1786 年 2 月 2 日,英国法官威廉·琼斯在加尔各答的亚洲学会发表第三次周年演讲。他并不懂现代意义上的语言学,却在演讲中留下了一段被反复引用的判断:梵语"结构奇妙无比,比希腊语更完美,比拉丁语更丰富,比二者都更精致",而且它与希腊语、拉丁语在动词词根和语法形式上有着"如此强烈的相似性",不可能是偶然产生的。这句话通常被视为历史比较语言学的起点,也是人类第一次用理性方法意识到:语言不是神授的固定之物,而是会分化、会演变、会留下血缘痕迹的历史对象。
两百多年过去,语言学家用比较法重建出了一棵覆盖大半个欧亚大陆的语言谱系树,也在树模型之外发展出波浪理论、语言联盟、计算系统发生学等工具。这条方法论演进的线索,比"某某语系有多少种语言"的清单更有意思——它展示了一门人文学科如何借助规则、概率与基因数据,把不可直接观测的过去一点点推演出来。
一、从直觉到规则:比较法的三条支柱
琼斯的观察只是起点。真正让语言学摆脱"猜谜"的,是 19 世纪学者逐步确立的三条方法论支柱。
1. 系统性语音对应,而非单个词相似
判断两种语言是否同源,不能看"某个词长得像",而要看是否存在成体系的、可预测的语音对应关系。以印欧语系的父称词为例:
| 语言 | 形式 | 说明 |
|---|---|---|
| 英语 | father | 日耳曼语族 |
| 德语 | Vater | 日耳曼语族 |
| 拉丁语 | pater | 意大利语族 |
| 希腊语 | patēr | 希腊语族 |
| 梵语 | pitṛ | 印度-伊朗语族 |
| 古波斯语 | pita | 印度-伊朗语族 |
这些形式之间不是"碰巧相似":拉丁语、希腊语、梵语的 p- 与日耳曼语的 f- 构成稳定对应,t- 与 th-(现代英语拼作 th)构成稳定对应。只要这种对应在成百上千个词中重复出现,并且例外也能被规则解释,同源假设就获得了远超巧合的可信度。反过来,借词往往只在某个语义领域成片出现(如宗教、贸易、技术词汇),且不遵循系统对应,这正是区分"同源"与"借用"的基本判据。
2. 格里姆定律:把例外变成发现
1822 年,雅各布·格里姆在《德语语法》第二版中系统描述了日耳曼语族相对其他印欧语发生的辅音推移,即后来所称的格里姆定律:原始印欧语的 *p、*t、*k 在原始日耳曼语中变为 *f、*þ、*h;*b、*d、*g 变为 *p、*t、*k;*bh、*dh、*gh 变为 *b、*d、*g。这条链式推移解释了为何拉丁语 pater 对应英语 father、拉丁语 trēs 对应英语 three、拉丁语 centum 对应英语 hundred。
更有价值的是例外。按格里姆定律,*t 应变为 *þ,可英语 father 中间却是 d,哥特语写作 fadar。1875 年,丹麦学者卡尔·维尔纳指出:如果原始印欧语的重音落在该辅音之后的音节上,那么原本应该清化的擦音会浊化。父称词的重音在第二音节(*ph₂tḗr),于是 *t 先变 *þ 再浊化为 *d;而"兄弟"一词重音在前,*bhrā́tēr 在英语中留下 brother 的 th。维尔纳定律把一条"例外"转化为一条新规则,也让学界意识到:音变不是随意的,而是有条件的、可以用重音位置等语法信息预测的。
3. 重建原始语,并用内部证据交叉验证
比较法不只描述对应,还试图反推共同祖先。原始印欧语(PIE)的很多形式是重建出来的,例如"父亲" *ph₂tḗr、"马" *h₁éḵwos、"轮" *kʷékʷlos。这些带星号的形式并非凭空虚构,而是"若存在共同祖先,其音系应当满足所有子语言的对应规则"这一约束下的最优解。
1879 年,年轻的索绪尔在《论原始印欧语元音系统》中提出,某些长元音背后应存在一组当时无人见过的"喉音"(laryngeals)。三十多年后,赫梯语文献被解读,其中出现的 ḫ 音恰好填补了这一位置,喉音理论由此获得强有力支持。这是语言学史上少见的"先预测、后证实"案例,也是比较法可信度的重要论据。
二、树与波:谱系模型的力量与边界
1853 年前后,德国学者奥古斯特·施莱歇尔把生物学中的谱系树引入语言学,画出印欧语系的"Stammbaum":原始语在顶端,各语族如枝干般分叉。这套隐喻极其成功,至今仍是教科书的标准图示。按传统划分,印欧语系包括印度-伊朗、希腊、意大利(罗曼)、日耳曼、凯尔特、波罗的-斯拉夫、亚美尼亚、阿尔巴尼亚等语族,20 世纪初又加入了安纳托利亚(赫梯语)与吐火罗语两支。
但树模型有一个根本缺陷:它假设分化是一次性的、干净的分叉,而真实语言史充满接触、借用与区域性趋同。1872 年,约翰内斯·施密特提出波浪理论:创新像水波一样从中心向外扩散,相邻语言共享的创新可能来自接触而非共同祖先。方言连续统就是最直观的证据——从荷兰语到德语再到奥地利方言,相邻两地总能互相听懂,但链的两端却难以沟通。
更极端的例子是语言联盟(Sprachbund)。巴尔干半岛的保加利亚语、罗马尼亚语、阿尔巴尼亚语、希腊语分属不同语族,却在长期接触中共享了一批结构特征:后置定冠词、不定式的消失与"想要"式将来时、避免不定式从句等。这些相似性无法用谱系树解释,只能用地理接触解释。树给出的是"血缘",波浪与联盟给出的是"婚姻与邻里"。
三、汉语的位置:汉藏语系的重建难题
把视线转回东亚,问题变得更复杂。传统上,汉藏语系包括汉语、藏缅语族、侗台语族、苗瑶语族,这一四分框架由李方桂在 20 世纪 30 年代系统提出。但侗台语与苗瑶语的归属至今仍有争议:白保罗(Paul Benedict)在 20 世纪 40 至 70 年代主张侗台语与南岛语系同源,合称"澳泰语系",苗瑶语的系属也长期悬而未决。这意味着"汉藏语系有多少种语言"这样的问题,本身取决于你采用哪套分类假设。
汉语内部的证据链相对扎实。高本汉在 20 世纪初利用《切韵》音系、现代方言与域外借音(如日语吴音、汉音,朝鲜语、越南语的汉越音)重建中古汉语;王力等学者进一步梳理汉语史。更早的上古音则依赖《诗经》押韵与形声字的谐声关系——同一谐声系列的形声字,在上古应当音近,这为重建提供了大量内部证据。比如"非、排、悲、辈"共享声符"非",其音韵关系就构成一条约束。
但汉藏比较的困难也很现实:藏缅语族语言众多、记录较晚,很多语言缺乏历史文献;声调系统在不同语文中独立产生或消失,导致同源判定困难;借词层次复杂,傣语、壮语中的汉语借词层层叠压,稍不注意就会把借词当作同源词。这正是比较法"证据质量决定结论质量"的典型场景。
四、当语言学遇上统计学与古 DNA
20 世纪末以来,比较法开始与计算科学合流。2003 年,格雷与阿特金森用贝叶斯系统发生学方法分析 87 种印欧语的基本词汇,估计原始印欧语分化于约 8000 年前,从而支持"安纳托利亚起源假说"。2012 年的一项空间建模研究进一步把起源地指向安纳托利亚,并把扩张时间定在约 8000 至 9500 年前。这类方法的优势是可量化、可复现,弱点是对词汇替换速率、借词剔除方式高度敏感——换个模型假设,年代估计可能相差数千年。
2025 年,《自然》刊出的两项古基因组研究为这场争论提供了新的硬证据:颜那亚(Yamnaya)草原人群向欧洲的大规模迁徙,与绳纹器文化(Corded Ware)的扩张高度吻合,为"草原起源假说"补上了关键的遗传学环节;同时,安纳托利亚语支的分化时间更早这一事实,也提示印欧语的早期历史可能比单一中心模型更复杂。语言学的年代推断第一次能与古 DNA 的时间线相互校验,这在方法论上是件大事。
不过,基因传播不等于语言传播。人群迁徙可以带来语言替换,也可能只带来少量借词;反之,语言也可以在没有大规模基因流动的情况下通过 prestige(声望)扩散。把遗传谱系与语言谱系直接等同,是当前跨学科研究中最需要警惕的简化。
五、比较法能回答什么,不能回答什么
历史比较语言学有一套清晰的适用范围:
- 能回答:哪些语言同源、分化的大致顺序、原始语的音系与部分词汇、借词的方向与层次。
- 难以回答:语系之外的更早关系。随着时间深度增加,偶然相似与真实同源的比例迅速恶化,一般认为比较法的可靠上限在 6000 至 1 万年之间。所谓"诺斯特拉语系"(把印欧、乌拉尔、阿尔泰等合并)之所以争议巨大,正是因为超出了这一可信区间。
- 不能回答:语言与思维的关系、某个民族的心理特征、文化的优劣。这些是 19 世纪语言学被滥用的方向,也是现代语言学反复划清界限的地方。
今天,全球约 7000 种语言中,据联合国教科文组织估计有近 40% 面临消亡风险,平均每两周就有一种语言失去最后的母语者。语言记录因此具有了抢救性质:DoBeS、ELAR 等档案项目正在用音频、视频与标注文本保存那些没有文字的语言。对一个语系而言,每消失一种语言,就等于烧掉一页无法复原的历史文献。
结语:一棵树,还是一片雨林
从琼斯在加尔各答的那次演讲,到今天用贝叶斯模型与古基因组数据交叉验证的语系年代学,历史比较语言学走过的路说明了一件事:人文学科的科学性,不在于它能否变成公式,而在于它是否愿意把直觉转化为可检验的规则,并在证据面前修正自己。语系树是一幅极其成功的简化图,但真实语言史更像一片雨林——有分叉,也有藤蔓缠绕、根系相连。理解这棵树,同时承认它不是全部,或许才是这门学科最诚实的姿态。

发表评论 取消回复