人類為何會跳舞：節拍感、說話能力與鸚鵡給我們的啟示大解析！

2025年11月18日

說話與隨節奏起舞之間出人意表的連結。

重點整理

能夠隨節拍移動的能力，在動物王國中非常罕見。
鸚鵡與人類是世界上少數能跟上節拍跳舞的物種之一；兩者都會說話，暗示兩種能力之間可能存在連結。
隨音樂起舞的能力，可能是為了複雜語言而需要的大腦神經架構所產生的副產品。

把一群人聚在同一個房間，放上一段節奏迷人的音樂，很大一部分人多半會不由自主地開始搖擺、律動。我們一聽到音樂，就會被吸引著想要跟節奏同步移動，幾乎無法抗拒。為什麼會這樣？原來，我們隨音樂起舞的能力，可能和看似無關的另一件事——我們產生複雜語言的能力——有著密切關聯。有趣的是，在地球眾多物種當中，能隨節拍而動的能力幾乎只有我們擁有，而我們與另一種會「說話」的動物共享這項本領：鸚鵡。

罕見的能力

能把自己的動作與聽到的節拍同步，也就是科學家所說的「節拍感知與同步」（beat perception and synchronization，BPS），在動物王國中其實十分少見。雖然許多動物可以做出有節奏的動作（例如馬的奔跑步伐，或鳥類拍動翅膀），但能依照自己聽到的外在節奏調整動作的物種卻少之又少。

人類在這方面表現得淋漓盡致，而在其他生物當中，鸚鵡則是最亮眼的「跟拍高手」。那些鸚鵡隨音樂點頭、踏步的影片不只是可愛而已——它們展現的是多數動物根本不具備的一種特殊認知能力。

讓人類與鸚鵡之間這種相似性更耐人尋味的是：這兩個物種還共享另一項罕見特質——高度發達的聲音學習能力。多數動物一出生就帶著一組幾乎固定的叫聲庫，能發出的聲音種類大致就那幾種。有些物種則不同，例如鳴禽與鯨魚，牠們可以透過聆聽並模仿環境中的聲音模式來學習新的發聲（歌聲），這些物種被稱為「聲音學習者」。

人類與鸚鵡則是「進階版」的聲音學習者，能掌握的聲音模式更加複雜，甚至包括語言。同一群動物同時具備複雜的聲音學習能力，以及隨節拍同步律動的能力，這個事實暗示兩者之間可能存在某種關聯。但這兩種能力究竟是如何連在一起的呢？

協調的挑戰

要理解這樣的關聯，我們得先看見人類說話中隱藏的複雜度。當我們開口說話時，不只是發出聲音而已，而是在協調我們發聲系統各部分之間一場極度精準的「舞蹈」。喉頭（聲帶所在的部位）負責產生聲音並控制音高，而舌頭、嘴唇與下顎則把這些聲音塑形成各種語音、音節與詞彙。這兩套系統必須在時間上配合得天衣無縫。

想想看，當我們在一個字的不同音節上、或在一句話的不同字詞上加重音時，意思就會改變，例如在英文中 OBject 和 obJECT 重音落在不同音節時，詞性與意思也不同；又像「I didn't say HE stole the money」（是別人偷），以及「I didn’t SAY he stole the money」（但他可能有偷）這兩句，雖然用詞一樣，但因為重音放在不同字上，句意就跟著改變。這些例子說明，音高的變化必須在音節序列裡出現在精準的時間點，才能傳達正確意思——這需要高度精細的時間協調能力。

研究顯示，這種協調的精準度驚人，音高變化與音節邊界對齊的誤差只有一小部分秒。更令人讚嘆的是，音高並不是瞬間就能改變的——從一個中等幅度的音高變化，大約需要 100 毫秒（相對而言算是很長的一段時間）。這代表大腦必須預先預測音節會出現的位置，並提前開始調整音高。

準節奏的難題

如果語音具有像節拍器一樣完全規律的節奏，要協調這些不同的發聲系統大概就容易得多；每個系統只要鎖定在同一個內在節拍上就好。但實際情況並非如此。語音是「準節奏的」（quasi-rhythmic）：它有一個平均的節奏速度，但音節與字詞之間的時間長短會不斷變化。

你可以自己試試看，一邊唸這句話一邊在每個音節上拍手：「Elise wrote a rough draft and then she edited it.」這種不規則性就是我們不會對說話的聲音起舞的原因——語音的節奏不夠可預測。

那麼，大腦是如何解決這個協調難題的呢？答案可能在於建立一個「內在聽覺節拍」——也就是我們即將說出的節奏，在心中預先排好的一條時間線。這個內在模板就像指揮家一樣，用來同步控制音高調節系統與音節產生系統。

從說話到跳舞

也就在這裡，說話與跳舞之間的連結浮現出來。一旦大腦演化出可以讓多個動作系統對同一個聽覺節奏進行同步的機制，它其實就具備了一項更簡單任務所需的一切條件：對外在、可預測的節拍進行同步。換句話說，我們隨音樂起舞的能力，可能只是為了複雜語言而發展出的神經架構所帶來的一個意外副產品——演化生物學家稱之為「spandrel」。

有幾項證據支持這個想法。首先，人類即使面對不規則、難以預測的時間模式，只要接觸幾次就能學會並記住，這顯示聽覺系統非常擅長儲存準節奏（甚至隨機）的節奏模板。其次，有關「延遲聽覺回饋」（delayed auditory feedback）的研究——讓說話者聽到延遲一小段時間後才播放出來的自己的聲音——揭露了聽覺節奏在語音產生中的重要性。

當這個延遲約為 200 毫秒（大致相當於一個音節的長度）時，說話流暢度會受到最嚴重的干擾。有趣的是，實驗顯示這種干擾與聽到錯誤語音內容的關聯較小，主要是來自節奏不匹配，這暗示一種聽覺節奏編碼在協調語音產生過程中扮演關鍵角色。