翻譯者按：
2019年4月25日，復(fù)旦大學(xué)金力團(tuán)隊在《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)生和原始分化的時間深度一直存在爭論。本文對漢藏語系起源的兩個相互競爭的假說——“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提供了語言基礎(chǔ)。
正文
史前人類的知識建立在三個學(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的可比的潛在過程。因為語言承載著文化信息，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基本問題仍未解決。第一個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主要分支，所有的藏緬語族都被認(rèn)為是漢藏語系的一個單系群體。一個對立的假設(shè)認(rèn)為，漢語族是漢藏語系主要分支的一個次分支。第三個假設(shè)認(rèn)為，漢藏語系底下分出若干個平行的分支（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散的時間和起源地。這些爭議可分為兩個主要假設(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，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)為漢藏語言的擴散與新石器時代仰韶文化（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，因為中國周朝先民和今天說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擴展，它使用詞匯數(shù)據(jù)來估計語言分化的年代。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)（補充信息，第1.1節(jié)）手動識別和整理詞根含義。利用已知歷史事件的多次時間校準(zhǔn)來估算漢藏語言的分化時間（補充表2），并比較了幾種模型組合（擴展數(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)為一個單系，后驗值為0.68（圖1，擴展數(shù)據(jù)圖3）。分析還評估了漢藏語系幾個有爭議的亞組的可靠性（補充資料，第2.3節(jié)，擴展數(shù)據(jù)圖4）。漢藏語言最初分化的平均時間估計（距今5871年）（圖1，擴展數(shù)據(jù)圖5）發(fā)生在仰韶新石器文化時期，而最初的藏緬語分化時間（距今4665年）（圖1，擴展數(shù)據(jù)圖6）估計發(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，補充資料，第2.4節(jié)）。所估藏緬語分化的時間與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，漢藏語言分化擴散與新石器時代兩種文化發(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）。這一時間線與本研究中漢藏語和藏緬語分家的估計時間一致。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-彝走廊向南擴散到川西和云南西部省份的連續(xù)波；這種擴散可以追溯到仰韶、馬家窯和齊家文化（新石器時代到青銅時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）（補充資料，第2.5節(jié)），并沿著青藏高原邊緣向西部和南部擴散。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是樹形的。人口遷移和漢藏語使用者之間的互動是復(fù)雜的，并在很長一段時間內(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)計方法來預(yù)先確定樣本量。在實驗和結(jié)果評估過程中，實驗不是隨機的，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)（見補充資料，第1.1節(jié)），我們選擇了109個漢藏語言樣本，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（補充表1）命名。根據(jù)Swadesh 100單詞表中的項目，我們在多種嚴(yán)格的選擇標(biāo)準(zhǔn)（補充信息，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個詞根-含義。這些根含義被編碼為離散二進(jìn)制字符（補充表1；作為補充數(shù)據(jù)以nexus格式提供（文件名'109sinotibetanlanguage_swadesh100.nex'））。
譜系發(fā)生重建和分化時間估計
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，并估計了樹根的時間深度。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)點進(jìn)行采樣。我們評估了兩個詞根-意義模型（連續(xù)時間馬爾可夫鏈（CTMC）和協(xié)變）、時鐘模型（嚴(yán)格和寬松的對數(shù)正態(tài)時鐘）和伽馬率異質(zhì)性的六個組合，其中一個或四個比率類別屬于CTMC模型（補充信息，第1.2節(jié)）。因為在我們的分析中并不是所有的語言樣本都是當(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)計學(xué)證據(jù)以及歷史事件（補充表2，補充數(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。
利用時鐘模型、站點模型和速率異質(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（補充信息，第2.1節(jié)，補充表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和考古遺址數(shù)量的變化
為了估計語言分化的速度，我們在語言系統(tǒng)中應(yīng)用了一個滑動窗口，從7000年前到現(xiàn)在。在每個窗口中，我們計算內(nèi)部節(jié)點的數(shù)量。每個內(nèi)部節(jié)點的平均高度是從給定的漢藏語言系統(tǒng)中獲得的（參見補充數(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，移動步距設(shè)定為50年。利用這個估計，我們得到了整個系統(tǒng)發(fā)育的節(jié)點數(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（補充信息，第1.5節(jié)）。在距今7000到2500年（移動步驟設(shè)置為1）之間的每個時間點，我們計算了覆蓋時間點的時間范圍內(nèi)的站點數(shù)量（補充數(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
