翻譯者按：
2019年4月25日，復(fù)旦大學(xué)金力團(tuán)隊(duì)在《自然》上發(fā)表了探討漢藏語言起源相關(guān)問題的文章（綜合報(bào)道），并引發(fā)學(xué)界熱議（這里）。發(fā)布后，拓跋（山東師范大學(xué)語言學(xué)及應(yīng)用語言學(xué)在讀研究生張濤）第一時(shí)間看了這篇文章，并決定譯成漢語，以饗同學(xué)。（感謝董慶進(jìn)一同翻譯，也感謝百度翻譯軟件作為參考）
文章包括兩部分，一是文本（下文），多闡述總結(jié)性的成果；二是若干附件壓縮包，主要是原始材料、數(shù)據(jù)的整理。一般讀者讀文本即可，想更深入理解文章的讀者建議去下載原始材料。原文中的圖表在本文中僅附少數(shù)，其余請點(diǎn)擊“原文”自行到原網(wǎng)站下載觀看。
漢語堂小編說：這樣積極主動(dòng)又有學(xué)術(shù)敏感性的碩士在讀學(xué)生，不讀博士真是可惜了。期待有大佬課題組注意~
漢藏語起源于新石器晚期中國北方的譜系發(fā)生學(xué)證據(jù)
摘要：語言起源和分化的研究對于理解人類及其文化的歷史具有重要意義。漢藏語系是世界上僅次于印歐語系的第二大語系，關(guān)于其譜系發(fā)生和原始分化的時(shí)間深度一直存在爭論。本文對漢藏語系起源的兩個(gè)相互競爭的假說——“北方起源假說”和“西南起源假說”進(jìn)行了貝葉斯系統(tǒng)發(fā)生分析。北方起源假說指出，漢藏語言的最初擴(kuò)散發(fā)生在距今約4000-6000年前（以公元1950年為基準(zhǔn)），發(fā)生在中國北方黃河流域，并且這種擴(kuò)散與仰韶和（或）馬家窯新石器文化的發(fā)展有關(guān)。西南起源假說指出，漢藏語言的早期擴(kuò)散發(fā)生在9000年前的中國四川西南部地區(qū)或印度東北部地區(qū)，那里如今存在著非常多樣的藏緬語言。
我們對109種語言的949個(gè)詞根義進(jìn)行了貝葉斯譜系發(fā)生分析，估算出漢藏語言的分化時(shí)間深度約為4200-7800年，平均值約為5900年，這與北方起源假說相一致。此外，譜系發(fā)生分析支持了漢語族和藏緬語之間的二分法。我們的研究結(jié)果與考古記錄相吻合，與中國農(nóng)業(yè)擴(kuò)張和語言傳播假說相吻合。我們的研究結(jié)果為進(jìn)一步跨學(xué)科研究東亞史前人類活動(dòng)提供了語言基礎(chǔ)。
正文
史前人類的知識建立在三個(gè)學(xué)科上：考古學(xué)、遺傳學(xué)和語言學(xué)。遺傳學(xué)和語言學(xué)之間的相似性反映了歷史人口活動(dòng)的可比的潛在過程。因?yàn)檎Z言承載著文化信息，語言的進(jìn)化提供了對史前人類文化的洞察。
漢藏語系是世界第二大語系，由400多種語言和方言組成，約15億母語者共同使用這些語言和方言。漢藏語系在地理上分布于東亞、東南亞半島和南亞北部，包括有良好記錄的語言，如漢語、緬甸語和藏語。了解漢藏語系的歷史，將有助于我們深入研究其成員語言之間的關(guān)系，以及它們與阿爾泰語系、南亞語系、苗瑤語系、侗臺語系和南島語系的相互作用。此外，這一知識對于解決整個(gè)歐亞大陸東部人口遷移的來源、形成和歷史問題至關(guān)重要。
盡管漢藏語言的語言學(xué)研究最近蓬勃發(fā)展，但重建漢藏語系早期歷史的三個(gè)基本問題仍未解決。第一個(gè)問題涉及漢藏語言的基本分類，特別是漢藏語言的地位。漢藏語系的基本分類有三種假設(shè)，其中最為廣泛接受的一種假設(shè)提出了漢語族和藏緬語族之間的二分法：即漢語族（主要是漢語及其方言）被認(rèn)為是漢藏語系的一個(gè)主要分支，所有的藏緬語族都被認(rèn)為是漢藏語系的一個(gè)單系群體。一個(gè)對立的假設(shè)認(rèn)為，漢語族是漢藏語系主要分支的一個(gè)次分支。第三個(gè)假設(shè)認(rèn)為，漢藏語系底下分出若干個(gè)平行的分支（并且漢語族是這些分支之一）。除這些假設(shè)外，還有“落葉”模型，它認(rèn)為漢藏語系的主要亞群之間沒有明顯的內(nèi)部關(guān)系。
在漢藏語系分類爭議的基礎(chǔ)之上，其他有爭議的問題包括漢藏語言分化和擴(kuò)散的時(shí)間和起源地。這些爭議可分為兩個(gè)主要假設(shè)：北部起源和西南起源假說（表1）。北方起源假說認(rèn)為，黃河上游和（或）中游地區(qū)的人講漢藏語系祖先的語言，他們在距今4000-6000年間分成了兩部分：一部分向西遷移到西藏，然后向南遷移到緬甸（成為說藏緬語的當(dāng)代人口的主要祖先），而另一部分（說漢語的祖先）向東和南移動(dòng)，最終成為漢人。大多數(shù)歷史語言學(xué)家傾向于這種假設(shè)，并認(rèn)為漢藏語言的擴(kuò)散與新石器時(shí)代仰韶文化（約7000-5000年前）和（或）馬家窯文化（約5500-4000年前）的發(fā)展有著合理的聯(lián)系。
相比之下，西南起源假說認(rèn)為，漢藏語系的擴(kuò)散發(fā)生在約距今9000-10000年的東亞西南地區(qū)。西南起源假說主要有兩種形式（見表1），這里稱為假說II和假說III。假說II認(rèn)為，講漢藏語的人口最早起源于13500年前的四川省西南部，并在大約距今9000年前分為兩組：一組人進(jìn)入印度東北部，另一組向北進(jìn)入黃河流域；后者被認(rèn)為是當(dāng)代中國人和西藏人民的祖先。假說III認(rèn)為漢藏語言起源于大約9000年前的印度東北部，最早講漢藏語言的人從事游牧畜牧活動(dòng)而非農(nóng)業(yè)。
有關(guān)漢藏語言起源地的爭論交織著譜系發(fā)生的不確定性和對語言何時(shí)分化的巨大分歧。所有討論過漢藏語言與東亞農(nóng)業(yè)文明之間關(guān)系的語言學(xué)家都把仰韶文化、馬家窯文化和漢藏語系聯(lián)系了起來，因?yàn)橹袊艹让窈徒裉煺f藏緬語的一些人在文化考古上具有清晰的聯(lián)系。問題在于，和仰韶和馬家窯新石器文化有關(guān)的地理區(qū)域是否就是漢藏語系主要的播遷之地。明確的語言譜系重建和可靠的語言分化估算時(shí)間是推斷漢藏語言發(fā)源地的必要條件。在歷史語言學(xué)中，運(yùn)用豐富的當(dāng)代材料和歷史文獻(xiàn)的比較方法是一種廣泛應(yīng)用于建立語言關(guān)系的方法。語言年代學(xué)是語言比較方法的一個(gè)擴(kuò)展，它使用詞匯數(shù)據(jù)來估計(jì)語言分化的年代。然而，語言年代學(xué)有相當(dāng)大的局限性（例如它假定語言進(jìn)化的速率是恒定的），并且不考慮語言接觸、環(huán)境變化或不同種類的詞之間不同的替換速率、語言進(jìn)化不同的速率等，但這些問題也經(jīng)常出現(xiàn)在漢藏語言研究中。例如，在東亞，漢藏語系與周邊非漢藏語系，如苗瑤和侗臺之間的語言接觸很普遍。此外，缺乏對漢藏語言完整的歷史記錄和全面的語言調(diào)查，這些都對語言比較方法造成了挑戰(zhàn)。然而，進(jìn)化生物學(xué)的貝葉斯譜系發(fā)生方法的最新進(jìn)展提供了繞過這些局限性的替代機(jī)會。這些方法允許靈活的進(jìn)化模型，并且是推斷全球語言家族進(jìn)化速度和變化模式的有力工具。
為了研究“北方起源”和“西南起源”假說，我們對分布在中國、東南亞（例如緬甸）和南亞（例如印度、尼泊爾和不丹）的109種漢藏語系的949個(gè)二進(jìn)制編碼詞根義進(jìn)行了貝葉斯譜系發(fā)生分析（圖1，擴(kuò)展數(shù)據(jù)圖1）。通過匹配Swadesh 100單詞表中的詞義，根據(jù)多種選擇標(biāo)準(zhǔn)（補(bǔ)充信息，第1.1節(jié)）手動(dòng)識別和整理詞根含義。利用已知?dú)v史事件的多次時(shí)間校準(zhǔn)來估算漢藏語言的分化時(shí)間（補(bǔ)充表2），并比較了幾種模型組合（擴(kuò)展數(shù)據(jù)圖2）。與以前的研究不同，我們在沒有任何祖先限制或單系限制的前提下進(jìn)行分析，以避免在系統(tǒng)發(fā)育重建過程中出現(xiàn)人為偏差。
貝葉斯譜系發(fā)生分析的結(jié)果顯示，漢語族和藏緬語之間存在二分法，其中傳統(tǒng)分類的藏緬語族被確認(rèn)為一個(gè)單系，后驗(yàn)值為0.68（圖1，擴(kuò)展數(shù)據(jù)圖3）。分析還評估了漢藏語系幾個(gè)有爭議的亞組的可靠性（補(bǔ)充資料，第2.3節(jié)，擴(kuò)展數(shù)據(jù)圖4）。漢藏語言最初分化的平均時(shí)間估計(jì)（距今5871年）（圖1，擴(kuò)展數(shù)據(jù)圖5）發(fā)生在仰韶新石器文化時(shí)期，而最初的藏緬語分化時(shí)間（距今4665年）（圖1，擴(kuò)展數(shù)據(jù)圖6）估計(jì)發(fā)生在源于仰韶文化的馬家窯文化中期。因此，譜系發(fā)生和分化時(shí)間與北方起源假說相一致，也就是說，漢藏語言的最初分化可能與中國北方的這兩種新石器文化有關(guān)（圖2a，補(bǔ)充資料，第2.4節(jié)）。所估藏緬語分化的時(shí)間與Y染色體數(shù)據(jù)的遺傳證據(jù)也是一致。
考古證據(jù)表明，漢藏語言分化擴(kuò)散與新石器時(shí)代兩種文化發(fā)展之間的聯(lián)系可能歸因于人口的快速增長和農(nóng)業(yè)的普及。黃河流域考古遺址和持續(xù)的森林砍伐數(shù)量迅速增加，表明兩次快速的人口增長開始于大約距今6000年前，并在距今5000-4500年加?。▓D2b，c）。這一時(shí)間線與本研究中漢藏語和藏緬語分家的估計(jì)時(shí)間一致。此外，漢藏語傳播可能與距今6000年后谷粟農(nóng)業(yè)的傳播有關(guān)，這與“農(nóng)業(yè)和語言傳播”假說相一致。一系列考古證據(jù)，如建筑形式、陶器的圖案和形狀，也顯示出沿著藏-彝走廊向南擴(kuò)散到川西和云南西部省份的連續(xù)波；這種擴(kuò)散可以追溯到仰韶、馬家窯和齊家文化（新石器時(shí)代到青銅時(shí)代期間馬家窯文化的延續(xù)，大約距今4300-3500年）。特別是，距今5000年后，谷粟農(nóng)業(yè)的傳播主要發(fā)生在中國北方（特別是黃河流域）（補(bǔ)充資料，第2.5節(jié)），并沿著青藏高原邊緣向西部和南部擴(kuò)散。此外，根據(jù)之前的工作，我們對漢藏語進(jìn)行了起源地推測（擴(kuò)展數(shù)據(jù)圖7）。不過對于漢藏語言，起源地推測的前提條件并不滿足（補(bǔ)充資料，第2.7節(jié)）。
雖然我們采用譜系樹模型來證明漢藏語系的血統(tǒng)，但我們并不認(rèn)為漢藏語系的文化史確實(shí)是樹形的。人口遷移和漢藏語使用者之間的互動(dòng)是復(fù)雜的，并在很長一段時(shí)間內(nèi)發(fā)生。因此，漢藏語言之間的大量語言接觸可能發(fā)生在這些語言多樣化的早期階段，并可能一直持續(xù)到現(xiàn)在。這些接觸以前已知發(fā)生在漢藏語言之間，以及與周圍的南島語、侗臺語和苗瑤語之間（補(bǔ)充資料，第2.5、2.6節(jié)）。不幸的是，我們還不能為識別這些影響提供具體的數(shù)據(jù)，因此我們不能重建漢藏語言和其他語言家族之間的顯性遺傳關(guān)系。許多漢藏語言的描述仍然很差，這使得在歷史語言學(xué)中進(jìn)行明確的比較變得困難。因此，對漢藏語言演變的研究尚處于起步階段，需要更多的跨學(xué)科數(shù)據(jù)。為了明確地展示漢藏語言的演變，我們需要全面的考古調(diào)查和從古代DNA研究中獲得足夠的證據(jù)。
方法
沒有使用統(tǒng)計(jì)方法來預(yù)先確定樣本量。在實(shí)驗(yàn)和結(jié)果評估過程中，實(shí)驗(yàn)不是隨機(jī)的，研究者也沒有對分配視而不見。
詞根意義數(shù)據(jù)
根據(jù)一系列選擇標(biāo)準(zhǔn)（見補(bǔ)充資料，第1.1節(jié)），我們選擇了109個(gè)漢藏語言樣本，這些樣本在低級亞組中得到了很好的描寫。109種語言包括108種當(dāng)代語言和一種古代語言（上古漢語），它們的語言分支根據(jù)語言文字和民族語（補(bǔ)充表1）命名。根據(jù)Swadesh 100單詞表中的項(xiàng)目，我們在多種嚴(yán)格的選擇標(biāo)準(zhǔn)（補(bǔ)充信息，第1.1節(jié)）下，從STEDT數(shù)據(jù)庫中整理了109種漢藏語言的949個(gè)詞根-含義。這些根含義被編碼為離散二進(jìn)制字符（補(bǔ)充表1；作為補(bǔ)充數(shù)據(jù)以nexus格式提供（文件名'109sinotibetanlanguage_swadesh100.nex'））。
譜系發(fā)生重建和分化時(shí)間估計(jì)
我們使用Beast2軟件（v.2.4.8）33和babel包建立了漢藏語言譜系樹，并估計(jì)了樹根的時(shí)間深度。babel包用于執(zhí)行語言分析（https://github.com/rbouckaert/babel）。Beast中不需要任何例外組；相反，Beast將對根位置以及樹中的其余節(jié)點(diǎn)進(jìn)行采樣。我們評估了兩個(gè)詞根-意義模型（連續(xù)時(shí)間馬爾可夫鏈（CTMC）和協(xié)變）、時(shí)鐘模型（嚴(yán)格和寬松的對數(shù)正態(tài)時(shí)鐘）和伽馬率異質(zhì)性的六個(gè)組合，其中一個(gè)或四個(gè)比率類別屬于CTMC模型（補(bǔ)充信息，第1.2節(jié)）。因?yàn)樵谖覀兊姆治鲋胁⒉皇撬械恼Z言樣本都是當(dāng)代的，所以我們選擇合并貝葉斯天際線模型作為樹優(yōu)先模型。
為了估計(jì)漢藏語系的根年齡，我們根據(jù)已知的人類學(xué)和人口統(tǒng)計(jì)學(xué)證據(jù)以及歷史事件（補(bǔ)充表2，補(bǔ)充數(shù)據(jù)（文件名'binarycovation.releadclock.xml'）對譜系樹進(jìn)行了校正。這些校準(zhǔn)用概率分布表示。根據(jù)之前工作中校準(zhǔn)的設(shè)置，我們選擇了兩種分布：涉及估計(jì)誤差系數(shù)均勻分布的可能日期的情況下的正態(tài)分布，以及評估發(fā)散時(shí)間潛在范圍的均勻分布。我們的目標(biāo)是獲得推斷的漢藏語言的譜系。因此，我們并沒有預(yù)先設(shè)置任何單系約束，即使它們是經(jīng)過良好證明的語言分支。
利用時(shí)鐘模型、站點(diǎn)模型和速率異質(zhì)性的六種組合分析詞根義數(shù)據(jù)集。我們對這6種組合進(jìn)行了5千萬代的測試，每5000代進(jìn)行一次采樣，結(jié)果得到了1萬棵樹的樣本。前10%的迭代被視為老化，并被丟棄。示蹤劑（v.1.6）35用于檢查自相關(guān)和收斂狀態(tài)，并通過log10貝葉斯因子（補(bǔ)充信息，第2.1節(jié)，補(bǔ)充表3）測試最佳擬合模型組合。使用Beast v.2.4.8中的TreeanNotator包生成最大clade可信度樹。
語言分化的速度估計(jì)和考古遺址數(shù)量的變化
為了估計(jì)語言分化的速度，我們在語言系統(tǒng)中應(yīng)用了一個(gè)滑動(dòng)窗口，從7000年前到現(xiàn)在。在每個(gè)窗口中，我們計(jì)算內(nèi)部節(jié)點(diǎn)的數(shù)量。每個(gè)內(nèi)部節(jié)點(diǎn)的平均高度是從給定的漢藏語言系統(tǒng)中獲得的（參見補(bǔ)充數(shù)據(jù)中的高度數(shù)據(jù)（文件名'109sino tibetan language.mcc.tree'）。推拉窗的長度設(shè)定為500年，移動(dòng)步距設(shè)定為50年。利用這個(gè)估計(jì)，我們得到了整個(gè)系統(tǒng)發(fā)育的節(jié)點(diǎn)數(shù)曲線。在Matlab 2015b中，使用作為平滑函數(shù)的局部加權(quán)散點(diǎn)圖平滑算法36對曲線進(jìn)行平滑處理，其中參數(shù)“平滑跨度”設(shè)置為0.1。
同樣，我們采用同樣的方法來計(jì)算考古遺址數(shù)量的變化，如圖2b、c所示。具體來說，我們調(diào)查了中國西北部（包括甘肅、青海、寧夏和陜西）和西南部（包括四川、云南和西藏自治區(qū)）兩個(gè)地理區(qū)域的考古遺址數(shù)量。收集的考古遺址的數(shù)據(jù)來自先前的出版物（補(bǔ)充信息，第1.5節(jié)）。在距今7000到2500年（移動(dòng)步驟設(shè)置為1）之間的每個(gè)時(shí)間點(diǎn)，我們計(jì)算了覆蓋時(shí)間點(diǎn)的時(shí)間范圍內(nèi)的站點(diǎn)數(shù)量（補(bǔ)充數(shù)據(jù)（文件名“Matlab codes for estimation of Sino-Tibetan evolutionary tempo.zip”）。
（譯者：張濤 董慶進(jìn)）
本文轉(zhuǎn)載自
