語言如何誕生和進化？

為什麼只有人類擁有語言能力？
嬰兒如何能夠從一無所知的狀態，開始無中生有使用愈來愈多的語言呢？
龐大的人類語言系統，起源何處？
人類與AI、動物的區別究竟在哪裡？
答案就在「滋嚕滋嚕～」、「咚噠～」、「叭鏜～」等寶寶喜愛的擬聲詞！

在語言演化過程中，語言和身體的連結，讓擬聲詞成為人類最早使用的一組語言。
幾乎全世界的語言都存在擬聲詞，日語中最常見的是在日常表達某種感受狀態或聲音的詞彙，例如興奮的時候會說WAKUWAKU！心跳加速的時候就是DOKIDOKI……甚至，全球知名的寶可夢更是日語擬聲詞的豐富資料庫，可愛的怪獸、有趣的名稱與叫聲，大量來自日語擬聲詞的轉化創意，讓全球大人小孩為之傾倒，讓擬聲詞不再只是小朋友專屬或不登大雅之堂的用語，而是當代深具感染力的日本流行文化底蘊。
本書破除擬聲詞只有奇怪可愛或引人發笑的迷思，以有趣的案例深入分析和探討聲音與人類身體經驗的互動痕跡，展開奇妙的人類語言和知性起源思索之旅！

語言與身體之間的聯繫，還有從經驗中推論因果關係，
是人類可以超越其他物種，不斷進化的特質……
一起踏上探索「語言是什麼」、「人類是什麼」的旅程！

小朋友看到汽車，會說「ㄅㄨㄅㄨ」，當他開始將「ㄅㄨㄅㄨ」轉換成「車」的那一瞬間，到底，發生了什麼事？
擬聲詞究竟是怎麼離開語言的？我們在學習語言的同時，又是怎麼不斷擴展知識理解和傳達更加複雜事物呢？

語言是日常生活中的必需品，也是智慧和藝術的源泉。為什麼人類具有語言能力？兒童如何習得語言？人類、AI及動物學習語言的區別在哪裡？

語言的誕生，發生在各種文化環境中的人類想要表達身體和情緒感受的時候，也是人類在知識推理過程中發生創造性的描述能力的基礎，這些和AI需要大量投入文字資料才能建構語言模型，有根本上的不同。本書以「符號接地問題」為切入點，也就是探究人類最初的一群詞語如何與身體產生直接聯繫，並揭示人類「回溯推論」和「提攜循環」的特殊能力，探索語言的本質，以及人類可以不斷自發進步的動力原因。特別推薦給對擬聲詞感興趣，或者正在思考AI機器人與人類之間區別的讀者。

當探索語言時，人類獨有的力量逐漸浮現。這不僅是關於語言，也是能深入探索人類本質的一本書。每個人將在閱讀這本書時，開始不自覺地追溯與思索自我生命旅程中，那些如今想來如此令人驚豔、創新表達自己的時刻。

臺大語言學研究所江文瑜教授推薦：
在臺灣推出的與語言學相關的科普書並不多見，因此這本兼具學術性與趣味性的精彩好書得以出版實為讀者之福。平易近人的科普書比艱深的學術書更引人入勝之處在於其所涉及的知識很多能與生活連結，或是讓人能與自己的生命經驗共鳴，同時避免過多學術名詞讓讀者陷入閱讀困難。……期待本書能在當今大眾對於AI的熱切浪潮中，透過語言本質的探討，讓讀者能深刻體會人類學習語言的樂趣所在。

作者簡介

今井睦美

一九八九年慶應義塾大學研究所博士課程學分取得退學。一九九四年，取得西北大學心理學系博士學位。現為慶應義塾大學環境情報學系教授。專攻認知科學、語言心
理學、發展心理學。
著作：《詞語與思考》、《學習是什麼》、《解開詞語的發展之謎》、《英語獨學法》。合著：《記得語言的機制》、《解不開算數文字題目的孩子們》、《為什麼會出現「無論解釋多少次，還是聽不懂」的情況？》、《學力喪失》。

秋田喜美

二〇〇九年神戶大學研究所文化學研究系畢業。取得（學術）博士學位。曾任大阪大學研究所語言文化研究系講師，現任名古屋大學研究所人文學研究科副教授。專攻
認知・心理語言學。
著作：《擬聲詞的認知科學》，共同編著：《擬音語、擬態語與表情語》（Ideophones,MimeticsandExpres-sives,JohnBenjamins）、《語言類型論》。

譯者簡介

王筱玲

曾任職出版社副總編輯。主要擔任谷川俊太郎詩集與奈良美智著作之中文版編輯與翻譯。
譯有《嬰兒革命》、《寂寞的大狗》、《小星星通信》（合譯）、《安藤忠雄：我的人生履歷書》（合譯）等。現為自由工作者（編輯、採訪、撰文、翻譯）。

★各界WAKUWAKU大推薦

專文推薦與導讀國立臺灣大學語言學研究所江文瑜教授

【試讀推薦】
Iku老師日文老師、臺日文化與旅遊YouTuber
盛浩偉作家
連思宇臺日雙聲道專業配音員、聲音導演
黃竹佑「麻瓜的語言學」社群編輯

【推薦&導讀】
大家一起來熱情接地
江文瑜
國立臺灣大學語言學研究所教授

人生充滿機緣巧合的事情總在不預期的時候發生。當我這幾個月來一直關注「接地/接地氣」這個有趣的議題時，出版社來信邀請我為《語言如何誕生和進化》寫推薦序。原來這些年來，世界與臺灣的自然醫學界開始推薦一種有效提升免疫力的方法，那就是透過以赤腳接觸大地並接收地球能量，藉此可以讓人重返健康。而當我開始閱讀《語言如何誕生和進化》這本書時，就在本書的前言讀到「符號接地」，頓時驚喜不已。
 可以這麼說，《語言如何誕生和進化》全書的重要觀點，就是探討並延伸「符號接地」的議題。人類可以透過身體接觸大地，但屬於無生物的「符號」，怎麼可能會接地？這是一種比喻方式，把符號擬人化，擬人化後的「符號」一旦接地，指的就是人類透過語言符號反映自身的身體經驗，稱為語言的「身體性」。這個「身體性」可以是感官、情緒與思考的各種感知，猶如兩位作者今井睦美教授與秋田喜美教授在前言所提到的：「要真正理解詞語的意思，就必須對該對象的整體有身體上的經驗。」今井與秋田教授以日語中非常具有特色的「擬聲詞/擬態語」（以下簡稱擬聲詞）作為全書代表性焦點並深入探討擬聲詞在語言中所扮演的角色，藉以彰顯符號與身體經驗連結的重要性。兩位教授勇於挑戰過去擬聲詞被視為語言邊陲的現象，認為具有高度「身體性」的擬聲詞可揭開「符號接地」的秘密，並試圖窮究日語擬聲詞裡的寶藏。然而兩位教授的目的不止於此，更擴展視野高度至語言學、心理學與認知科學的關鍵焦點如兒童如何學習語言、語言的誕生與進化、人類與AI在語言學習上的差異、人類與動物的推論差異等重要議題。
 在閱讀這本書的整個過程中，我感覺自己不斷感受到兩位作者探索語言本質的熱情之情洋溢於字裡行間。在這裡我要談談這本書在臺灣能翻譯出版的兩項重要意義。第一，在臺灣推出的與語言學相關的科普書並不多見，因此這本兼具學術性與趣味性的精彩好書得以出版實為讀者之福。平易近人的科普書比艱深的學術書更引人入勝之處在於其所涉及的知識很多能與生活連結，或是讓人能與自己的生命經驗共鳴，同時避免過多學術名詞讓讀者陷入閱讀困難。由於我與今井教授熟識，知道她非常期待能將語言相關知識傳遞給一般民眾，因此她長期以來奮力將學術成果轉化為適合大眾閱讀的文字，書寫了數本在日本成為認知科學與語言學的暢銷書。之前她在日本非常受到關注的一本科普書，也透過我的推薦在臺灣出版：《哎唷！牙齒「踩」到嘴唇？揭開兒童語言學習之謎》，同樣受到讀者的高度喜愛與肯定。
 本書出版的第二個重要意義，我認為是本書的內容正好與當今的AI熱潮接軌，非常適合想要了解人工智慧的學習過程與人類語言學習有哪些差異的讀者，尤其這方面的書籍在臺灣非常稀少。如果用簡易方式總結本書對於兩者差異的結論，可以說人類的語言學習需要透過「符號接地」，而目前具有強大功能的神經網路型AI如ChatGPT，則不需要，書中提到：「現今的神經網絡型AI可以在不進行符號接地的情況下進行學習，雖然無法實現人類的創造性，但卻能夠比一般人積累更多的知識，並利用這些知識進行解釋和解決問題。」因此，差異在於人類的語言學習必須透過「多模態」方式與身體接地，再以此為基礎對於所學到的東西做各種推論，而後修正並反覆確認。「多模態」的獲得是透過實際的人際互動，從而得到包含語調、肢體語言、臉部表情、身體感覺……等各種與語言相關的訊息。而AI因為資訊是透過人類的大語言模型餵養語言輸入的語料，可以直接跳過人類親身經歷的身體經驗，因此除了無法像人類一樣每個詞語的獲得都是紮實地透過身體的學習而來，也無法表達人類透過身體經驗體會出的情感與感知。
 我們或許在這裡可以藉由臺灣的語言，讓讀者快速進入兩位作者所提到的「語言的身體/情感經驗」之意義，藉此了解人類與AI在語言學習上的差異。如果以台語為例，台語雖然整體數量比日語少很多擬聲詞，但已經比華語多出許多。在視覺方面，例如有白鑠鑠（pe̍h-siak-siak）形容很白的樣子、黃錦錦（n̂g-gìm-gìm）形容顏色金黃、紅記記（âng-kì-kì）形容顏色極紅。在這些我加上教育部推薦的臺羅拼音例子中，後面的兩個重疊音，對於前面的形容詞除了產生加強強度的生動效果，也表達強烈感覺與情緒喜好度。兩個連續重疊甚至可造成語意的對比，例如「白鑠鑠」（pe̍h-siak-siak）可用來形容某物品（如衣服）白到閃閃發亮的感覺，而「白phau phau」形容皮膚白而光滑圓潤。或許我們可以想像，圓唇的[u]音可以和「圓潤」有所關連，說話者在說出這句話時，對於形容的對方皮膚表示讚賞之意。我想，對於AI來說，或許它理解「白phau phau」的表面意義，但我推測它應該無法想像那種皮膚透亮到圓潤的視覺感受。
 類似的生動效果之例子也出現在其他感官的感覺，嗅覺方面，如芳貢貢（phang-kòng-kòng）、臭薟薟（tshàu-hiam-hiam）；味覺如甜粅粅（tinn-but-but）、鹹篤篤（kiâm-tok-tok）、𩚨嗲嗲（khiū-teh-teh，形容食物軟有彈性，嚼勁十足）；觸覺如冷吱吱（líng-ki-ki）、燒燙燙（sio-thǹg-thǹg）、幼麵麵（iù-mī-mī，形容細嫩）；聽覺有嚇嚇叫（heh-heh-kiò，喧鬧的聲響）、詬詬唸（kāu-kāu-liām，嘮叨、囉嗦）、嘛嘛吼（mà-mà-háu，指小孩大聲哭鬧）等，還有不算少的其他例子。以上這些詞語與拿掉重疊詞後的單字詞所呈現的身體感受差異，我猜AI應該都無法體會。。
 廣義來講，擬聲詞屬於「語音象徵/音聲象徵」（sound symbolism）的一種面向。「語音象徵/音聲象徵」是透過聲音的差異產生意義的對比，展現今井與秋田教授所謂的符號與擬聲詞的「圖像性」（iconicity），根據他們的定義如下：「表現對象與被表現對象之間具有相似性的符號」。視覺上常見的具有「圖像性」的例子是表情符號，透過捕捉一些情緒的特色，讓人容易理解該符號的意義，如笑臉符號。相對地，擬聲詞是透過聲音捕捉聲音與對象之間的相似性。除了擬聲詞以外，「語音象徵/音聲象徵」也可出現於一般的詞彙。以台語為例，由於這個語言相對於華語有較豐富的聲音結構，尤其有七個音調，我發現台語透過聲音連結意義的形容詞、動詞、與名詞的詞彙為數相當可觀。一個經典例子是「長」（tn̂g）：形容物體或空間兩端的距離較大、較遠，也可延伸至時間的久遠，而「短」（té）則表示事物之間的距離小，再以譬喻的方式延伸意義為「不夠、少、小、缺失等」。這個例子的趣味性在於唸出台語的「長」時，由於是個上揚調，如果用量測聲音長度的軟體來量整個音節的時間值，會發現它的時間長比發出「短」這個下降調來的長，因此字的時間長變成可以模擬外在所要描述的對象的差異。很重要的一點是，這種對比必須以一組字來呈現，才能得知這個差異，就猶如今井與秋田教授所舉出的日語擬聲詞例子，很多是透過成對的對比看出兩個字的意義差異。
 兩位教授針對語言的「系統性」提到：「語言的要素（單詞或詞綴等）單獨存在並不具有意思；語言是一種透過對比和差異化而擁有意思的系統。」這裡我們再度可以看到透過模擬身體經驗而產生對比的例子出現在為數不少的台語動詞，例如「擉」（tia̍k，「彈手指」之意）對比於「嘎」（khia̍k，用五指的指節敲打）。我們來想像一下，「擉」的子音[t]以舌頭翹起頂住齒齦模擬一隻手指彈起的樣子，ia̍k音以阻塞音[k]結尾並透過音調，形成急促的短音，正好可以模擬彈指之間的時間短促；而母音ia̍從開口較小的[i]到開口較大的[a]正好也可模擬彈指時原本兩指連接幾乎沒有空隙，到兩指分離距離較大。相對地，「嘎」以吐氣、後舌根抬高靠近口腔軟顎位置的[kh]阻塞音模擬整個手掌反過來以指節擊打某物的動作。「嘎」後面的ia̍k同樣具有形容動作短促的效果。整體而言，這個例子傳遞出台語語音用來呈現動作對比是非常傳神的描述。我們可以猜測，AI或許能理解以上這些字的語意差異，但可能無法體會符號背後的聲音與意義連結的身體經驗。
 接下來，另一個人類與AI的差異在於學習的方式差異。兒童語言學習與人類的語言演化不僅止於比較具有圖像性的符號，也需要經過抽象化的過程，兩位教授在第五章提出非常有趣的理論架構「圖像性之輪」假說。這個理論認為兒童語言學習與人類的語言發展循著一種途徑，從屬於圖像性高的類比式符號（如擬聲詞）到必須衍生意義而發展為失去圖像性的數位式符號，等到這些數位式符號逐漸累積變成系統化後，又再度透過「相似性」將一些詞語整理歸類為同類，因而又回到圖像性，完成了「圖像性之輪」。我們可以這樣看，「圖像性之輪」或許是人類與AI的學習模式之巨大差異所在，人類必須隨時間循序漸進地累積學習，同時擴展身體經驗，但人類把累積一輩子的資訊壓縮在超級大型的數據空間裡讓AI以類神經網路方式快速學習，因而兩者的學習模式不同。
 我期待本書能在當今大眾對於AI的熱切浪潮中，透過語言本質的探討，讓讀者能深刻體會人類學習語言的樂趣所在。寫到這裡，我忽然靈光乍現，想到或許在可見的未來裡，由於科技的突破，AI也能體會情緒與感官的感知也說不定呢。至於那種感覺是否與人類的相同，或許就要靠科幻小說的想像力來創造了。
 最後，我想以感性的方式作為本文的結尾。今井教授是我熟識的好友，從我二〇一二年到日本京都參加「語言與演化」的國際學術會議認識她開始，開啟了我們之間密切的臺日交流與臺日往返，包括學術與生活兩方面。今井教授在日本是享有學術名望，認真治學的教授，待人非常親切真誠，用台語形容就是「真有情」，令人在與她相處時倍感溫暖。二〇一三年底，我受邀參加她所舉辦的一場關於音聲象徵的會議，在那裡認識了年輕有為的秋田先生，隔年又再度在今井教授召開的學術會議裡與他再度相遇。在會議結束後，今井教授邀請大家搭船遊東京灣，我記得秋田先生就坐在我隔壁，兩人相談甚歡。多年後，發現他已經在名古屋大學任教，而且勤於發表論文，受到學界肯定。如今，我在閱讀《語言如何誕生和進化》的過程中，好幾次浮現當年我在船上看到的東京灣夜空與星光點點的如夢似幻場景，尤其與日本教授友人們在船上的互動畫面更是歷歷在目。那次相聚的十年後欣見兩位教授友人多年辛苦的結晶能在臺灣問世，我滿懷歡喜並給予高度評價。我極力推薦這本精彩好書給大家，相信有緣的讀者能獲得滿滿的收穫，不但對語言學習能有一番嶄新的見解，甚至之後可能徹底翻轉人生。讓我們大家都一起來與地球和語言熱情地接地吧！

 

 

推薦&導讀 大家一起來熱情接地 ◎江文瑜 國立臺灣大學語言學研究所教授

前言
第１章　擬聲詞是什麼
第２章　圖像性──形式與意思的相似性
專欄1 主食是「pa」「ba」「ma」「fa」「wa」
為什麼表⽰主食的單詞經常以「パ」（pa）或「マ」（ma）開頭呢？
第３章　擬聲詞是語言嗎
第４章　兒童的語言習得１——擬聲詞篇
第５章　語言的演化
第６章　兒童的語言習得２——回溯推論篇
專欄2 兒童的說錯話
《輕鬆語言學廣播》網路節目裡的「日本兒童錯誤賞」
第７章　⼈與動物的差異——推論與思考偏誤
終　章　語言的本質
後記／參考文獻

前言

語言之謎

我們每天使用著語言，就像生活中有火和空氣一樣的自然。不過或許只有在無法使用語言的時候才會讓我們覺得這是值得感激的一件事吧。若問「語言的性質是什麼？」似乎會得到這樣的回答：「會思考這個問題的只有語言學者這種閒人了。不知道意思的時候就查字典，裡面會有答案。」不過或許其實很多人會在生活當中某個突如其來的瞬間，腦中浮現出「語言是什麼」的疑問。
當然語言不是人類智能活動的一切，語言能力也不是認知能力的全部。但是，對人類來說，語言是必要的。因此有很多關於語言的謎，這些謎就像無底洞般的沼澤一樣深不可測。對語言研究者來說，語言則像一座高山，無論怎麼攀登，都到達不了頂點。

符號接地的觀點

在認知科學中，有個尚未解決的大問題稱為「符號接地問題」（Symbol Grounding Problem） 。我們人類知道各個已知的詞語有各自指涉的對象，但所謂的「知道」，並非只有指可被定義的事物。例如當我們聽到「哈密瓜」這個詞語，就能夠想到哈密瓜整體的顏色、外觀、氣味、果肉的顏色和觸感、味道以及口感等各種特徵。當然，這不只是因為我們看過「哈密瓜」的照片，也包含了曾經嘗過哈密瓜的印象。
但是，如果是沒看過實物也沒吃過的水果呢？我們可以說明「ＯＯ」的名稱，並展示照片，這樣就可以讓人知道這個水果的外觀，也能記得名稱。或者寫出如「酸酸甜甜很好吃」的說明，這樣也能夠讓人記得這種水果。但是，如果把ＯＯ的視覺印象加上「酸酸甜甜很好吃」的說明一起記憶，這樣就可以算是知道ＯＯ是什麼了嗎？我們都知道草莓的味道，如果想到「草莓酸酸甜甜很好吃」，也很可能會把ＯＯ的味道想成草莓的味道。
符號接地問題原本是探討人工智慧（AI）的問題之一。如果將「ＯＯ」與「酸甜」、「好吃」等其他符號（語言）連結起來的話，真的就可以說AI「知道」ＯＯ是什麼嗎？
最早提出這個問題的認知科學家史蒂芬・哈納德（Stevan Harnad）曾說，這種狀態是「從符號到符號的旋轉木馬（merry-go-round） 。」只以符號來表現另一個符號，不管經過多久，都無法真正理解詞語指涉的對象。要真正理解詞語的意思，就必須對該對象的整體有身體上的經驗（圖前言-1）。如果是機器人的話，可以裝載攝影機，透過攝影機取得視覺的印象。然而，我們對於對象的了解，不僅僅是來自視覺印象而已，例如還有觸覺，若是食物的話還會有味覺，以及知道對象的行為舉止和行動模式。當欠缺像這種來自根植於身體（接地）的經驗時，真的可以說人工智慧「知道」ＯＯ了嗎？
 
但是，符號接地問題或許不只是人工智慧的問題。人類明明能夠記得詞語，有必要親身體驗嗎？為了使用詞語，需要具備身體經驗嗎？語言與身體產生的連結關係需要達到什麼樣的程度呢？關於符號接地的問題將於後面第四至六章再來詳細討論，在這邊我們先來思考一個與符號接地問題同源但稍有不同的問題，也就是關於「使用詞語是否需要具備身體經驗」，這個更直接牽涉到人類語言相關的疑問。因此，首先讓我們反過來，從「語言是抽象的」這點來展開思考吧。

語言的抽象性——以紅為例

為了記得並使用語言，親身體驗是否真的必要呢？要理解符號接地問題被提倡與關注的背景，就必須先知道一九九〇年代前半的時候人們是如何認知語言的。
當時的主流看法是「語言是與親身體驗無直接關係的抽象式符號」。可以自由操作抽象式的概念，被視為人類智慧的象徵。因為語言是從身體被分離出的抽象式符號，如果邏輯性地操作這些符號，就可以理解並使用語言。此種看法，對於讓電腦習得（acquisition） 語言、翻譯或者進行對話都是非常有利的，因為電腦沒有所謂的身體。
在這當中產生了一些疑問：是否真的能夠理解並使用從身體獨立出來而作為符號的語言？電腦是否真正理解所謂的「意思」？這就是出現「符號接地問題」的背景。
毫無疑問，語言是巨大且抽象的符號系統。所謂抽象式的語言，很多人會想到像是「侘寂」、「質數」等這樣的概念，它們沒有視覺上的實體。例如「紅」或者「走路」，就不太會被覺得是非常抽象的詞語，這是因為它們指涉的對象是可見的。
不過，如果認真思考，就會了解實際上「紅」或「走路」的意思其實都是非常抽象的。要理解「紅」和「走路」的意思，並非只要知道某種典型的指示對象就能理解，而是必須要了解詞語所指涉的範圍。而要想了解範圍，就要在相同概念的領域裡，知道圍繞著這個詞語的其他相關詞語（例如知道「紅」的情況下也要知道有「橘」、「粉」、「紫」等），並且了解它們彼此的分界，不僅僅是藉由眼睛看到某個特定對象（例如紅色的汽車），並聽到「紅」這個單詞的發音就能理解意義的。關於這部分，將在第六章詳細說明。在此，希望讀者可以記住這個重點：「詞語是系統的一部分，因此是抽象的」。

語言的演化與兒童的語言習得之謎

一個一個的詞語（單詞）都具有各自的關係性，成為一個龐大的系統，然後可以將那些詞語進行組合的，就是語言。不過這麼一來，就會產生各種疑問：語言是如何產生、又是如何演化的呢？語言從一開始就像現在這樣，是一個既抽象又複雜的龐大系統嗎？這有點難以想像。那麼，剛開始產生的語言是什麼模樣？又是如何演化成現在使用的語言形式呢？
兒童應該也不可能在一開始就擁有如此龐大的系統。那麼，兒童最初是如何記得詞語的呢？他們怎麼理解語言是一種符號系統？又是如何習得這種擁有抽象式意思的龐大系統？
這些疑問全部都與「符號接地問題」有所關聯。提出這個疑問的哈納德指出，至少在最早使用的詞語中，有一部分必定是與身體「接地」的。
本書將思考「符號接地問題」的解答，這個問題探討的雖然是語言與身體的相關性，不過我們也將從這點切入，深入研究語言的起源、演化，以及兒童的語言習得之謎。接著還要挑戰「語言的本質是什麼」這個大哉問，而這個挑戰的關鍵就是「擬聲詞」（onomatopoeia）。
擬聲詞？是的，「ゲラゲラ」（geragera，咯咯笑）、「もぐもぐ」（mogumogu，嚼嚼，形容閉著嘴巴咀嚼的聲音）、「フワフワ」（fuwafuwa，輕飄飄）就是在日本人生活中不可或缺的那些詞語。實際上，「擬聲詞」現在也正受到世界的注目，不只是因為擬聲詞被認為是「有點奇怪而令人覺得有趣的詞語」，在解開語言的起源和語言習得之謎之前也扮演著重要角色，並且在思考「語言是什麼」這個哲學性的大哉問時更是重要的材料、備受矚目的焦點。我們身為執筆者，不是基於有趣，也並不是想引人發笑，而是將「擬聲詞」作為學術上重要的主題，非常認真、不起眼地進行研究。
長年以來，世界主流學派認為擬聲詞在語言學這門學科裡並不重要，甚至可以說是旁枝末節的研究主題。與外國相比，日本學界的擬聲詞研究相對活躍，不過研究的焦點大都放在音與意思的關聯，以及在文句中的功用和修辭效果上。在此背景下，本書執筆者之一的秋田喜美，從研究生時期開始，就致力透過與其他語言的比較和用於語言理論的探討，研究擬聲詞是如何成為具有語言式特徵的詞語。
另一方面，今井睦美則從認知科學與發展心理學的角度，對於語言與身體的關係，特別是對音與意思的連結在語言發展中所起的作用感到興趣，他針對成人、幼兒進行了大量的實驗。而今井在設計實驗的時候，總是仰賴熟知世界各地擬聲詞研究文獻的秋田喜美。
有一次，當兩人在討論擬聲詞時，意識到他們討論到最後往往都不在探討「擬聲詞是什麼」，而是跳到了「語言是什麼」的問題上，因而察覺到雙方雖然都著迷於擬聲詞的魅力，但最終想要的探問的問題，其實還是「語言的本質是什麼」。
擬聲詞看起來像是特殊的詞語，實際上卻具有語言的普遍性、本質上的特徵，也就是語言的微型世界，因而可能成為解決「符號接地問題」的關鍵。秋田喜美專注語言學，進行語言的分析，而今井睦美身為認知與發展心理學學者，長年探討的是關於人類在習得以及應用語言方面的推論。可以這麼說，秋田喜美的研究基礎是語言的面向，而今井睦美的研究基礎則是人類的面向。
兩人來回穿梭於語言形式和人類思考這兩個基地之間，跨越語言學、認知心理學、腦神經科學等不同學術領域，俯瞰並仔細觀察、一起思考全世界的擬聲詞研究者們的龐大研究成果，希望能直搗「符號接地問題」、「語言習得」、「語言演化」、「語言的本質」這些語言研究的核心。我們就是基於這樣的想法開始撰寫本書，至今已經有五年以上的時間。雖然由數名作者共同執筆的著作，通常會採取分章個別撰寫的方式完成，但本書在兩位執筆者進行思考交流的傳接球同時，覺得應該要一起挑戰語言這座高山，因此所有的章節都是共同執筆完成的。
希望讀者也能與我們同行，一起踏上這趟探索「語言的本質是什麼」的旅程。