los humanos modernos) están involucrados en el habla. ^{[ 38 ]}

Durante la década de 1970, se creía ampliamente que los neandertales carecían de capacidades de habla modernas. ^{[ 39 ]} Se afirmaba que poseían un hueso hioides tan arriba en el tracto vocal que impedía la posibilidad de producir ciertos sonidos vocálicos.

El hueso hioides está presente en muchos mamíferos. Permite una amplia gama de movimientos de la lengua, la faringe y la laringe al sostener estas estructuras una junto a la otra para producir variación. ^{[ 40 ]} Ahora se reconoce que su posición más baja no es exclusiva de Homo sapiens , mientras que su relevancia para la flexibilidad vocal puede haber sido exagerada: aunque los hombres tienen una laringe más baja, no producen una gama de sonidos más amplia que las mujeres o los bebés de dos años. No hay evidencia de que la posición de la laringe de los neandertales impidiera la gama de sonidos vocálicos que podían producir. ^{[ 41 ]} El descubrimiento de un hueso hioides de aspecto moderno de un hombre neandertal en la cueva de Kebara en Israel llevó a sus descubridores a argumentar que los neandertales tenían una laringe descendida y, por lo tanto, capacidades de habla similares a las humanas . ^{[ 42 ] [ 43 ]} Sin embargo, otros investigadores han afirmado que la morfología del hioides no es indicativa de la posición de la laringe. ^{[ 6 ]} Es necesario tener en cuenta la base del cráneo , la mandíbula , las vértebras cervicales y un plano de referencia craneal. ^{[ 44 ] [ 45 ]}

La morfología del oído externo y medio de los homininos del Pleistoceno Medio de Atapuerca , España, considerados proto-neandertales, sugiere que tenían una sensibilidad auditiva similar a la de los humanos modernos y muy diferente a la de los chimpancés. Probablemente eran capaces de diferenciar entre muchos sonidos del habla distintos. ^{[ 46 ]}

Según una escuela influyente, ^{[ 50 ] [ 51 ]} el aparato vocal humano es intrínsecamente digital, siguiendo el modelo de un teclado o una computadora digital (véase más adelante). Nada en el aparato vocal de un chimpancé sugiere un teclado digital , a pesar de las similitudes anatómicas y fisiológicas. Esto plantea la cuestión de cuándo y cómo, durante el curso de la evolución humana, se produjo la transición de la estructura y función analógica a la digital.

Se dice que el tracto supralaríngeo humano es digital en el sentido de que es un conjunto de interruptores o palancas móviles, cada uno de los cuales, en un momento dado, debe estar en un estado u otro. Las cuerdas vocales, por ejemplo, están vibrando (produciendo un sonido) o no vibrando (en silencio). Por razones físicas básicas, la característica distintiva correspondiente —en este caso, la "sonorización"— no puede estar en un estado intermedio. Las opciones se limitan a "apagado" y "encendido". Igualmente digital es la característica conocida como " nasalización ". En cualquier momento dado, el paladar blando o velo del paladar permite o no que el sonido resuene en la cavidad nasal . En el caso de las posiciones de los labios y la lengua, pueden existir más de dos estados digitales.

La teoría de que los sonidos del habla son entidades compuestas constituidas por complejos de rasgos fonéticos binarios fue propuesta por primera vez en 1938 por el lingüista ruso Roman Jakobson . ^{[ 52 ]} Un destacado defensor inicial de este enfoque fue Noam Chomsky , quien lo extendió de la fonología al lenguaje en general, en particular al estudio de la sintaxis y la semántica . ^{[ 53 ] [ 54 ] [ 55 ]} En su libro de 1965, Aspectos de la teoría de la sintaxis , ^{[ 56 ]} Chomsky trató los conceptos semánticos como combinaciones de elementos atómicos binario-digitales explícitamente en el modelo de la teoría de rasgos distintivos. El elemento léxico "soltero", sobre esta base, se expresaría como [+ Humano], [+ Masculino], [- Casado].

Quienes defienden este enfoque consideran que las vocales y consonantes reconocidas por los hablantes de una lengua o dialecto en un momento determinado son entidades culturales de escaso interés científico. Desde la perspectiva de las ciencias naturales, las unidades relevantes son aquellas comunes al Homo sapiens por su naturaleza biológica. Al combinar los elementos atómicos o «rasgos» con los que todos los seres humanos están dotados de forma innata, cualquiera podría, en principio, generar toda la gama de vocales y consonantes presentes en cualquier lengua del mundo, ya sea pasada, presente o futura. En este sentido, los rasgos distintivos constituyen los componentes atómicos de una lengua universal.

La autoorganización caracteriza a los sistemas donde las estructuras macroscópicas se forman espontáneamente a partir de interacciones locales entre los numerosos componentes del sistema. ^{[ 58 ]} En los sistemas autoorganizados, las propiedades organizativas globales no se encuentran a nivel local. En términos coloquiales, la autoorganización se describe a grandes rasgos mediante la idea de organización "de abajo hacia arriba" (en contraposición a "de arriba hacia abajo"). Ejemplos de sistemas autoorganizados abarcan desde cristales de hielo hasta espirales galácticas en el mundo inorgánico.

Según muchos fonetistas, los sonidos del lenguaje se organizan y reorganizan mediante la autoorganización. ^{[ 58 ] [ 59 ] [ 60 ]} Los sonidos del habla poseen propiedades tanto perceptivas (cómo se oyen) como articulatorias (cómo se producen), todas con valores continuos. Los hablantes tienden a minimizar el esfuerzo, priorizando la facilidad de articulación sobre la claridad. Los oyentes hacen lo contrario, favoreciendo los sonidos que son fáciles de distinguir, aunque difíciles de pronunciar. Dado que hablantes y oyentes intercambian constantemente sus roles, los sistemas silábicos presentes en las lenguas del mundo resultan ser un compromiso entre la distinción acústica, por un lado, y la facilidad articulatoria, por el otro.

Los modelos informáticos basados ​​en agentes adoptan la perspectiva de la autoorganización a nivel de la comunidad o población lingüística. Los dos paradigmas principales son (1) el modelo de aprendizaje iterativo y (2) el modelo de juego de lenguaje. El aprendizaje iterativo se centra en la transmisión de generación en generación, generalmente con un solo agente en cada generación. ^{[ 61 ]} En el modelo de juego de lenguaje, toda una población de agentes produce, percibe y aprende el lenguaje simultáneamente, inventando nuevas formas cuando surge la necesidad. ^{[ 62 ] [ 63 ]}

Varios modelos han demostrado cómo las interacciones vocales relativamente simples entre pares, como la imitación, pueden autoorganizar espontáneamente un sistema de sonidos compartido por toda la población, y diferente en distintas poblaciones. Por ejemplo, los modelos elaborados por Berrah et al. (1996) ^{[ 64 ]} y de Boer (2000), ^{[ 65 ]} y recientemente reformulados utilizando la teoría bayesiana, ^{[ 66 ]} mostraron cómo un grupo de individuos que juegan juegos de imitación pueden autoorganizar repertorios de sonidos vocálicos que comparten propiedades sustanciales con los sistemas vocálicos humanos. Por ejemplo, en el modelo de de Boer, inicialmente las vocales se generan aleatoriamente, pero los agentes aprenden unos de otros a medida que interactúan repetidamente a lo largo del tiempo. El agente A elige una vocal de su repertorio y la produce, inevitablemente con algo de ruido. El agente B escucha esta vocal y elige el equivalente más cercano de su propio repertorio. Para comprobar si esto coincide realmente con el original, B produce la vocal que cree haber oído , tras lo cual A recurre de nuevo a su propio repertorio para encontrar el equivalente más cercano. Si coincide con el que seleccionó inicialmente, el juego es exitoso; de lo contrario, ha fracasado. Según de Boer, «a través de interacciones repetidas, surgen sistemas vocálicos muy similares a los que se encuentran en las lenguas humanas». ^{[ 67 ]}

En un modelo diferente, el fonetista Björn Lindblom ^{[ 68 ]} pudo predecir, sobre bases de autoorganización, las opciones preferidas de sistemas vocálicos que van de tres a nueve vocales sobre la base de un principio de diferenciación perceptiva óptima.

Otros modelos estudiaron el papel de la autoorganización en los orígenes de la codificación fonémica y la combinatoria, que es la existencia de fonemas y su reutilización sistemática para construir sílabas estructuradas. Pierre-Yves Oudeyer desarrolló modelos que mostraron que el equipamiento neuronal básico para la imitación vocal holística adaptativa, acoplando directamente las representaciones motoras y perceptivas en el cerebro, puede generar sistemas combinatorios de vocalizaciones compartidos espontáneamente, incluidos patrones fonotácticos, en una sociedad de individuos balbuceantes. ^{[ 58 ] [ 69 ]} Estos modelos también caracterizaron cómo las restricciones innatas morfológicas y fisiológicas pueden interactuar con estos mecanismos autoorganizados para explicar tanto la formación de regularidades estadísticas como la diversidad en los sistemas de vocalización.

La teoría gestual postula que el habla fue un desarrollo relativamente tardío, que evolucionó gradualmente a partir de un sistema originalmente gestual. Los ancestros humanos no podían controlar su vocalización cuando se comunicaban mediante gestos; sin embargo, a medida que fueron adquiriendo control vocal, el lenguaje hablado comenzó a evolucionar.

Tres tipos de evidencia respaldan esta teoría:

1. El lenguaje gestual y el lenguaje vocal dependen de sistemas neuronales similares. Las regiones de la corteza responsables de los movimientos de la boca y las manos son colindantes.
2. Los primates no humanos minimizan las señales vocales en favor de gestos manuales, faciales y otros gestos visibles para expresar conceptos simples e intenciones comunicativas en la naturaleza. Algunos de estos gestos se asemejan a los de los humanos, como la "postura de mendicidad", con las manos extendidas, que los humanos comparten con los chimpancés. ^{[ 70 ]}
3. Neuronas espejo

Las investigaciones han encontrado un fuerte respaldo a la idea de que el lenguaje hablado y el lenguaje de señas dependen de estructuras neuronales similares. Los pacientes que usaban el lenguaje de señas y que sufrían una lesión en el hemisferio izquierdo mostraron los mismos trastornos en su lenguaje de señas que los pacientes que hablaban presentaban con su lenguaje oral. ^{[ 71 ]} Otros investigadores encontraron que las mismas regiones cerebrales del hemisferio izquierdo se activaban durante el lenguaje de señas que durante el uso del lenguaje hablado o escrito. ^{[ 72 ]}

Los humanos utilizan espontáneamente gestos con las manos y el rostro al formular ideas para expresarlas verbalmente. ^{[ 73 ] [ 74 ]} También existen, por supuesto, numerosos lenguajes de señas , comúnmente asociados con las comunidades sordas ; como se mencionó anteriormente, estos son tan complejos, sofisticados y expresivos como cualquier lenguaje oral. La principal diferencia radica en que los fonemas se producen externamente, articulados con las manos, el cuerpo y la expresión facial, en lugar de internamente, articulados con la lengua, los dientes, los labios y la respiración.

Muchos psicólogos y científicos han investigado el sistema de neuronas espejo en el cerebro para responder a esta teoría, así como a otras teorías conductuales. La evidencia que respalda la participación de las neuronas espejo en la evolución del habla incluye su presencia en primates, el éxito de enseñar a los simios a comunicarse mediante gestos y el uso de la señalamiento y los gestos para enseñar el lenguaje a niños pequeños. Fogassi y Ferrari (2014) monitorizaron la actividad de la corteza motora en monos, específicamente en el área F5 del área de Broca, donde se localizan las neuronas espejo. Observaron cambios en la actividad eléctrica de esta área cuando el mono ejecutaba u observaba diferentes acciones manuales realizadas por otra persona. El área de Broca es una región del lóbulo frontal responsable de la producción y el procesamiento del lenguaje. El descubrimiento de neuronas espejo en esta región, que se activan cuando se realiza u observa una acción específicamente con la mano, respalda firmemente la creencia de que la comunicación se realizaba antiguamente mediante gestos. Lo mismo ocurre al enseñar el lenguaje a niños pequeños. Cuando alguien señala un objeto o lugar específico, las neuronas espejo del niño se activan como si estuvieran realizando la acción, lo que da como resultado un aprendizaje a largo plazo ^{[ 75 ].}

Los recientes descubrimientos sobre la evolución humana —más concretamente, la evolución litoral humana durante el Pleistoceno ^{[ 78 ]} — podrían ayudar a comprender cómo evolucionó el habla humana. Una sugerencia controvertida plantea que ciertas preadaptaciones para el lenguaje hablado evolucionaron durante una época en la que los homininos ancestrales vivían cerca de las riberas de ríos y lagos ricos en ácidos grasos y otros nutrientes específicos para el cerebro. El vadeo o la natación ocasionales también podrían haber propiciado un mayor control de la respiración ( buceo con contención de la respiración ).

Diversas líneas de evidencia independientes sugieren que el Homo "arcaico" se extendió intercontinentalmente a lo largo de las costas del Océano Índico (incluso llegaron a islas de ultramar como Flores ), donde buceaban regularmente en busca de alimentos litorales como mariscos y cangrejos de río , ^{[ 79 ]} extremadamente ricos en nutrientes específicos para el cerebro, lo que explica el agrandamiento cerebral del Homo. ^{[ 80 ]} El buceo poco profundo para obtener mariscos requiere control voluntario de las vías respiratorias, un requisito previo para el lenguaje hablado. Los mariscos, como los moluscos, generalmente no requieren morder ni masticar, sino el uso de herramientas de piedra y la alimentación por succión. Este control más preciso del aparato oral fue, posiblemente, otra preadaptación biológica al habla humana, especialmente para la producción de consonantes. ^{[ 81 ]}