序一树图、浪图和语言演化王士元 香港理工大学世界上的语言有几千种，该用什么标准来分类呢？在达尔文 a 的强力影响下，19 世纪的施莱歇尔 (A. Schleicher) 是第一个清楚回答这个问题的人，他认为应该基于比较法用历史标准来分类。他的答案可以用他所画的第一张印欧语系树图来呈现，因此这个理论就被称为谱系树理论 (Stammbaumtheorie, Tree Theory)。然而，他的学生施密特 (J. Schmidt) 注意到，我们不应忽略地理层面上的语言接触 b ：空间上越接近的人群，他们的语言间就越有可能共享更多特征，就像波浪上相邻的涟漪彼此影响，这就是波浪理论 (Wellentheorie, Wave Theory)。这两种论点之间的对立，从布龙菲尔德 (L. Bloom?eld) 经典著作 c 的第 18、19 章里可见一斑，这两章的标题分别是“比较法”和“方言地理学”，但他并没有详尽讨论这两种观点如何妥协。如果要说谱系树理论在上世纪的历史语言学界独领风骚，可是一点也不为过。尽管如此，仍有些值得注意的例外，论及了上述两种观点的矛盾，按时间顺序来看，这些研究包括 ：地理因素对密克罗尼西亚词汇影响的早aSchleicher, August. 1863/1983. Die Darwinische Theorie und die Slprachwissenschaft. Linguistics and Evolutionary Theory, ed. by K. Koerner, 13-69. Amsterdam/Philadelphia: John Benjamins Publishing Company, 姚小平译 . 2008. 达尔文理论与语言学 .《方言》. 373-83.bSchmidt, Johannes. 1872. Die Verwandtschaftsverh?ltnisse der indogermanischen Sprachen. Weimar.cBloom?eld, Leonard. 1933. Language. Henry Holt. 2 基于严格语音对应的苗瑶语历史比较研究期研究 a、探索南岛人定居台湾的调查 b、客家方言的分析 c、汉语和侗台语间语言接触的整合讨论d、以纵向传递及横向传递论述这两种观点的理论探讨 e、汉语和若干藏缅语的接触的概述 f 等。在此姑且不深入探究这些文献，但我们由此学到的重要一课是 ：(1)任何语言特征都能经由接触而共享，即使其年代久远不易被察觉 ；(2) 树图本身就是容易误导的理想化呈现，太过专注于纵向传递而忽略了横向传递 ；(3) 由于语言是在不同时间、不同地点多元涌现的，几千年来语言间的诸多接触，导致所有现代语言都有严重的混合现象 g。目前有越来越多证据显示，早在两万多年前 h，我们的老祖先就曾与其他古人类共同孕育过下一代，包括丹尼索瓦人、尼安德特人，因此我们体内 DNA 的混合情形，似乎和我们所说的语言一样广泛。当我们说某个人说某个语言时，那个人的基因组合全貌，可以用百分比一一算出其源头。同理，那个人所说的语言的全貌，也应该可以用语言特征的百分比来标示其源头。但这样的完整描述即使哪一天真能实现，也可能过于纷杂而不切aCavalli-Sforza, L. L. & W. S-Y. Wang. 1986. Spatial distance and lexical replacement. Language 62.38-55. Reprinted in Wang, W. S-Y. 1991. Explorations in Language. 143-61. Chinese translation: 2000. 熊宁宁译 . 空间距离与词汇替换 .《语言的探索 ：王士元语言学论文选译》. 24-48.bWang, W. S.-Y. (1989). The migrations of the Chinese people and the settlement of Taiwan. Anthropological Studies of the Taiwan Area: Accomplishments and Prospects. Department of Anthropology, National Taiwan University. 15-36. 我在这篇论文里探索了一种增加旁支的方法，以减少传统树图所遗下的残留。cHashimoto, Mantaro J. 1992. Hakka in Wellentheorie perspective. Journal of Chinese Linguistics 20.1-48.d陈保亚 . 1996.《论语言接触与语言联盟 ：汉越（侗台）语源关系的解释》. 北京 : 语文出版社 .eWang, W.S-Y. & J.W. Minett. 2005. Vertical and horizontal transmission in language evolution. Transactions of the Philological Society 103.2.121-46.fWang, Feng. 2015. Language contact between Tibeto-Burman languages and Chinese. The Oxford Handbook of Chinese Linguistics, ed. by W.S.-Y. Wang & C. Sun, 248-59. Oxford University Press.gFreedman, D. A. and W. S.-Y. Wang. 1996. Language polygenesis: a probabilistic model. Anthropological Science 104.2.131-138. 石锋译 . 2000. 语言的多源性 ：一个概率论模型 .《语言的探索 ：王士元语言学论文选译》. 273-80.hCallaway, E. 2016. Evidence mounts for interbreeding bonanza in ancient human species.Nature News. 序一 3合实际的需要。赵元任在研究汉语的歧义结构时曾说过 a ：“在语言学方面，就像在科学方面一样，我们总试图化繁为简，但事情永远不会像我们所想的那么简单。”对此，我们还可以再加上爱因斯坦说过的一句话 ：“让每件事都尽可能地越简单越好，但不要过于简单。”因此，我们所面临的关键问题是，在对人群和语言的最完善描述，以及语言学家最熟悉的简单树图之间，究竟要把那条恰到好处的简单的分界线画在哪里。无疑的，这个关键问题的答案，最终一定来自多年沉浸在语言调查中的学者。汪锋教授自 2006 年出版了他的博士论文后 b，就一直在从空间分布和时间深度的视角，深入考察藏缅语族中的白语和彝语 c。他现在与张原教授合作，把注意力延伸至苗瑶语，可谓学术界一大幸事。希望借由两位教授和同事们所研发的方法，他们最终能解答关于中国境内的语言的一个古老却重要的争议。李方桂 (1902-87) 教授 1937 年的精简报道，是最早描绘中国众多语言复杂景观的尝试，他因此被誉为“非汉语语言学之父”。1973 年，他曾受邀在《中国语言学报》创刊号上，再次阐述和更新他的研究发现。用当时流行的术语来说，李先生把印中语系 d 分为四支 ：[1] 汉语，[2] 侗台语，[3]苗瑶语e，[4] 藏缅语。有着谦谦君子风范的大学者李先生，用以下这段话概括了他的分类f “：对那些没有文字且只有现存形式为人所知的语言来说，我们很难建立起其关系。中国的许多语言不仅欠缺文字记录，我们对其所知也是相当支离破碎的。因此这样的分类只是暂时性的。”在李先生所提到的四个分支中，除了汉语以外，材料最丰富的莫过于藏缅语，缅文和藏文都很早就有文字记录传世，学者至今也发现了诸多同aChao, Y. R. 1976. Aspects of Chinese Sociolinguistics. Stanford University Press, p.305.bWang, F. 2006. Comparison of Languages in Contact: the Distillation Method and the Case of Bai. Nangang: Institute of Linguistics, Academia Sinica.c汪锋 . 2011. 语音对应的两种放宽模式及其后果 —— 以彝白比较为例《. 语言学论丛》 44:1-39. 北京 ：商务印书馆 . 汪锋 . 2012.《语言接触与语言比较 —— 以白语为例》.北京 ：商务印书馆 . 汪锋 . 2013.《汉藏语言比较的方法与实践 —— 以汉、白、彝为例》. 北京 ：北京大学出版社 .d“印中语系”这个说法目前已被“汉藏语系”所取代。e英文文献中，苗瑶语除了用 Miao-Yao，也常作 Hmong-Mien。fLi, F.-k. 1973. Languages and dialects of China 中国的语言和方言 . Journal of Chinese Linguistics 1.1.1-13. 4 基于严格语音对应的苗瑶语历史比较研究源词，如龚煌城 (1934-2010) 教授所列出的几百个词表 a，因此汉语和藏缅语的亲属关系一直未受强烈质疑。至于侗台语，虽然经常有人挑战这种看法，但李先生在 1976 年曾为汉语和台语的关系辩护 b。丁邦新教授去年曾以精辟的阐释，证实了这层关系 c。不过，苗瑶语的争议一直持续到今日。李先生 (1973) 及后来的学者所观察到的相似性，究竟来自有着共同源头的纵向传递，还是来自横向传递的语言接触？如果苗瑶语在谱系上与汉语和藏缅语有关，那么这三角关系之间的内部结构为何？例如，有人主张与苗瑶语亲缘关系最近的是台语，而非汉语或藏缅语d。无论最后结果如何，在我看来这似乎是个多边 (multi- lateral) 关系，这种多边视野是由格林伯格 (Joseph Greenberg, 1915-2001) 所倡导的，很值得我们深究下去 e，他当时就是以这套大胆前瞻的方法，为非洲错综复杂的语言做了成功的分类。简而言之，在为语言归类时，若每次只是一对对语言两两比较，很难宏观地看出语言间层层交织的关系，尤其是那些具有亲缘关系却彼此分布距离遥远的语言；但如果同时检视多个语言，往往能够因自上而下的统整策略而有崭新的发现。既然汪、张两位教授对苗瑶语的历史语音学，做了如此巨细靡遗的语音对应比较工作，我希望他们接着会更上一层楼，把目光再延伸至汉藏语，毕竟，在充分掌握了汉语、藏缅语和苗瑶语的历史脉络后，才能进一步厘清汉藏语千丝万缕的内部关系。期盼在解决汉藏语之间纵向和横向传递的长期谜团时，这样的历史比较研究，也有助于我们理解语言的群体演化发展，正如两位作者在摘要中所说 ：“将概率辅助、计算机程序自动处理数据和历史比较的任务结合起来，汉藏语言、中国语言、乃至世界语言的谱系或许在不远的将来能精细而准确的绘制出来。”若真有那么一天，也算是中国学者把格林伯格的多边关系发扬光大，对国际语言学界做出的卓越贡献。aGong, H.-C. 1995. The system of finals in Proto-Sino-Tibetan. The Ancestry of the Chinese Language, ed. by W. S.-Y. Wang. Journal of Chinese Linguistics Monograph 8, 41-92.bLi, F.-k. 1976. Sino-Tai. Computational Analyses of Asian and African Lauguages 3.39- 48.c丁邦新 . 2020.《汉台语同源论》. 商务印书馆 .dKosaka, Ryuichi. 2002. On the af?liation of Miao-Yao and Kadai: Can we posit theMiao-Dai family. Mon-Khmer Studies 32.71-100.eGreenberg, J. H. 2001. The methods and purposes of linguistic genetic classification.Language and Linguistics 2.111-135. 序二聚敛一致对应的概率基础陈保亚 北京大学中国语言学研究中心 / 中文系聚敛一致对应我们曾经把 Swadesh 的 100 核心词作为高阶核心词（第 100 词），再从他的 200 核心词中减去 100 核心词，并做适当调整，形成低阶核心词（第200 词）。我们认为，如果两个语言同一对应层次的高阶核心词比例高于低阶核心词比例，形成聚敛分布，两个语言就有同源关系，如果高阶核心词比例低于低阶核心词比例，形成发散分布，两个语言就有深度的接触，在接触之前是否有同源关系，还无法判定（陈保亚 1996，2015）。但是，我们并不能仅仅根据两阶核心词（200 词）来建立语音对应，因为从概率统计上看，两阶核心词用来建立语音对应在样本上是远远不够的，尤其是对年代分化久远的语言尤其不够。建立语音对应需要对两个语言的全部词项进行核查，然后找出不同对应层的语素集合。如果其中某个对应层的语素集包含了核心词，并且核心词形成聚敛分布，则两个语言同源，该语素集就是核心一致对应层语素集，是重构原始语言的基础。由此看来，建立语音对应是有阶分析的必要条件。建立语音对应首先需要建立完全对应，即语素的语音形式（语素音形）在各个成分中都能对应起来，这样才能最大可能的排除偶然对应，确定两个语言间的关系语素。比如下面的实例，如果只看语素音形的第一个辅音，似乎可以在汉语和英语之间建立 p 和 b 的对应 ：语素普通话美国英语本 bookp?n214b?k背 backpei51b?k被 bypei51ba? 6 基于严格语音对应的苗瑶语历史比较研究（续表）语素普通话美国英语把 bundlepa214b?ndl博客blogpo35bl?ɡ但是，上述语素音形的其他部分难以建立对应，于是我们基本可以断定这里 p 和 b 的对应是偶然对应。完全对应也是判定对应层次的必要条件，比如在汉语和德宏傣语之间有声母 s 和 s 的对应 ：?汉语傣语?san55sa:m35 三?san55sa:n33 三（tsa:i51sa:n55，三哥）如果我们建立了完全对应，再考虑韵母和声调，可以确定这两个 s 对应不在一个时间层次。也正是在声韵调都满足完全对应的基础上，可以看出汉语阴平字在台语（壮傣语）中至少有两种一致对应 ：[ 汉台一致对应 1][ 汉台一致对应 2]语素汉语音类武鸣龙州布依西傣德傣阴平61566光（明）见唐合一平宕kva:?6kva:?1kua?5kwa:?6k??6宣（传）心先合三平山sen6?en1?ian5s?n6s?n6第一组包含了核心词“三”，可称之为核心一致对应层，这就为我们进一步展开核心词有阶分析，区分聚敛核心一致对应和发散核心一致对应提供了必要条件。 序二 7完全对应的概率基础语言之间的形式对应无非两种，语序对应和语音对应。语序对应很容易偶合，比如傣语的偏正结构语序和述宾结构语序对应于日语的偏正结构语序和述宾结构语序 ：傣语日语偏正正 + 偏偏 + 正述宾述 + 宾宾 + 述傣语在前的，日语正好在后，形成一条对应规则，但是这种对应项目太少，只有两个项目，即使把偏正分成定中和状中，也只有三项，容易偶合，从概率上来说得到确认的难度很低。在语音（包括实词和语缀的语音）中建立起来的语音对应，会形成很多对应，如果满足完全对应，很难说是偶合的结果。但是建立完全对应的难度很大，主要有两个方面的难关 ：1.需要充分调查并查核两个语言中语义对当的全部语素，建立这些语素在语音形式上的对应；2.如何计算这些对应不是偶然对应。学界很多学者给出的同源词表，都很难达突破第一个难度，通常只是列举一些实例，难以实证对应的可靠性，其中最重要的原因就是工作强度大。至于第二个难度，就更少有人问津了。正因为建立完全对应的难度大，接下来的一致对应、普遍对应等难以展开，最早时间层面的对应也难以确定，最后的历史比较研究结论和构拟也存在疑问。汪锋教授和张原教授的《基于严格语音对应的苗瑶语历史比较研究》在解决上述两个难点问题上取得了突破，即在查核和计算两个方面都取得了突破。他们的研究程序是将完全对应、普遍对应等原则与计算程序的设计配合起来，加强比较材料处理上的自动化以及历史重构工作中的概率辅助。具体地说，作者首先将《苗瑶语方言词汇集》提供的词汇材料电子化，为严格语音对应的建立设计了工作程序和计算机程序，从语言数据的格式化，到语素的自动提取，再到语音对应的自动建立。七个苗瑶语方言，每个方言涉及 3000 多词条，得以在较短的时间内处理完毕。概率辅助历史比较研究贯穿始终。亲缘语言之间的分化本质上是语音对应随时间的随机化过程，当语言之间的同源词失落到一定程度，语音对应就建立不起来；而语言接触造成的语音对音是反随机化的，也就是在亲缘关系的语言之间 8 基于严格语音对应的苗瑶语历史比较研究建立起对应的桥梁。历史比较研究就是要通过各种证据和材料来重建分化和接触的过程，其根本是确定非随机化的材料。在各个层级（原始瑶语、原始苗语、原始苗瑶语）的比较中，在实际音类分布并不均匀的情况下，作者构建了一个算法：只要给出两个语言的语素集，可以通过 Matlab 程序很快算出给定置信度下某套匹配的随机分布上限数。由此，可以根据实际语言音类数目以及找到的匹配对数目来确定在特定置信水平下该匹配是否可以算作语音对应。在严格考虑概率计算的基础上，结合完全对应和普遍对应的严格程度，在各个层次的苗瑶语比较上，得到不同的语素集，来重建各个层级的音系和语素，并观察词阶上的变化，进一步说明词阶法运用与语音对应要求宽严之间的关系，再一次验证了完全对应与是否随机有关，而普遍对应可以有效排除横向接触因素。该项研究还分析了传统苗瑶语比较的经验基础与概率基础，展示了二者的结合或许更能促进对历史真实的逼近。基于以上严格的操作程序，作者构拟了原始苗瑶语，通过有阶分析计算出汉语和原始苗瑶语有同源关系，结论可信，是截止目前为止苗瑶语历史比较研究中最具实证性的研究，在方法论和结论上都有实质性的突破。不完全对应和聚敛分布的减法原则汪 - 张对应算法程序不仅在研究完全对应方面取得突破，对不完全对应的材料处理也很有价值。如果两个同源语言分化年代久远，由于保留的同源词很少，完全对应难以建立，往往只有声母对应或韵母对应或声调对应，这时候很难完全排除偶然对应，不同时间层次的对应语素也会混在一起，借贷语素也离析不干净，这时如果使用汪 - 张对应算法程序得出聚敛分布，也可确定为同源关系，这是因为在我们的大量田野调查中，聚敛分布存在减法属性，如下图所示 ：核心词呈现聚敛分布时，如果还存在偶然对应，由于偶然对应通常呈现无 序二 9阶分布，即高阶词和低阶词偶然对应语素的比例相当，因此聚敛分布减去偶然对应语素，仍然呈现聚敛分布。核心词呈现聚敛分布时，如果还存在借贷语素，由于借贷语素通常是呈发散分布的，即高阶词中的借贷语素比例低于低阶核心词中的借贷语素比例，因此聚敛分布减去借贷语素，聚敛分布趋势更显著。正是基于聚敛分布的减法属性，我们可以概括出一个减法原则。根据减法原则，汪锋教授和张原教授关于汉语和苗瑶语核心语素的聚敛分布是有效的，即汉语和苗瑶语之间存在同源关系。我们这个团队一直在致力于语言接触和语言演化的调查研究，通过有阶分析，我们认为汉语和藏语（陈保亚 1993，2015）、白语（汪锋 2006）、彝语（汪锋、陈保亚 2010，汪锋 2013）、纳西语（李子鹤 2013）、缅语（余德江 2014，余德江、陈保亚 2015）有同源关系，加上汪锋和刘文的研究（Wang 2015, Wang and Liu 2017），以及这里汪锋教授和张原的研究，汉语和苗瑶语也有同源关系，而侗台语和南岛语有同源关系（陈保亚、汪锋 2009，陈保亚、汪锋、何方、陈泽浩 2011，陈保亚、田祥胜 2017），我们基本上可以确定东亚和东南亚主要语言的谱系关系如下 ：其中澳台语（Austro-Tai）的语源关系，汉语和南亚语的语源关系，还需要进一步研究。汪锋教授主攻方向为语言学，张原教授主攻方向为数学，他们的结合是跨学科研究的一个成功范例，沿着作者的这一方向，将概率辅助、计算机程序自动处理数据和历史比较的任务结合起来，汉藏语言乃至世界语言的谱系或许在不远的将来能精细而准确的绘制出来。2021 年 6 月 12 日于北京大学 10 基于严格语音对应的苗瑶语历史比较研究参考文献陈保亚，1993，《羌夏－澳越语言文化联盟论》，《云南民族大学学报》第 3 期陈保亚，1994，《论语言接触与语言联盟》，北京大学博士学位论文，语文出版社，1996陈保亚，2015，《20 世纪中国语言学方法论研究》，商务印书馆陈保亚、田祥胜，2017，《语言接触与语言变化》，载汪锋、林幼菁主编《语言与人类复杂系统》，云南大学出版社陈保亚、汪锋、何方、陈泽浩，2011，《论澳越语的语源关系及其谱系分类》，载丁邦新、孙宏开《汉藏语同源词研究》（四），广西民族出版社李子鹤，2013，《原始纳西语及其历史地位研究》，北京大学博士论文汪锋，2013，《汉藏语言比较的方法与实践汉、白、彝语比较研究》，北京大学出版社汪锋、陈保亚，2010，《原始彝语》，《茶马古道研究集刊》第一辑，云南大学出版社余德江，2014，《基于严格语音对应的汉缅语比较研究》，2014 北京大学本科学位论文余德江、陈保亚，2015，《汉缅韵部关联对应》，《茶马古道集刊》第 5 辑，云南大学出版社Chen, Baoya and Wang, Feng. 2009，More evidence for the genetic relationship between Austronesian and Kam-Tai，Journal of Chinese Linguistics, Vol. 37.1.Wang Feng，2006，Language contact and language comparison-the case of Bai，Institute of Linguistics, Academia SinicaWang, Feng. 2015. Sound correspondence and the comparative study of Miao-Yao languages——From the perspective of the pervasiveness of sound correspondences. Bulletin of Chinese Linguistics 8.1:157-176.Wang, Feng and Liu,Wen. 2017. Sound correspondence and the comparative study of the Miao-Yao languages – From the perspective of complete sound correspondence. Bulletin of Chinese Linguistics 10.1:95-119.