FALA E LINGUAGEM HUMANAS
PHILIP LIEBERMAN
Extraído do livro "The Cambridge Encyclopedia of Human Evolution",
p. 134-137, publicado pela Cambridge University Press (UK), 1995.

Tradução: Pedro Lourenço Gomes

A nossa linguagem envolve mecanismos neurais e anatômicos inatos e geneticamente transmitidos. Alguns deles, particularmente aqueles relacionados com a fala, são encontrados apenas nos humanos, e o mesmo pode ser verdadeiro quanto a alguns aspectos da linguagem, tais como uma sintaxe complexa governada por regras, e uma complexa estrutura de palavras. Permanecem grandes hiatos em nossa compreensão da fala e da linguagem humanas, mas pensamos que estes mecanismos neurais e anatômicos singularmente humanos se desenvolveram para melhorar nossa capacidade de utilizar a linguagem. Em contraste, a capacidade de adquirir e de usar palavras de maneira simples está presente em animais não-humanos.

Johannnes Muller demonstrou em 1848 que a produção da fala humana envolve a modulação de energia acústica através da passagem de ar acima da laringe (o trato supralaringeal). Esta energia acústica é gerada pela laringe ou pelo turbulento fluxo de ar quando da constrição da passagem de ar. Mas até a década de 1960 não se compreendeu que a própria fala é um importante componente da capacidade humana de usar a linguagem. A fala nos permite transmitir "segmentos" fonéticos (que são aproximados pelas letras do alfabeto) à notável taxa de até 25 por segundo. Em contraste, é impossível identificar informações não-faladas (NT - sem o caráter de fala) a taxas maiores do que 7 a 9 itens por segundo. Uma frase curta, como esta, contém uns 50 sons de fala. Estes segmentos fonéticos podem ser ditos em dois segundos. Se esta frase fosse transmitida à taxa de não-fala, levaria tanto tempo que o ouvinte bem poderia esquecer o começo da frase antes de escutar seu final.

A alta taxa de transmissão da fala humana é, então, parte integral de nossa capacidade linguística, já que permite que idéias complexas sejam transmitidas dentro dos limites da memória de curto prazo. Apesar da linguagem de sinais também poder alcançar uma taxa de transmissão de dados, as mãos do sinalizador não podem ser usadas simultaneamente para outras tarefas. A linguagem vocal representa uma continuação da tendência evolutiva dos hominídios em direção à liberação das mãos, tendência que adveio da locomoção ereta bipedal.

A alta taxa de transmissão da fala é obtida pela geração de padrões de frequência formante e de rápidas disposições temporais e espectrais através da singular passagem de ar supralaringeal (PAS) humana, e seus mecanismos de controle. Um órgão de tubos deixa passar energia acústica máxima em certas frequências. As frequências formantes sãos os "picos' de energia acútica passando pela PAS. Tanto o órgão de tubos como o trato PAS, assim, agem como "filtros", deixando passar relativamente mais energia acústica em frequências particulares.

A energia sonora da fala é gerada na laringe para as vogais e consoantes "fonadas" como [m] e [v]. O ruído turbulento gerado nas constrições da passagem de ar também pode servir de energia acústica, como, por exemplo, na produção de sons como [t] e [s]. Durante a fonação as cordas vocais da laringe se abrem e fecham rapidamente em uma taxa que determina a frequência fundamental ( Fo ) da fonação. As vozes com altura (intensidade) (NT - pitch) mais altas têm frequências fundamentais médias mais altas. A energia média está presente na frequência fundamental e seus harmônicos - isto é, em múltiplos integrais de Fo ( 2Fo , 3Fo , 4Fo , etc.).

Quando as pessoas cantam elas variam sistematicamente a frequência fundamental da fonação. Muitas linguagens "tonais", como o chinês, também diferenciam palavras utilizando variações padronizadas da frequência fundamental. Mas a frequência fundamental é independente do padrão de frequência formante, que deriva da filtragem que o trato vocal supralaringeal faz da energia acústica da fonte; esta energia é a frequência fundamental e seus harmônicos mais altos para a fonação, ou espectro de energia total do ruído turbulento.

As frequências formantes são determinadas pela forma e comprimento da PAS. O processo não é diferente daquele que ocorre quando olhamos uma janela de vidros foscos : a luz do dia que atinge a janela é a fonte de energia, e a imagem que vemos deriva das propriedades filtrantes do vidro fosco agindo sobre a fonte.

Durante o processo da fala, continuamente nós mudamos a forma da PAS e fazemos pequenos ajustes em seu comprimento, gerando assim um padrão variante de frequência formante. Por isto os sons da fala humana diferem tanto em seus padrões de frequência formante com respeito ao timing e à fonte acústica que é filtrada.

O APARELHO DA FALA

A PAS humana difere daquela de qualquer outro mamífero adulto. Nos chimpanzés, por exemplo, a língua está posicionada inteiramente dentro da cavidade bucal, e forma sua margem inferior. A posição da longa e relativamente fina língua reflete a posição alta da laringe. A laringe move-se para cima em direção ao interior da nasofaringe durante a respiração, fornecendo ao ar uma passagem do nariz para os pulmões, que fica isolada de qualquer líquido que possa entrar na boca do animal.

Até a idade de três meses os bebês humanos têm uma passagem de ar com a mesma forma que a dos mamíferos não-humanos, e podem respirar e beber ao mesmo tempo. O líquido se move para um dos lados da laringe suspendida, que, como um periscópio que se alça para cima na cavidade bucal, conecta os pulmões com o nariz. Nos adultos humanos a laringe abaixou até o nível do pescoço. A língua arredondada forma a margem frontal da faringe, assim como a margem inferior da cavidade bucal. O ar, os líquidos e a comida sólida, todos utilizam uma passagem comum através da faringe. Por isso os humanos tendem mais do que qualquer outro animal a engasgar quando comem, porque a comida pode cair na laringe e obstruir o caminho para os pulmões.

Durante o crescimento o palato humano se desenvolve para trás ao longo da base do crânio, que é ele próprio reestrututrado de maneira singular para se obter a PAS. Os adultos humanos são menos eficientes na mastigação porque o céu da boca e a mandíbula inferior foram reduzidos, em comparação com os primatas não-humanos e os hominídios arcaicos. Esta redução do palato e da mandíbula inferior junta muito nossos dentes e pode levar a infecção por causa da inclusão (NT - impaction) - uma condição potencialmente fatal antes da medicina moderna.

Estas deficiências na boca do adulto humano são compensadas pelo âmbito fonético aumentado da PAS. O trato vocal humano pode selar a passagem de ar que vem do nariz e passa pela boca, produzindo assim sons não-nasais. Isto resulta em padrões de frequência formante mais claros e mais prontamente identificáveis. A fala anasalada está inerentemente mais sujeita a erros de interpretação do que a fala não-anasalada. Por exemplo, de 30 a 50 % de taxa de erro para as vogais anasaladas, contra 5 % para as vogais não-anasaladas, sob condições similares.

Além disso, a língua arredondada humana, movendo-se no espaço definido pelo palato e coluna espinhal, pode gerar os padrões de frequência formante que definem vogais como [i] , [u] , e [a] , (as vogais das palavras dica, tubo e cama) e consoantes como [k] e [g]. Estes sons, e consoantes como [b], [p], [d] e [t], têm padrões de frequência formante que os tornam mais adequados para a comunicação vocal do que outros sons. Eles são os sons mais comuns em diferentes linguagens humanas, e são adquiridos bem cedo pelas crianças. A taxa de erro na má identificação da vogal [i] é particularmente baixa. Pode servir como uma disposição ótima (NT - isto é, como o melhor parâmetro disponível) para a normalização do trato vocal na percepção da fala, na qual um ouvinte compensa o comprimento do trato vocal supralaringeal de um falante individual.

A PERCEPÇÃO DA FALA

Apesar da percepção da fala humana envolver mecanismos auditivos gerais que desempenham certo papel na audição de outros sons, a percepção da fala é um processo complexo que foi "adaptado" (NT - ou "tornado condizente") com a PAS por meio da seleção natural. Mecanismos neurais especializados operam em diferentes estágios de um modo perceptivo da fala, no qual os ouvintes parecem aplicar à fala estratégias diferentes das aplicadas a sinais não-falados.

Primeiro os ouvintes devem extrair as frequências formantes e fundamentais dos sinais falados. Podem fazer isto mesmo quando estes sinais tiverem sido degradados por circuitos telefônicos ou ruídos (sistemas computadorizados de reconhecimento da fala não podem). Parece que extraímos as frequências formantes utilizando um conhecimento neural interno das características filtrantes de nossa PAS. Os ouvintes humanos utilizam um processo de normalização do trato vocal, no qual inconscientemente estimam o comprimento provável da PAS do falante para atribuir um padrão particular de frequência formante a um som falado particular.

O comprimento da PAS humana difere grandemente : a passagem de ar de uma criança tem apenas a metade do tamanho da de um adulto. Por causa desta variação há superposição (NT - overlap) de padrões de frequência formante que transmitem diferentes sons falados. Por exemplo, apesar das frequências da palavra bit serem sempre mais altas do que as da palavra bet, ditas pelo mesmo falante, a palavra bit falada por um falante masculino adulto e grande pode ter o mesmo padrão de frequência que a palavra bet produzida por um indivíduo menor. A PAS mais longa do falante maior produz formantes de frequência menores para seu bit do que a passagem da pessoa menor, e seu bit pode igualar-se ao bet da pessoa menor.

Os diferentes padrões de frequência formante que sinalizam o mesmo som podem ser extremos : aqueles de crianças de 4 anos são tipicamente o dobro dos padrões adultos. Ainda assim os ouvintes humanos são capazes de identificar corretamente os sons falados porque inconscientemente normalizam (o que escutam), levando em consideração o comprimento provável do trato vocal supralaringeal de um dado falante. Deste modo a vogal fornece uma vantagem seletiva, no processo de percepção da fala, para os hominídios que são capazes de produzí-la.

Quando ouvem a fala os seres humanos também tiram vantagem de disposições acústicas e restrições contextuais tais como taxa (NT - rate) e contexto fonético. Por exemplo, diferentes padrões de frequência formante sinalizarão a consoante de parada [d] quando ela ocorrer antes da vogal [i] , ao contrário da vogal [u] . Estes diferentes padrões de frequência formante resultam das restrições inerentes à fisiologia da fala. Neste caso, o trato supralaringeal deve se mover da forma que produz o som para as diferentes formas que produzem [i] e [u]; os padrões de frequência formante refletem as duas diferentes transições. Apesar de o padrão de frequência formante na emissão das sílabas [di] e [du] ser bastante diferente, nós ouvimos o "mesmo" som [t] na posição inicial para ambas as sílabas.

Nós identificamos tais padrões e disposições espectrais de curto prazo como categorias discretas (NT - discretas matematicamente, não comportamentalmente) de uma maneira que sugere que temos uma série de detetores neurais afinados para responderem aos sinais acústicos particulares produzidos pelos órgãos da fala humana. Estes detetores são análogos àqueles mais simples que existem em outras espécies, tais como sapos e grilos, e que podem ser identificados usando-se eletrofisiologia e técnicas comportamentais.

Há mais de um século o cirurgião francês Paul Broca identificou a área do cérebro humano na qual os programas que controlam a produção da fala humana são armazenados e acessados. As manobras articulatórias que ocorrem durante a fala estão entre as mais complexas. As crianças com menos de 10 anos não podem chegar a padrões adultos, mesmo com relação às manobras básicas como as posições labiais que produzem diferentes vogais. O dano aos caminhos neurais que conectam a área de Broca às outras áreas do cérebro resulta em falhas na produção da fala. O dano não precisa envolver a própria região de Broca. Os pacientes com este defeito ( NT - defect) não podem produzir sons distintos de fala, mas podem mover articuladores individuais, ou usar a língua e os lábios para engolir comida.

Os grandes macacos (aos quais falta um equivalente funcional da área de Broca, e caminhos de conexão) não podem ser ensinados a controlar suas PASs para produzirem sons em qualquer grau similares aos da fala humana. Apesar de a passagem de ar pongídea (NT - dos macacos) ser inerentemente incapaz de produzir todos os sons da fala humana, ela tem o potencial mecânico para produzir ao menos alguns deles. Mas os primatas não-humanos, que não têm os mecanismos cerebrais necessários para controlar as manobras articulatórias voluntárias que são pré-condições da fala humana, são intencionalmente incapazes de produzir mesmo estes sons.

SINTAXE

Também parece haver um elo entre os mecanismos neurais envolvidos no controle motor da fala e os mecanismos neurais responsáveis pela sintaxe. As vítimas da afasia de Broca e do mal de Parkinson, nas quais os mecanismos cerebrais que regulam o controle motor da fala estão danificados, são quase sempre deficientes em gramática e perdem o comando dos aspectos mais complexos da sintaxe. Nisto elas lembram as crianças de pouca idade, que são incapazes de compreender frases que tenham uma sintaxe complexa. Alguns chimpanzés foram ensinados a se comunicar por meio da linguagem de sinais, mas eles não parecem usar qualquer sintaxe complexa na comunicação.

Outras atividades motoras complexas, como as que estão envolvidas na fabricação de ferramentas, podem ter feito parte da evolução dos mecanismos cerebrais que são necessários para a fala e a sintaxe humanas. Mas a capacidade sintática parece estar ligada à produção da fala, e provavelmente chegou ao seu nível atual em épocas comparativamente recentes, com o aparecimento do anatomicamente moderno Homo sapiens. Em contraste, a capacidade de utilizar palavras pode se basear em mecanismos neurais que estão presentes de forma reduzida em outras espécies vivas, e que foram elaborados bem cedo durante a evolução dos hominídios.

A EVOLUÇÃO DO APARELHO DA FALA

A contrapartida da área de Broca em primatas não-humanos pode ser o córtex pré-central lateral, que está envolvido na regulação dos movimentos da face e da boca utilizados na comunicação. A elaboração de tais movimentos, juntamente com a evolução da PAS, pode ter promovido a evolução da área de Broca nos humanos.

A combinação evolutiva do aparelho humano da fala com um mecanismo de percepção da fala é similar à combinação entre anatomia e percepção de sons em outras espécies, como os grilos, sapos e macacos. A fala humana utiliza estruturas e mecanismos neurais que estão presentes em outras espécies; a laringe é similar em todos os hominídios, e os roedores têm os mecanismos necessários à audição de disposições linguísticas tais como a coordenação entre a fonação e a abertura dos lábios que diferencia os sons [b] e [p].

As estruturas e os mecanismos neurais de controle necessários para a produção dos complexos padrões da fala humana parecem ter se desenvolvido apenas nos últimos 1,6 milhões de anos, mais ou menos. A anatomia comparada de primatas vivos e de hominídios fósseis sugere que a evolução do trato vocal supralaringeal humano provavelmente começou nas primeiras populações africanas do Homo erectus e não se completou até o aparecimento dos humanos totalmente modernos.

Os homens de Neanderthal foram os últimos a reter o antigo trato vocal supralaringeal não-humano. Mas há uns cem mil anos havia outros hominídios, predadores do Neanderthal - por exemplo, aqueles dos sítios israelitas de Skhul e Jebel Qafzeh - que tinham a PAS humana. Como estes hominídios tinham outras semelhanças com os humanos modernos, provavelmente tinham os mecanismos cerebrais necessários à produção da fala humana.

A existência de uma forma moderna de PAS em hominídio fóssil sugere que havia controles motores neurais e mecanismos perceptivos combinantes. As deficiências da PAS humana quanto à respiração e ao ato de engolir devem ser superadas pelo valor adaptativo da fala rápida. A fala pode mesmo ter servido de mecanismo isolante, promovendo a especiação na evolução, que levou ao aparecimento do anatomicamente moderno Homo sapiens.