av LARS MELIN
Det enda vi vet med fullkomlig säkerhet om språkets ursprung är att vi aldrig kommer att få veta något bestämt. Inte om var och när språket uppstod, inte om det hände en eller flera gånger, inte varför och inte hur. Men vi kan inte sluta spekulera och hårt pressa de osäkra paleontologiska, etnologiska, neurologiska och lingvistiska data vi har.
Vår nyfikenhet grundar sig i att språket är unikt för människan. Det handlar helt enkelt om vår arts självbild. Och det handlar också om en kristen självbild. Religion är i hög grad språk: traderad uppenbarelse, bön, liturgi och – med värdig fördröjning – heliga texter. I begynnelsen var Ordet.
Just nu bygger vi mycket av våra spekulationer på paleontologers forskning. Dessa hittar allt fler benbitar och blir allt skickligare på att tolka dem. Och det finns tre saker som måste stämma: hjärnvolymen, artikulationsorganen och (helst) spår av en kultur som bygger på samråd. Därmed tycks språket bli äldre och äldre. För två decennier sedan var 50 000 år en godkänd gissning. Nu är språket minst 300 000 år gammalt. Och allt tyder på att det uppstod på den afrikanska kontinenten, alltså i god tid före migrationsvågorna från Afrika, allt enligt det numera väletablerade scenariot Out of Africa.
Så tidigt var alltså homo sapiens ”redo” för språk. Och något – osäkert vad – måste ha åstadkommit ett evolutionärt tryck på ett flexiblare kommunikationssystem än medfödda läten. Så långt verkar enigheten vara total.
Frågan hur och varför språket uppstod besvaras dock högst olika. En vild idé är att det skedde en plötslig språkmutation. Den även utanför akademin välkände amerikanske lingvisten Noam Chomsky införde en teoretisk konstruktion, LAD, language acquisition device, för att förklara barns enastående förmåga att lära sig sitt förstaspråk. Men ingenting tyder på att denna manick verkligen existerar. Det gör däremot språkgenen FOX2P i kromosom 7, men den finns också hos några icke språkkunniga djur så teorin om en språkmutation har obefintligt stöd. Många använder begreppen fylogenes och ontogenes för att låta barns språkutveckling ge en hint om människoartens. Men detta är ren spekulation, och diverse självklara likheter saknar allt förklaringsvärde.
Låt oss därmed gå över till mitt eget fackområde, själva språket.
6 000 mycket olika språk med mycket stora likheter
De språkliga ”fynden” är färre eftersom skriftspråk är något relativt nytt, cirka 5 000 år gammalt, och vi kan bara med svårighet spana längre bak än så. Men vi får ta det vi har, nämligen en allmän kunskap om hur språk fungerar.
Vi vet att alla kända språk – de är över 6 000 – är gamla, mycket olika och synnerligen komplexa. Vart och ett skulle duga utmärkt för att beskriva hur integrerade kretsar fungerar eller för att vara målspråk för en Hamletöversättning. Självklart skulle det behövas lånord, men det gäller för alla språk, inklusive vårt. Det finns alltså inte några primitiva språk som kan avslöja hur det var från början – för 300 000 år sedan.
Ett mått på komplexiteten är att de behövs 2 500 sidor (i Svenska akademiens grammatik, ett verk i fyra band) för att beskriva svenska språket. Därtill finns en rad ordböcker: SAOL, SAOB, fackordböcker, frekvensordböcker, slangordböcker, dialektordböcker, och så vidare. De flesta språk är sämre dokumenterade, men de är inte mindre komplexa. Komplexitet kan yttra sig på många sätt, som latinets rika ordböjning, som kinesiskans tonvariationer, som svenskans subtila regler för verbalpartiklar, typ brinna upp och brinna ner. Variationen är enorm, men det finns en rad egenskaper som gäller för alla språk, så kallade universalier.
Det viktigaste är att mänskligt språk duger lika bra för sanning som för lögn, lika bra för historia som för prognos, lika bra för faktum som för önskan och så vidare. Djurens läten är alltid här och nu-orienterade, men mänskligt språk rör oftare där, då och sedan. Alla språk är öppna och produktiva. En katt kan bara jama, fräsa eller spinna, och vi vet att katten alltid talar sanning. Men en människa kan säga vad som helst på hur många sätt som helst.
Språket är dessutom oberoende av medium. Det mesta är ljudvågor i luften, men språk kan lika gärna vara tecken på papper, handrörelser till en hörselskadad, pixlar på en skärm eller ett minne, det vill säga synapskopplingar i cortex. Alla medier har sina egenheter, men de har det gemensamt att de förpackar språk.
Alla språk består av lexikon och grammatik, det vill säga dels betydelsebärande ord, dels regler och funktionsord. Men ibland kan något grammatiskt element lexikaliseras eller ett vanligt ord grammatikaliseras. Exempel: man antar att ett gammalt urgermanskt ord med betydelsen öka ligger bakom vår konjunktion och (grammatikalisering), och och kan åter bli en lexikonenhet, till exempel i en konversation som denna:
– Nu kommer du för sent igen.
– Och?
Den andra repliken har inte traditionell och-funktion utan betyder något i stil med strunt i det, du. Formordet och har lexikaliserats. Men det sker få gränsöverskridanden, och de båda kategorierna lexikon och grammatik är mycket tydliga i alla språk. Man brukar anta att allt började med lexikon, men hur grammatiken (samordning/underordning, kongruens, verbkomplement, rekursivitet [se nedan], ordklasser och satsdelar m.m.) växte fram, det har vi inte en aning om.
Språk handlar om kategorier. Banan betyder inte bara den frukt jag har i handen utan alla bananer eller vilken banan som helst. Banan är inte en sak utan ett begrepp, en kategori, precis som frukt är en annan större och livsmedel en tredje ännu större. Alla språkbrukare bollar alltså med abstraktioner. Och alla har en känsla för hur bananigt något måste vara för att få kallas för banan, eller i varje fall ”en sorts banan”. Och självklart undrar vi hur människan tog klivet från konkret ”just den här bananen” till idén ”det skulle vara gott med en banan”.
Något grundläggande är språkens rekursivitet. Vi kan till exempel stapla genitiver: Evas systers killes balkong … eller ha bisats i bisats i bisats: han sa att Nisse tyckte att det inte spelade någon roll att vi inte trodde att han skulle klara det. En regel kan alltså upprepas – teoretiskt – i det oändliga.
En annan universell egenskap är godtyckligheten: det finns en enda orsak till att bil betyder bil: alla svensktalande är överens om att det ska vara så. Andra språk har andra överenskommelser, och dessa är lika godtyckliga: car, Auto, voiture, machina … Alla fungerar bra på hemmaplan, men bara där.
Om hur allt detta avancerade språkbygge började spekuleras det fritt. Här är den korta listan:
Tra la la-teorin menar att språket uppstod ur vårt estetiska uttrycksbehov och vårt behov av rytm och klang.
Hej å hå-teorin menar att språket uppstod vid gemensamt arbete, antingen för att samordna krafterna eller fördela insatserna.
Wroom swisch bang-teorin menar att våra förfäder med rösten försökt härma olika skeenden och kanske även föremål.
Wow!-teorin menar att vårt behov att uttrycka starka känslor gav upphov till de första orden.
Bla bla bla-teorin menar att våra sociala behov var så starka att de till slut också tog sig verbala uttryck.
Där och då-teorin menar att behovet av att benämna sådant man inte kunde peka på krävde kommunikativt nytänkande.
Om allt detta samverkade eller om någon funktion var viktigare eller ursprungligare lär vi aldrig få veta.
Det mesta av språkens komplexitet och mångsidighet och de flesta av universalierna kan lätt tolkas som att språken under millennier gått från det enkla till det komplicerade och från det låsta till det flexibla. De flesta antar en evolution där våra många och skiftande kommunikativa behov drivit fram allt fler sofistikerade och avancerade språkrutiner.
Språket är en kod
Men det finns en sida av språket som ingen lyckats förklara evolutionärt: kodstrukturen. Det som ofta går under svårbegripliga termer som dubbel artikulation eller mönsterdualitet är språkets mest fundamentala idé. Precis som datorer har ettor och nollor och DNA har kvävebaserna A(denin), T(ymin), G(uanin) och C(ytosin), så har mänskliga språk några tiotal fonem (betydelseskiljande språkljud). En nolla i datorn eller kvävebasen A i DNA betyder ingenting, inte heller ett ensamt fonem. Det är kombinationerna som betyder något, och bara den som kan den svenska koden förstår att:
b+i+l betyder något som åker på gatan,
i+l+b och l+i+b inte betyder något alls och att b+l+i betyder något helt annat.
Detta är genialt. De flesta språk har ett par dussin fonem och kombinationer av dessa räcker till hur många ord som helst. Bara kombinationer med tre svenska fonem ger över 10 000 teoretiska ord. Höjer vi till fyrafonemsord kan vi skapa ytterligare drygt 50 000 ord. Om vi i stället bara hade modifierade läten skulle vi få ett lexikon på högst ett tjog betydelser. I själva verket har de flesta språk maximalt 5 000 morfem (minsta betydelsebärande enhet, det vill säga ordstam eller ändelse). Språkets ordbildningspotential är alltså oändligt mycket större än behovet.
Greppet att inte bara använda en fix uppsättning fonem utan att också låta ordningen bestämma betydelsen omfattar mer än att låta ja betyda jag accepterar och den omvända fonemordningen aj betyda jag har ont. Det är skillnad på en motorbåt som är ett slags båt och en båtmotor som är en sorts motor. Och betrakta ordföljden i följande meningar:
”Jag tar bilen i dag” är ett korrekt svenskt påstående.
”Tar jag bilen i dag” är en fråga.
”I dag jag tar bilen” är ett typiskt andraspråksfel.
”Bilen dag i jag tar” är en bokstavsordning utan självklar betydelse.
Det är också en betydelseskillnad mellan ”Romeo pussade Julia” och ”Julia pussade Romeo”.
Andra språk har andra positionsregler, men inget språk saknar sådana. Det är lite märkligt, eftersom ordning sällan spelar någon roll i vardagen. Oftast är det likgiltigt om saltet står till vänster om pepparen eller tvärtom. Men någon gång signalerar ordning vikt, till exempel gin och tonic, kungen och drottningen, eller tidsordning skala, skiva och steka. Men aldrig betydelseskillnad. Och skillnaden mellan 19 och 91 kom mycket sent i vår kultur.
Ingen komplett teori om språkets ursprung kan gå förbi denna kodstruktur och detta grepp att låta ordningsföljd vara betydelsebärande. Men det är precis vad de flesta teoretiker gör. De låter kodningen ingå i det stora paket av universalia som över tid måste ha utvecklats från enkelt till komplext. Men det kan knappast finnas en gradvis övergång från icke-kodat till kodat. Detta är en binär fråga – kod eller icke-kod – och koden/den dubbla artikulationen är elefanten i rummet. Hur kom den in i rummet?
Trots att vi tyvärr inte har minsta antydan till förklaring till hur vi fick ett språk baserat på fonemkoder försöker vi i alla fall bena ut problemet, bara för att visa på svårigheterna.
Från läte till ord
Vi har en startpunkt och en slutpunkt: START: Diverse medfödda läten från en homo sapiens med i stort sett samma hjärnvolym och munhåla som vi som lever 300 000 år senare.
MÅL: Ett öppet, produktivt, komplext, rekursivt och kategoriinriktat språk som bygger på fonemkodning.
Däremellan har något hänt, oklart vad.
Den enkla förklaringen tar sin utgångspunkt i att alla primater kan göra ett utblås med aktivt stämband, det vill säga en sorts obestämd vokal. Eftersom de också kan manövrera tunga och läppar, till exempel när de äter, så skulle det inte vara så svårt för en tidig människa att förädla denna utandning till tre distinkt olika vokaler, lämpligen de extremaste: a, i och o. Och från detta kan man lätt tänka sig att läpparna kan stoppa vokalflödet, och då blir det ba eller ma, beroende på hur man håller gomseglet. Eller rent av ab eller am, om man gör förslutningen efter vokalen. Från detta startkapital på ett dussin kombinationsmöjligheter, ”ord”, kan man sedan gå vidare med allt mer sofistikerade konsonantförslutningar och fler fininställningar för vokaler. Svenska har 18 konsonanter, 9 vokaler och 3 betydelseskiljande prosodem (längd och accent), och många språk klarar sig med färre. Och vips skulle språket vara klart.
En osannolik utveckling
Men så enkelt är det inte. Tvärtom, det är så svårt att jag inte för ett ögonblick skulle tro på en sådan utveckling om jag inte själv vore språkkunnig. Det är nämligen inte lite som måste klaffa om primära läten ska utveckla sig fram till målsnöret.
Om vi för ett ögonblick leker med (den troligen befängda) tanken att språket utvecklas med någon sorts målmedvetenhet så måste vi räkna med åtminstone fem steg:
- välja ut ett begränsat antal fonem (av de flera hundra som finns i världens språk),
- ordna dessa i mindre enheter, ”ord”,
- låta både fonemen och ordningen mellan dem vara betydelseskiljande,
- tillskriva varje sådan enhet en betydelse eller funktion och
- göra paketet fonemkombination + betydelse till gemensam kunskap i gruppen.
Svårigheterna är enorma, och de är också minst fem:
- Fonem är svårt
Om det inte fanns fonem skulle bil-exemplet ovan vara omöjligt. Språket vimlar av så kallade minimala par, det vill säga olika ord som skiljs av ett enda fonem, till exempel bil/fil, bil/bal och bil/bit. Trots att fonemet är så grundläggande för mänskligt språk har alla människor svårt att segmentera ett ord i fonem, det vill säga inse att bil är b + i + l, såvida de inte först lärt sig en fonematisk skrift (latinska, grekiska, kyrilliska eller semitiska bokstäver). Förklaringen är att de tre fonemen uttalas så tätt att b-et och l-et blir rejält i-aktiga och att i-et är både b- och l-aktigt. Därför uppfattar alla barn och alla icke läskunniga vuxna ordet bil som en stavelse, sällan, om någonsin, som tre fonem.
Även vi vuxna som kan läsa är totalt döva för icke svenska fonem. Den som inte kan franska hör ingen skillnad på tonande och tonlöst s, till exempel baisser (kyssa) och baiser (sänka). Och en fransman hör ingen skillnad på svensk tonaccent, till exempel nubben som med akut accent betyder den lilla spiken och med grav betyder supen.
Dessutom, fonematisk skrift kom sent i skriftutvecklingen, och den uppstod (vad vi vet) en enda gång på en enda plats, Fenicien, en handelstat vid Medelhavet som utgjorde en unik, polyglott och kreativ språkmiljö. Vid den tidpunkten hade det redan gått 296 000 av de 300 000 åren av språkutveckling. (Indisk och japansk skrift bygger på stavelser, och de betydelseorienterade kinesiska tecknen innehåller visserligen viss fonetisk information, men de är aldrig fonematiskt kodade).
Varför jägar- och samlarfolk byggde sitt språk på något så mentalt svårtillgängligt som fonem är svårförklarligt.
- Artikulera är svårt
Bara därför att de tidiga människorna kunde manövrera tunga och läppar var det inte helt gratis att artikulera fonemkombinationer. Vi kan tänka oss att de första vokal- och konsonantkombinationerna kom slumpartat och att någon hajade till och såg en kommunikativ potential i detta. Men att sedan göra om bravaden och fylla den nya stavelsen med ett visst och för alla gemensamt betydelseinnehåll är svårt att förstå som annat än en medveten, planerad handling som fick kosta den träning som behövdes för ett lyckat resultat.
Tänk på den träning som vi behöver för att styra muskelaktivitet på ett ovant sätt, till exempel att trä en tråd i en synål eller att skriva på tangentbord med touchmetoden! Vi kan lära oss sådant därför att vi är målinriktade och envisa, men hur kunde homo sapiens på savannen motiveras för träning utan att ha målet i sikte?
- Hjärnstyrning är svårt
Vi kan inte tänka oss artikulation av nya ”läten” utan styrning från hjärnans exekutiva centra, och i slutändan en automatiserad styrning. Funktioner och rutiner måste alltså utvecklas i frontalloben för att samordna de hundratals musklerna i lungor, stämband, tunga och läppar som engageras i uttalet av även mycket enkla stavelser. Detta är en omställning som troligen måste dra ut över generationer.
- Kodning är expertjobb
Att koda något genom att skapa betydelsebärande kombinationer av icke betydelsebärande delar liknar ingen annan mänsklig aktivitet i en jägar- eller samlarkultur, knappast heller för en vanlig svensk av i dag. En kreativ individ kan naturligtvis ha skapat en kod när som helst under historien, men hur få alla andra med på noterna? Det handlar ju om de fem steg som listats ovan.
I dag känner vi oss bekväma med koder, och vi använder dem hela tiden, postkod, portkod, lösenord et cetera, och vi är medvetna om morsealfabet och binär och genetisk kod. Men kodning är något ganska nytt, och ordet kod i denna betydelse kom först på 1900-talet. Kodning är en specialkompetens för kryptologer, systemerare med flera. Det har aldrig funnits någon allmänkompetens för detta.
Vad mer är: inte ens vi moderna och läskunniga människor bildar nya ord med fonemkodning trots att vi växt upp med fonematisk skrift och med koder för många appar och vartenda konto.
Ett exempel: Vi hotas nu av ett nytt virus. Det skulle förtjäna ett nytt namn, men vi har för virustypen återanvänt ett latinskt lånord, corona, som vi mött i många andra sammanhang. Huvudregeln är att vi inte skapar nya ord utan återanvänder gamla ord i nya betydelser, till exempel metaforiska, sätter samman orddelar, lånar ord från andra språk etc. Inte ens varumärken brukar vara nya.
Det är ingen brist på lediga fonemkombinationer, till exempel aba, bam, mab, för att ta några på måfå, men vi låter dem vara lediga och utnyttjar ytterst sällan den enorma resursen lediga ord. Varför gjorde vi det för 300 000 år sedan? Om vi inte hade gjort det hade vi inte haft några ord i dag. Och varför slutade vi att göra nya ord? Kanske språkhistoriens största och minst diskuterade gåta.
Steget från medfött läte via sammansatta ljud till systematisk kodning med sekventiellt ordnade fonem är obegripligt och nästan helt försummat i den omfattande litteratur som finns om språkets uppkomst.
- Nya ord är ett grupparbete
Ett annat stort problem är att språk till sin natur är en social konstruktion. Alla i gruppen måste vara överens om grunddragen i både lexikon och grammatik. Vi kan alltså utesluta ett ensamt lingvistsnille på savannen och får acceptera tanken att utvecklingen av fonembegreppet, artikulationstekniken, frontallobens exekutiva funktioner et cetera inte alls varit en individuell, medveten quick fix utan vuxit fram i en eller flera grupper i samspel mellan individer, och det över många generationer.
Ett språk blev till – trots allt
Har jag med dessa fem problemkomplex bevisat att språkets fonemkod är för genial och för svår för att kunna utvecklas alls? Kanske, men en titt i facit visar att språket faktiskt finns; det har kommit till på något sätt. Så kanske har jag tagit ett för abstrakt lingvistperspektiv på något som i själva verket var mycket enkelt i den afrikanska vardagen för 300 000 år sedan. Det kan ju i stället ha varit en långdragen utveckling där ett slumpvis genererat läte, till exempel ba, fått en för gruppen gemensam betydelse, till exempel borta, saknas, inte här. Och ma kan efter en tid fått en annan betydelse, till exempel strax, mañana, vänta. Och dessa ”ord” har befunnits vara så praktiska att de gett mersmak och provocerat fram successivt bättre artikulationsförmåga, hjärnstyrning, automatisering med mera? En sådan utveckling kan ha tagit hundratals år utan att någon någonsin aktualiserat begreppet fonem. Och den kan ha skett parallellt i flera grupper, stammar, klaner eller hur man då organiserade sig.
Detta är bra mycket mer sannolikt än en språkmutation, en kreativ individ, eller en stam av kodnördar. Men vi står i alla fall inför ett imponerande slutresultat, något så genialt att vi baxnar så fort vi tar ett steg bakåt och ser på språket som det mästerverk det är. Faktum är att ingen har utvecklat en teori för hur just slumpen av alla tänkbara förklaringar lyckats forcera de fem hindren här ovan och gett oss det språk vi har i dag.
Professorn i afrikanska språk Tore Janson (se litteraturlistan), som konkretast (men med stor ödmjukhet inför svårigheterna) försökt närma sig frågan om hur medfött läte blev inlärt språkljud, ser språkets kodnatur som en ”emergent organisation” vilket är vetenskapsjargong för mirakel.
Emergens brukar förklaras med att helheten ofta är något påtagligt mer än delarna. Om tusen myror kan bygga en myrstack är det inte säkert att en myra kan bygga en tusendels stack. Om syre och väte är gaser med stora förtjänster var för sig så blir de tillsammans antingen vatten som är livgivande, renande och eldsläckande eller väteperoxid som är både frätande och eldfängd. Det brukar inte befrämja mental hälsa att tänka på vad som ligger mellan delar och helhet. Vi kallar det emergens, helt enkelt.
Så emergens eller mirakel är inga överord. Språkets komplexitet och flexibilitet kan vi ha utvecklat under hundratusentals år. Men själva grundkonstruktionen, kodstrukturen, den är speciell, den är grundläggande och den är binär: kod / icke kod.
Denna emergenta organisation är dock inte originell. Vi vet med fullkomlig visshet att liv uppstod på jorden för drygt tre miljarder år sedan. Det hände en enda gång, men ingen vet hur, var och varför. Emergens? Och vi människor har ett medvetande som ger oss möjlighet att reflektera över världen och oss själva. Vi har haft det länge, vi förstår det högst ofullständigt och vi vet egentligen bara att det har uppstått. Emergens? Vi har drygt 100 grundämnen som är genialt organiserade enligt periodiska systemets rader och kolumner, och vi tror att det skett i plasmakaoset i kollapsande stjärnor. Emergens? Många menar till och med att Big bang ledde till en emergent organisation, enligt den så kallade antropiska principen; smällen skapade just de partiklar, de grundämnen, de krafter, de naturlagar, de himlakroppar och de livsförutsättningar som lett fram till just oss människor. Superemergens?
Språket har sällat sig till de riktigt stora, viktiga och olösta problemen.
Jag beklagar, käre läsare, att du fått läsa ända hit utan att få något bra svar på dina frågor.
Litteraturtips
Den som vill ha flera detaljer (lingvistiska, arkeologiska, palentologiska etc.) om språkets ursprung bör läsa Tore Jansons Språken före historien. Norstedts 2019, och Sverker Johanssons bok På spaning efter språkets ursprung. Natur och kultur 2019.
Lars Melin är docent i svenska vid Stockholms universitet samt populärvetenskaplig skribent, senast med Stil. Språkets svårfångade signalsystem.
Ur Signum nr 4/2020, s. 30–36.