До сих пор нет однозначного ответа на вопрос, почему люди и другие виды не обладают речью и почему речь такова, какова она есть. Было выдвинуто несколько чисто анатомических аргументов, но они оказались ложными, биологически неправдоподобными или ограниченными по объему. Эта перспективная статья поддерживает идею о том, что эволюционные теории речи могли бы извлечь выгоду из сосредоточения внимания на когнитивных механизмах, которые делают речь возможной, для которых могут быть найдены предшественники в эволюционной истории и корреляты мозга. Этот тип подхода является частью очень недавней, но быстро растущей тенденции, которая уже обеспечила решающее понимание природы человеческой речи, сосредоточив внимание на биологических основах обучения вокалу. Здесь мы утверждаем, что общий механизм внимания, проявляющийся не только в зрительной, но и в слуховой модальности, может быть одним из ключевых компонентов человеческой речи, помимо механизмов, лежащих в основе вокального обучения и сопряжения мимики с вокальными единицами.
Механика речи была тщательно изучена. Были разработаны различные методы и методики, которые позволяют нам с большой точностью знать, что происходит анатомически, когда человек и нечеловеческие приматы вокализируют, от легких до губ. Однако вопрос о том, почему (только) люди имеют речь в первую очередь остается безапелляционно ответить. Были выдвинуты различные чисто анатомические аргументы, такие как уникальность нисходящей человеческой гортани или потеря воздушных мешков у человека, но оба аргумента были серьезно поставлены под сомнение. На самом деле все аргументы этого типа имеют общую проблему: они не в состоянии понять мозаичную природу когнитивных способностей, с которыми столкнулась эволюция. Современная эволюционная биология показывает, что сложные признаки—и, конечно же, речь или даже язык в целом подпадают под эту категорию—требуют сложных и многомерных объяснений.
Кроме того, есть случаи других, нечеловеческих, даже невокально-обучающихся видов, которые способны производить человекоподобные гласные и согласные, такие как бабуины Гелада, которые, похоже, обладают чрезвычайно богатым звуковым репертуаром, сравнимым с человеческим. Более конкретно, было показано, что этот вид способен произвести вокализации, которые не только используют то, что мы воспринимаем как звуки, а также структурированы таким образом, что напоминают человеку звуковые системы и отличаются способом и местом артикуляции, а также длительностью похожи на человеческую речь. Существуют, конечно, различные способы артикуляции звуков с одинаковым акустическим эффектом, даже среди людей, но сам факт того, что есть действительно другие виды, которые способны производить звуки динамическим образом и все же не имеют человеческой речи, показывает, что простое наличие этого инвентаря не является диагнозом ни для речи, ни для языка. Так почему же тогда у нас, людей, она есть, а у таких видов, как бабуины Гелады-нет? Мы согласны с растущей тенденцией в изучении человеческой речи что ответ, безусловно, связан с наличием у человека механизмов вокального обучения, для которых возникает биологическая основа (похоже, что надежная прямая гортанная связь из моторной коры является ключевой). Но мы утверждаем, что ответы, которые в настоящее время существуют в литературе, недостаточны для объяснения основополагающего свойства речи: ее согласно–гласной организации . Другие виды, в том числе обучающиеся вокалу, не организуют свое вокальное поведение так, как это делаем мы.
Общепризнанно, что гласные и согласные звуки определенно существуют. Для этого существуют механические причины. В лингвистике было принято считать, что звуки речи абстрактно представлены в виде пучков признаков, которые должны быть каким-то образом закодированы в мозге для недавней работы мозга относительно последнего пункта. Независимо от того, являются ли эти особенности врожденно определенными или нет, это вопрос, который не имеет отношения к тому, что следует ниже, и по которому мы не занимаем никакой позиции. Какие бы основные единицы фонологического анализа мы ни выбрали, они обычно сводятся к артикуляционным характеристикам (например, “билабиальные” или “голосовые”). Однако, поскольку только будучи способными воспринимать или производить звуки -это не диагностика для речи, как вокальное поведение иллюстрирует, продуктивное использование звуков в виде речи (и языка) может быть объяснено не только по их кодированию в мозге, но и, самое главное, их отдельных функционально-когнитивных значений.