語言感知是人類語言處理復雜性的一個重要方面，同時它也是表達聲音形式的主要方式，這里我們所指的語言特指的是以聲音形式讓我們感知又被我們傳遞的口語。我們都知道口語對社會交往至關重要。同時，在語言研究中口語也是第一性的，口語是語言研究中最重要的語言材料。但在當前研究中，語言研究尤其是神經(jīng)語言學或心理語言學的研究其重點都放在語言的系統(tǒng)構成及其成分（語音、語義和句法等）等。對口語的神經(jīng)機制的研究是較為缺乏的。

在這里，來自英國倫敦大學學院的研究者在science的語言?？邪l(fā)文，回顧了言語、言者（這里應該是個人的口語感知和產(chǎn)出，為了方便論文，我們將talker統(tǒng)一譯為“言者”）和語言的社會性相互作用的方式，以及如何利用非人類靈長類動物研究的模型和方法，并在人類大腦中計算出這些。作者還將探討領域通用方法在多大程度上能夠解釋這些神經(jīng)學發(fā)現(xiàn)。最后，文章強調了將這些發(fā)現(xiàn)擴展到更好地理解對話中語言的社會使用的重要性。 

正文：

言語常被視為更抽象的語言系統(tǒng)的聽覺形式，從神經(jīng)心理學的角度來看，這種口語的處理與左后顳葉有關。然而，這一觀點受到了來自不同研究的挑戰(zhàn)。

首先，來自非人類靈長類文獻的聽覺處理模型認為，在語音和聲音感知過程中存在多種解剖學和功能通路；第二，通過語音編碼的非語言信息的處理研究；第三，語言的社會重要性。

從第一個角度看，聽覺語言處理過程中涉及的背外側顳葉可能依賴于由多個處理路徑組成的感知網(wǎng)絡，類似于在視覺系統(tǒng)中看到的不同的處理通路。從第二個角度來看，只要出現(xiàn)言語，就一定會有說話的聲音出現(xiàn)，而且左右顳區(qū)處理這些不同信息的方式可能存在明顯的大腦半球不對稱。從第三個角度來看，雖然我們可以單獨研究口語，但是處理口語的神經(jīng)系統(tǒng)在社交、會話環(huán)境中發(fā)展了這些技能，口語是一種壓倒性的社交行為。

我們來綜合思考一下作者提到的這三個方面，首先，支持口語處理的系統(tǒng)可能涉及除了語言感知的核心區(qū)域韋尼克區(qū)以外的其他多個處理系統(tǒng)，如運動感知網(wǎng)絡等。其次，如果只要說口語就一定會產(chǎn)生說話的聲音，那在面對那些是由人聲發(fā)出但不是語言的聲音成分的加工在神經(jīng)機制上和口語的處理機制在半球的不對稱性是否是一樣的呢？最后，從口語的交際功能看，社會性確實在很大程度塑造了口語，那么社會性是如何影響口語的神經(jīng)機制呢？這三個問題中，任何一個問題的有效解決都將對口語研究產(chǎn)生重大的影響。接著，作者分不同的部分，按照基本問題到延伸問題的邏輯順序展開了分析。 

口語：從聲音到意義

     人類的語音信號在聲學上幾乎復雜得令人困惑。語音是由各種不同的口部動作組成的，例如從簡短的爆發(fā)性的釋放到冗長的嘈雜的片段，從鼻音到持續(xù)的元音。雖然所有的語言都依賴于對頻譜的時間序列的處理，但具有語言相關性的準確的聲學線索在不同的語言之間有所不同。當我們遇到一個音素或一個聲學提示，而它在我們自己的語言中并沒有使用時，我們很難準確地聽到它，也很難在語言上使用它（比如普通話已經(jīng)沒有“入聲”了，不懂吳語方言或者其他還保留入聲的方言的人是很難聽懂并且學會的）。這個問題是由于語音處理技能是在語音感知習得中的發(fā)展而產(chǎn)生的。

隨著語言的習得，正在發(fā)育的大腦學會優(yōu)先考慮與語言相關的聽覺線索，并降低語音的重要性，實際上，語音在區(qū)分單詞的意義上不那么重要。在語言技能的發(fā)展過程中，以整體方式處理單詞可能比更細粒度的語音技能（如音素意識很多人都沒有，但是仍舊能夠分開字和字，并且聽懂）更重要。

人類語言感知是復雜的、多穩(wěn)態(tài)的。在聽者的大腦中，沒有任何一種聽覺線索會絕對決定說話的可懂度。因為，聽者會靈活地傾聽，能夠利用相關的聽覺線索來幫助理解。這種靈活性是必要的，因為我們不斷地面對新的聲音和口音，以及復雜的聲學聽力環(huán)境。因此，聽覺皮層區(qū)域需要以一種短暫且靈活的方式來適應口語的聲學變化和聽到語音的聽覺條件。

此外，雖然口語是由一連串語音組成的，但語音本身（這里主要說的是音素）也受到周圍語音的影響。不同音素的實際讀音的不同取決于它們在音節(jié)中的位置，對于大多數(shù)英式英語口音來說，leaf開頭的“l”和bill結尾的“l”非常不同。聽者對這種語境信息是非常敏感的，并能利用它來幫助他們解碼話語，而口語單詞的識別不是基于一系列抽象的音位范疇的，而是基于一種基于整體形式的聽覺表征的。

語音是語言的聽覺形式，語言研究的主要目的是研究語言的計算特性所包含的深層結構。雖然，語音的表面結構在某種程度上與這種高階信息是分離的，但是語音的聲學形式在信息方面是豐富的，從音素、言者、情感和效果到高階信息，如語法結構都與語音密切相關。

我們通常在嘈雜的環(huán)境中聽別人說話。成年人在寬帶噪聲環(huán)境下(如空調或風扇)最難以理解語言。然而，在具有競爭性的演講（比如辯論或者吵架）中包含的信息越多，成年聽眾就越有可能對其進行處理，尤其是在其語義內(nèi)容開始與所聽演講競爭的情況下。

雖然分離語音產(chǎn)生和語音感知機制在概念上很簡單，但感知網(wǎng)絡對語音產(chǎn)生至關重要。在發(fā)展過程中，即使是中等程度的聽力損失也會對語言技能的發(fā)展產(chǎn)生影響;相比之下，沒有大聲說話的能力并不會損害學習理解語言的能力。因此，語言技能的產(chǎn)生可能就像許多受控制的運動技能一樣，是依賴于對自己行為的知覺處理的。

背側顳葉的角色

語音是一種聽覺信號，因此它在上行聽覺通路中被處理，到達初級聽覺皮層(PAC)和周圍的聽覺聯(lián)想皮層，并向外側延伸，向下延伸至顳上回(STG)。在非人靈長類動物中，PAC由三個核心區(qū)域構成，以尾側-喙側方向排列，然后投射到周圍的帶狀區(qū)域和弧形區(qū)域。這些投射維持了核心區(qū)域的軸-尾結構，這種連通性在投射到前部的投射中得以保留。

在非人類靈長類動物中，這些背側-尾側區(qū)域存在功能差異，喙側區(qū)域對不同種類的同種發(fā)音敏感，而尾側區(qū)域對聲音的空間位置和軀體感覺刺激敏感。因此，靈長類動物的知覺處理并不是一種單一的現(xiàn)象，而是依賴于不同的知覺網(wǎng)絡，這些知覺網(wǎng)絡可以根據(jù)不同的任務被不同的感知網(wǎng)絡所吸收。在現(xiàn)實世界中，行動將取決于這些網(wǎng)絡的協(xié)同工作。

很明顯，非人靈長類動物不會說話，但它們可以利用復雜的發(fā)聲，因此，也可能有類似的喉部靈活性。但歸根究底，它們的發(fā)聲并不接近人類語言的復雜性。因此，試圖將這些非人類靈長類動物的研究映射到人類語言處理的模型上有什么價值嗎？

首先,聽覺皮層喙側參與言語感知已經(jīng)廣泛被廣泛報道:與左側后顳上溝不同，該區(qū)域一直被強調為與韋尼克失語癥相關的核心區(qū)域，早期的言語感知的功能成像研究揭示了對言語的一種主要反應，這種反應從PAC向顳極前進，進入前顳上回。無論言者的聲音如何，這些左前STS（顳上溝）區(qū)域都對可理解的言語很敏感，而喙側STG/STS區(qū)域對語音、句法和語義信息有選擇性的反應。

STG對音位序列的處理具有高度敏感的模式，這顯示了這些網(wǎng)絡在不同口音和不同聽力環(huán)境的言者的世界中所需要的靈活性和適應性。這種靈活性也必須適用于存在聲音競爭的聽覺環(huán)境;在一項研究中，被試在聽演講的同時忽略存在競爭的聽覺聲音，結果顯示，他們的喙側顳區(qū)對那些需要忽略的聲音高度敏感。這可能意味著：喙側聽區(qū)有能力產(chǎn)生和表達與所聽語音同時出現(xiàn)的語音形式。考慮到聽覺環(huán)境的復雜性，這可能只是這些喙側聽覺表象形成和維持的一部分功能，以及我們在不同聽覺聲音之間轉換注意力的能力。

     顳葉喙側區(qū)在這些識別過程中表現(xiàn)出重要的半球不對稱性。右喙側顳區(qū)對非人類靈長類動物的語音特異性信息非常敏感，對語音中的自然音高也非常敏感。在人類言語的處理過程中，右喙側區(qū)起主導作用，盡管這也可能表現(xiàn)出雙向反應。人類非常依賴音高來區(qū)分言者。左、右喙側區(qū)聲音信息的語言處理和非語言處理的區(qū)別并不在于基本的聽覺處理差異，而是反映了被處理信息種類的差異。

     聽眾可以用說話人的口音來幫助他們理解單詞的意思，例如如果用美國口音說，英國英語的聽眾更有可能把“bonnet”理解為“hat”的意思。同時，熟悉的言者更容易被我們理解，而聽者也能更快適應比較特別的講話方式，表現(xiàn)出音素特有的適應性，但只是針對某些言者。

除此以外，我們也能更準確的辨別共同母語的不同的說話人，而在一門我們不會說的語言中，我們卻很難區(qū)分不同的說話者。這些研究可能意味著語音和言者識別的大腦網(wǎng)絡在解剖學上可能是不同的，但必須快速、連續(xù)、準確地相互作用(圖1)。例如，經(jīng)顱直流電刺激左STG時，這種非侵入性的電刺激改變，會破壞聽者對語言的適應能力。     

相比之下，尾端聽覺區(qū)域對正在處理的特定種類的語音和聲音信息的敏感度要低得多，而對它們的感覺運動關聯(lián)則更敏感。當人們移動他們的發(fā)音器官發(fā)出聲音時，或者即使他們默不作聲地模仿這些動作時，尾部聽覺區(qū)域也都會被可靠地激活。這似乎反映出聽覺尾區(qū)在語音和聲音產(chǎn)生的感覺指導中的關鍵作用。

圖1 左側和右側背外側顳葉的示意圖

注：圖中顯示的是左側(黃色)和右側(綠色)背外側顳葉，以及基于行為和非侵入性刺激研究的語音和語言識別過程的語言和非語言方面可能發(fā)生的不同的候選的相互作用的通路。感興趣的讀者建議仔細讀這篇參考文獻（原文中引用的第53篇參考文獻，如需原文請?zhí)砑游⑿牛?b>siyingyxf或1898397902）。

 語言的聽覺表征的本質

語音中音素的重要性可以這樣促生一種假設，即在語音的感知加工過程中，音素必須形成重要的表征線索。然而，這并不意味著音素本身，作為離散的、抽象的語言個體項目，在任何詞匯處理之前，都是在語言理解過程中被編碼的。事實上，人們很可能會認為，語音之間的順序依賴關系(對聽者來說信息量很大)不會在理解語音的過程中被拋棄。有證據(jù)表明語音信息的早期感知處理對句法有所影響，但這并不意味著單個音素被表示為離散的、抽象的項。同時，大量研究表明，STG對較長語音序列的引入高度敏感，對音素組合的輸入則不敏感。

在STG中音素的性質似乎更重要的是它們是如何形成一個序列的音素形態(tài)的，而且這種形態(tài)是在音節(jié)級別上表示的，而不是在單個音素級別上表示的。音素對序列的貢獻就像面部特征對面部的貢獻一樣：它們的感知作用是對整體的貢獻.。STG區(qū)域的時間敏感性研究顯示，對音素的敏感性相對較慢，在與單詞或音節(jié)相關的時間尺度上達到峰值，而不是與單個音素相關的快得多的時間尺度上（圖2）。同樣，皮質電圖(eCOG)數(shù)據(jù)顯示出對語音振幅包絡的敏感性與音節(jié)結構廣泛相關。

在口語組織中，音節(jié)的結構特性也是具有普遍性的，音節(jié)結構受到很大的限制。簡單地說，一個音節(jié)可以由一個元音組成，不同的語言在元音的起始和偏移上添加輔音的方式不同，但都是有一定規(guī)則的。世界上最簡單的結構是輔音-元音或表示為CV，而不是VC。很明顯，音節(jié)結構提供了一個框架，可以大致解釋為與音節(jié)的起首或韻腳相對應，并可能形成音素序列表示的基本單元。當出現(xiàn)輔音群時，日本聽眾是能夠聽到輔音之間的元音的，稱之為副元音。研究表明，STG對這些副元音的感知與經(jīng)驗相關。

圖2Keitel等人的一些發(fā)現(xiàn)摘要

注：n Keitel等人用腦磁圖掃描(MEG)被試聽自然演講時的大腦。然后，研究人員根據(jù)原始刺激語音的統(tǒng)計特性來分析大腦皮層的活動。他們發(fā)現(xiàn),感知短語層面在時間峰值上達到高峰的是前運動皮層區(qū)域(0.6到1.3赫茲)(上)，而左顳葉的活動峰值則是在單詞處理階段(1.8- 3 Hz)(底部)。激活顯示在虛線字段中。

我們真的在研究一個特定于語音的系統(tǒng)嗎

在對前兩個問題論述后，作者提出一個重要的問題，這些網(wǎng)絡在何種程度上是特定于語音和語言的?

聲音處理的語言和非語言方面的區(qū)別可能不是完全獨立的。當我們在發(fā)展過程中習得一門口語時，聲音特性作用于語音的語言相關方面，這也可能影響非語音的感知處理。就神經(jīng)激活而言，語音和非語音處理可能不是一個完全的功能分離。

然而，幾乎可以肯定的是，這些網(wǎng)絡并不局限于語音信息的處理。如果一個人把自己限制在關于言語和語言的問題上，那么他只會發(fā)現(xiàn)與這個問題相關的結果；然而，這種方法在推測可能區(qū)分喙側通路和尾側通路的計算原理方面沒有取得很大的成功。我們可能需要重新定義喙側和尾部聽覺區(qū)的區(qū)別，使之成為反映喙側通路的一般處理對象或者功能，而不僅僅局限于語言信息(或者，實際上，局限于聲音信息)。

與此同時，尾部聽覺神經(jīng)網(wǎng)絡可能不僅僅參與協(xié)調與語音相關的感覺運動聯(lián)系。喙側和尾側的聽覺區(qū)域可以根據(jù)它們的時間反應特征來區(qū)分：喙側的聽覺區(qū)域對聲音的反應緩慢而持續(xù)，而尾側的聽覺區(qū)域對聲音的反應快速而短暫。較慢的喙側通路反應與對識別過程的反饋影響一致，而較快的尾側反應與動作的快速感知指導一致（圖3）。

圖3 圖示在喙側(黃色)和尾側(藍色)通路中發(fā)現(xiàn)的緩慢、持續(xù)和快速的瞬態(tài)神經(jīng)反應的區(qū)別

注：這些差異是通過對一系列研究中參與者對所有刺激的eCOG反應的時間進程進行分類來確定的。這種時間反應特性上的差異是關于聽覺處理的新領域——聽覺處理通論中所包含的聲音反應的“聽-尾-聽”差異的幾個新發(fā)現(xiàn)之一。圖中顯示的是黃色是喙側what通路和藍色尾側how通路的區(qū)別。

在社交世界中的口語

言語和語言的社會參與表現(xiàn)在另一種普遍的語言形式中:口語會話。在幾乎所有人類文化中，口語是社會交往的主要方式（除了那些手語是主要方式的文化）。作為一個領域，我們已經(jīng)將語音處理的聲學、語言學和計算方面置于其社會相關性之上。在感知語音的過程中，至少有一部分皮層被激活，這是因為在實驗室之外，我們在社交活動中也會遇到語音，而我們通常是社交活動的積極參與者。前運動區(qū)域在跟蹤說話節(jié)奏方面的特殊作用被認為是一種候選的解釋，可以使一個人在談話中與其他言者保持一致，并促進言者的快速轉變，這是談話的特征。

最近的一項研究考察了口語對時間尺度的敏感性，發(fā)現(xiàn)運動前皮層在處理口語序列中的短語信息時起著重要作用。相比之下，STG對音節(jié)范圍序列的結構更敏感（圖2）。這表明，前運動皮層對某種程度的信息很敏感，這種信息對口語中的節(jié)奏排列可能很重要。比較面對面的談話和面對面的重復一些句子的激活情況，可以發(fā)現(xiàn)在談話過程中，整個大腦在額葉和顳葉區(qū)域有更大的參與。主要集中在左側顳極、左側顳頂葉交界處和雙側內(nèi)側前額葉皮層。這表明，面對面的交談確實吸收了口語感知網(wǎng)絡的不同元素，包括喙側和尾側網(wǎng)絡，以及在面部處理中吸收的其他網(wǎng)絡。

理解人類大腦參與語言交通路的方式及其對社會和情感的影響至關重要。口語不僅僅是語言，對人類及其大腦的健康功能來說，它似乎比之前認為的更為重要。對語言感知的進一步神經(jīng)科學研究的目標應該開始關注我們與語言打交道的方式，從聲音到社會意義和社會交往的實質內(nèi)容。 

總結

在傳統(tǒng)的語言研究和近年來的神經(jīng)語言學的研究進展中，我們對“語言”的認識是不斷深化的，語言其實已經(jīng)不再僅僅被作為我們的交際工具而對待，也不應該僅僅被作為一種交流工具。但是，本文從“口語”的交際性出發(fā)，指出了語言在人類社群生活中表現(xiàn)出的神經(jīng)系統(tǒng)的廣泛的參與能力，口語的神經(jīng)處理過程（本文主要指的是聽覺感知處理）目前還是不明確的。但是，從已有的研究方法看，本文認為靈長類動物模型對非語言信息的處理可能能夠幫助我們進一步理清人類對語言性聲音和非語言性聲音的感知基礎的差異。

除此以外，口語交際中廣泛的社會性對語言的影響到底是如何體現(xiàn)的，口語的唯一表現(xiàn)形式——語音，在人腦的聽覺表征中是如何從音素、音節(jié)的序列信息中提取出社會意義，并且能夠在復雜的聲學特征變化中適應性的進行處理，從而達到面對不同聲學特征但卻穩(wěn)定的理解一種語言的靈活性的。本文并未給出答案，也可以說沒有給出任何較為明確的研究思路，但是通過對以往研究的梳理提出了口語研究的必要性及具體問題，是值得我們仔細思考和深入探討的。

原文：From speech and talkers to the social world：The neural processing of human spoken language

微信掃碼或者長按選擇識別關注思影