世界上最怪異的語言是什麼？

最新 07-25

作者：Robert Munro

編譯：江烈農

本文的作者是一家語言數據公司的CEO，這家公司為世界各地的企業提供結構化的語言解決方案——簡單說，就是處理郵件、簡訊和社交媒體上的自然語言資料。自然語言（Natural Language）是我們人類交流時所用的語言，與人造語言（如編程語言）相對；自然語言處理（Natural Language Processing，NPL）就是用計算機來處理人類的語言。評估語言的「怪異度」就是一種對自然語言的處理，這個話題本身固然有趣，而本文的價值還在於作者採取了一種非傳統的處理方式：不以英語為衡量基準，而使用一個全球性的價值觀。

我們主要是搞自然語言處理，涉及相關語言繁多。過去6個月，我們研究的語言有（深呼吸）：英語、葡萄牙語（巴西葡萄牙語及葡萄牙本地語）、西班牙語、義大利語、法語、俄語、德語、土耳其語、阿拉伯語、日語、希臘語、漢語普通話、波斯語、波蘭語、荷蘭語、瑞典語、塞爾維亞語、羅馬尼亞語、韓語、匈牙利語、保加利亞語、印地語、克羅埃西亞語、捷克語、烏克蘭語、芬蘭語、希伯來語、烏爾都語、加泰羅尼亞語、斯洛伐克語、印尼語、馬來語、越南語、孟加拉語、泰語，以及一點拉脫維亞語、愛沙尼亞語、立陶宛語、庫爾德語、約魯巴語、阿姆哈拉語、祖魯語、豪薩語、哈薩克語、信德語、旁遮普語、他加祿語、宿霧語、丹麥語和納瓦霍語。

自然語言處理（Natural Language Processing，下稱 NLP）就是要找到語言的模式。例如：錄入大量非結構化的文本，自動從中抽離結構。NLP 有一個公開的秘密：它極以英語為中心。英語無疑是語言學家研究最多的一門語言，於計算機科學項目而言，也是具有最多可用資源的一門語言（就計算機科學而言，數據總是越多越好）。因此，測試一個 NLP 系統的最佳方式之一，就是換用不是英語的語言來測試。一個系統處理多樣化數據的能力越強，那麼其應付未預見數據的能力，也就更令人有信心。

NLP 有一個公開的秘密：它以英語為中心 | 圖片來源：pexels

為此，我們也許可以選擇去根據英語的特性來定義「怪異度」。但是，這樣的定義可是相當令人惱火。所以咱們來試試換一種方法吧。

縱觀全球，糾出「語言異類」

語言結構世界地圖（World Atlas of Language Structures，下稱 WALS）根據一大堆各種語言特徵，評估 2676 種不同的語言。這些語言特徵包括詞序、聲音種類、否定方式，以及許多其他方面——共計 192 種不同的語言特徵。

因此，與其採用一個以英語為中心的世界觀，WALS 毋寧允許我們換用一個世界性的世界觀。也就是說，我們評估每一門語言，根據的都是其每種語言特徵的不尋常度。例如，英語的詞序是「主語—動詞—賓語」， WALS 對 1377 種語言的詞序進行編碼，其中 35.5% 具有「主動賓」詞序。同時，只有 8.7% 的語言以動詞作為起始，比如威爾士語、夏威夷語和馬揚語（Majang）。因此，從跨語言學角度講，以動詞作為起始，就是不尋常。另外順帶一提，實際上全世界語言有 41.0% 是「主賓動」順序。（題外話：從事了一些夏威夷語和馬揚語的相關工作後，動詞對我而言，簡直就變成如結婚般重大的承諾：每每開口，我卻總是還沒有做好準備。）

WALS 的數據相當稀疏，所以我們把研究限定於 165 種語言特徵，這些特徵至少要包含 100 種不同語言的數據。（現階段，就這 165 種語言特徵而言，數據不足其中 10 種的語言，我們也剔除掉了。因此共計還剩 1693 種語言。）

現在，有個問題就是，如果我們的篩選到此為止，那麼數據共線性太高。之所以如此，部分是因 WALS 中列舉的語言特徵本質而決定——有整體考量「主語／動詞／賓語」順序的特徵項，另又有分別考量「賓語／動詞」和「主語／動詞」的項。理想情況下，我們希望基於不相關的特徵評斷怪異度。我們可以集中關注互相之間沒有很強相關度的語言特徵（在兩種互相關聯的特徵中，我們選擇有更多語言編碼的特徵）。最終我們篩得總計 21 種語言特徵。

最終篩得總計 21 種語言特徵 | 圖片來源：pexels

至於某種語言的每項數據值，我們考量其他所有具備該項編碼的語言，計算該項值的相對頻度。因此，如果我們把「主語—賓語—動詞」詞序也算進來的話，那麼英語得到的怪異度值就會是 0.355（實際上，我們根據每項語言特徵的整體熵值對所有數據值統一化處理，所以這個值本身並不正好就是 0.355，但你懂這意思就行了）。因此，得到的「怪異度指數」（Weirdness Index），就是一項交叉考量 21 種獨特結構特徵的平均值。但是，因為不同的特徵採集數值的數量不同，我們為了減少統計偏斜，實際上取了調和平均值（又因為我們希望「數字越大＝越怪異」，所以終值是用 1 減去這個平均值）。本篇博文我彙報所涉及的語言，就這 21 項語言特徵而言，至少三分之二（即 14 項）具有數據值（即 239 種語言）。

答案揭曉：全世界最怪異的語言是—

與全世界大多數語言最不同的語言，是一種以動詞起句的聲調語言，在墨西哥的瓦哈卡（Oaxaca）有 6000 人使用，名叫「恰卡通戈米斯特克語」（Chalcatongo Mixtec），又名「大聖米格爾米斯特克語」（San Miguel el Grande Mixtec）。第二名在西伯利亞有 2.2 萬人使用：涅涅茨語（Nenets）——英文里「派克大衣」或稱毛皮風雪大衣（parka）一詞就來源於這種語言。第三名是喬克托語（Choctaw），約有 1 萬人使用，大多在美國俄克拉何馬州。

但是，難就難在這兒了——有些實際上最怪異的語言，是你聽說過的：德語、荷蘭語、挪威語、捷克語、西班牙語，以及漢語普通話。而且，實際上英語在「語言怪異度指數」（Language Weirdness Index）表中也位列第 33 名。

世界上最怪異的 25 種語言：北美洲的，恰卡通戈米斯特克語、喬克托語、大梅薩迪埃格諾語（Mesa Grande Diegue?o）、庫特奈語（Kutenai）、索克語（Zoque）；南美洲的，帕烏瑪利語（Paumarí）、特魯邁語（Trumai）；澳洲暨大洋洲的，皮詹加加拉語（Pitjantjatjara）、拉伍卡萊維語（Lavukaleve）；非洲的，哈勒爾奧羅莫語（Harar Oromo）、伊拉庫語（Iraqw）、剛果語、穆穆耶語（Mumuye）、祖候語（Ju|"hoan）、科伊科伊語（Khoekhoe）；亞洲的，涅涅茨語、東亞美尼亞語、阿布哈茲語、拉達克語、普通話；以及歐洲的：德語、荷蘭語、挪威語、捷克語和西班牙語 | 圖片來源：language-exchanges.org

順帶一提，皮詹加加拉語（Pitjantjatjara），這名字還能更牛嗎？（另外，你能猜出這個拉丁化拼寫中哪個音節可以不發音嗎？*）

以兩項特徵為例：問句與代詞

「這很怪。這很怪嗎？」（This is odd. Is this odd?）區分各種語言的特徵之一，是「是非問句」的提問方式。絕大多數語言都有特別的疑問語助詞，添加在句中某處（例如日語問句句末的「か」[ka]）。在 WALS 中，有 954 種語言具有這項值的編碼，其中 584 種有疑問語助詞。（譯註：又如本段段首的普通話提問方式，添加語助詞「嗎」實現簡單疑問句提問。）但像英語那樣的提問方式，即調換詞序，其比例在所有語言中僅為 1.4%。也就是說，一共只有 13 種語言採用這樣的方式，而它們大部分都是歐洲語言：德語、捷克語、荷蘭語、瑞典語、挪威語、弗里西亞語、英語、丹麥語和西班牙語。

但還有一種語言，其是非問句的提問方式更加不走尋常路，那就是恰卡通戈米斯特克語：提問時，什麼都不變。我們調查所涉及語言中，唯有這種語言提問時沒有疑問語助詞，沒有詞序調換，沒有語調變換……這種語言就「是否」提問時，以及作簡單陳述時，講話真的是毫無任何區別。我花了好些時間，想像用這種語言做電視遊戲節目會是什麼樣。

語言還需應付的另一個問題，是如何處理簡單主語代詞，比如「我」（I）、「他們／她們／它們」（they）、「它」（it）。這些詞稱為「代詞主語」（而像「有關部門負責人含糊其辭」這樣的說法則是使用了名詞主語）。最通常的做法，是將代詞信息附加到動詞上——所調查的 711 中語言中有 437 中語言採用這樣的做法，如西班牙語、義大利語和葡萄牙語。但是，荷蘭語、德語和挪威語，與英語一樣，寧可使用特別的主語代詞，而這些代詞通常——或必須——在句中出現。不過，在 WALS 有編碼的 711 種語言里，也只有 82 種語言採用這樣的處理方法。庫特奈語（加拿大不列顛哥倫比亞省有 100 人使用）和穆穆耶語（奈及利亞有 40 萬使用者）的處理方法更不尋常：它們有類似主語代詞的東西，但其在句法中的位置，則與完整名詞性短語的位置不同。而比這還更不尋常的，又是恰卡通戈米斯特克語：這種語言混合多種不同策略，所以既有附著在動詞上的主語標記，又有代詞，而且這些代詞在句中出現的位置，還與完整名詞短語不同。

世界上最「不怪異」的語言

如果我現在請你考慮一下以下這幾種語言，你覺得它們有多怪呢？立陶宛語、印尼語、土耳其語、巴斯克語，以及粵語。嚇一跳吧！它們的怪異指數排名相當低呢。對於語言學家和語言學習者而言，這幾種語言可能並不顯得典型；但就我們研究的 21 種語言特徵而言，它們相當隨大溜。請注意，在怪異度各級分布中，我們有一些孤立語言（比如巴斯克語）。巴斯克語很「典型」；但是另一種孤立語言，庫特奈語，則相當怪異。更令人驚訝的是，漢語普通話名列 25 大最怪異語言，但粵語卻棲身倒數十大。這與二者發音系統不同有關：與粵語不同的是，普通話有小舌延續音（uvular continuants），而且在軟顎鼻音方面有一些局限（普通話同英語類似，可以發出英語「song」詞尾的那個音，比如漢語「頌」[sòng]；但無法將這個尾音置於單詞的詞首發音——世界性地來看，這個特定限制實屬罕見。）

漢語普通話名列 25 大最怪異語言，但粵語卻棲身倒數十大 | 圖片來源：pexels

而在怪異指數列表最末尾的幾種語言里，有兩種你聽過，有 3 種你可能沒聽過：匈牙利語，通常享有「語言學異類」的美譽，但在我們考量的這些維度里，卻是徹頭徹尾的典型語言。（我去年夏天在布達佩斯住過，我發誓匈牙利語絕對有其怪異之處，只是隱藏在其他地方了而已。）查莫羅語（關島有 9.5 萬使用者）、阿伊努語（僅在日本有少量使用者的瀕危語言），以及布雷佩查語（Purépecha，5.5 萬使用者，多在墨西哥），這三種語言都很正常。但是，所有語言中最最正常、超級典型、最不詭異的一種語言，怪異指數僅 0.087 的語言，是印地語——只有一項怪異特徵。

這一點，一部分說明，有些你想當然以為正常的語言（如英語、西班牙語或德語），其實一貫與世界上其他語言格格不入。這令我想起心理學的一個基本問題：如果我們調查研究主要基於大學生——即如約瑟夫?亨利希（Joseph Henrich）及其同事所認為的，西方的、受過教育的、工業化的、富裕的、民主的大學生——那麼這樣的研究，其概括程度到底能有多高？換句話說，有時輸入的信息本身就「不正常」，或曰怪異，那你就要問問自己，這是否會導致研究的變化。

你講英語，你很怪

儘管這裡採用的方法沒有以英語界定，但仍然夾帶了一些文化特異性的私貨。即是說，開發這個系統以及注釋這些語言特徵的語言學家，大部分都是歐洲語言使用者。如果換為巴布亞紐幾內亞、衣索比亞或亞馬遜的某個人來做研究，最終確定的語言特徵又是哪些呢？而且，當然，WALS 並不具備全球約 4000 種語言的所有數據；其所擁有數據資料的語言，也並不真正足夠隨機。

話雖如此，英語排名仍然很高，是挺不尋常的一種語言（排名 33 位，指數值 0.756）。如果你能帶著一個英語思維的大腦，去讀這篇文章英語原文，那你可真是怪怪噠。（譯註：你操漢語，能讀這篇譯文，那你的腦子更怪。）

附錄：十大與倒數十大怪異語言列表