大家好，这里是最佳拍档，我是大飞。在今天的视频开始之前，我想先问大家一个问题：在你看来，音乐到底是什么？是通勤路上的背景歌曲，是聚会时的助兴旋律，还是演唱会里的情绪宣泄呢？绝大多数人都会把音乐定义为一种娱乐方式，一种人类文明发展到一定阶段后才诞生的艺术消遣。然而，今天我想要给大家分享的研究结论，可能会彻底颠覆我们对音乐的固有认知。

来自利物浦大学的音乐学权威教授迈克尔·斯皮策（Michael Spitzer）用横跨美学、认知心理学、人类学、演化生物学的跨学科研究，向全世界证明音乐根本不是人类的娱乐附属品。它是一套比语言还要古老一百万年的生物系统，从四百万年前人类祖先直立行走的那一刻起，就开始塑造我们的身体、大脑，甚至整个社会的组织方式。接下来，我将为大家拆解他在Big Think的深度访谈，从人类祖先的脚步声到四万年前的骨笛，从巴比伦的泥板乐谱到今天的AI音乐创作，揭开音乐作为人类文明终极密码的全部真相。

音乐的演化起源：超越娱乐的生物系统

首先，我们来认识一下迈克尔·斯皮策。他是国际公认的贝多芬研究权威，同时也是少有的能打通人文社科与自然科学的跨界学者。1966年，斯皮策出生于尼日利亚，在以色列长大，1973年赎罪日战争期间随家人移民英国，随后在牛津大学默顿学院完成本科学业，并在南安普顿大学获得博士学位。2010年，他从杜伦大学转入利物浦大学担任音乐学教授。2021年，他出版了著作**《音乐人类：地球生命史》（The Musical Human: A History of Life on Earth）。这本书一经发布就被BBC广播选为“本周之书”，由英国知名戏剧导演西蒙·麦克伯尼**（Simon McBurney）亲自朗读。曾经撰写过畅销书**《音乐大脑》、专门研究人类大脑处理音乐机制的神经科学家丹尼尔·列维廷**（Daniel Levitin）对斯皮策的这本书也给出了极高评价，称它为音乐领域的“《枪炮、病菌与钢铁》”。

斯皮策创作这本书的初衷，其实源于对一本经典著作的补充。当他读完尤瓦尔·赫拉利（Yuval Harari）的**《人类简史》**后发现，这本书虽然完整讲述了智人的演化与崛起，但却遗漏了一个至关重要的维度——音乐。赫拉利的叙事围绕着智人展开，但斯皮策的研究明确指出，音乐的出现比智人至少早了一百万年，甚至动物世界里早就存在音乐，鸟类的鸣唱、鲸鱼的歌声都是最原始的音乐形态。他在访谈中说了一句话：“音乐人类，首先是一种音乐动物。”如今市面上绝大多数的音乐史，都在记录哪个作曲家在哪个年代创作了哪首乐曲，而斯皮策要做的，是跳出狭义的艺术史，站在地球生命演化的视角，告诉我们音乐如何从生命诞生之初就与人类绑定共生。

远古回响：直立行走与骨笛的记忆载体

要想弄清楚音乐的历史，我们第一个要回答的问题是：在没有录音设备的一百万年里，声音无法留下任何痕迹，乐器的皮革、弦线、木材都会自然降解，我们到底该如何证明音乐在远古时代就已经存在呢？1877年，美国发明家托马斯·爱迪生（Edison）制造出了人类历史上第一台留声机，在此之前，人类没有任何可以保存声音的技术手段。考古发掘中，能留存至今的只有石头制作的打击乐器，比如天然的钟乳石、坦桑尼亚的岩石锣，以及目前已知最古老的吹奏乐器——距今约四万年的骨笛。这批骨笛出土于德国西南部施瓦本汝拉山区的霍赫勒费尔斯洞穴，2017年被列入联合国教科文组织世界遗产名录。它的制作材料非常特殊，是用一种翼展接近三米的秃鹫的骨头制成，全长约22厘米，保留了五个完整的指孔，是人类早期精准控制音高的直接证据。

弦乐器的出现要晚得多，竖琴、鲁特琴需要用动物肠子搓成琴弦，这意味着这类乐器必须等到人类驯化牲畜、发展出畜牧业之后，才有可能被发明。等到陶器出现后，人类把兽皮蒙在陶器上制作出最早的框鼓，但兽皮同样会降解，我们至今无法确定这类乐器的具体诞生年代。虽然没有直接的声音证据，但斯皮策没有陷入考古学的局限，而是用解剖学演化史、工具技术史、语言学逆向建模，以及全球狩猎采集社会田野观察四块拼图，跨学科地补全了音乐起源的空白。他给出的解释是，大约一百五十万年前，人类祖先中的直立人发明了双面手斧。这种工具的斧刃两侧完全对称，制作难度远超简单的石器。直立人是最早走出非洲的人属物种，脑容量约为现代人的三分之二，已经掌握了用火技术和复杂工具的制造能力。而制造对称的工具需要两种核心能力：一是对美感形式的本能追求，二是跨感官的心智运算（Cross-modal Cognition: 整合来自不同感官通道信息的认知过程）。现代心理学研究早已证实，人类的认知是跨感官通道的，工具制造领域的认知能力可以直接映射到声音领域。对称的形态投射到声音中，就是规律的节拍和稳定的节奏。因此，我们完全有理由推断，能够制造出双面手斧的直立人，完全可以用这把斧头敲出对称、规律的节奏，这就是人类最早的音乐行为。

让人类祖先彻底区别于猿类共同祖先的核心标志是直立行走。大约四百四十万至四百万年前，一种名为地猿始祖种（Ardipithecus ramidus）的早期人族生物第一次完成了直立行走。古人类学家给这具化石取了一个亲切的昵称“阿迪”，它的化石在埃塞俄比亚被发现。斯皮策强调，这不是一个比喻，而是生物演化的事实：从“阿迪”迈出第一步开始，行走的节奏就刻进了人类音乐的基因里。直立行走触发了一整套连锁的进化反应：

• 大脑与肌肉运动之间建立了紧密的神经连接，人类开始能识别脚步声的可预测模式，而模式的感知让人类第一次拥有了时间感，能预判下一个节拍的到来。
• 直立行走催生了“音乐在移动”的永恒隐喻。音乐本身只是空气中传播的声波，并不具备物理移动的属性，但人类几乎会本能地想象一个音符走向另一个音符，所有音乐都像在展开一段旅程。这段想象中的旅程，正是人类祖先数百万年前走出非洲的真实迁徙，留在基因里的遥远回声。
• 直立行走让人类的颅腔容积扩大了两倍多，更大的大脑让运动皮层的神经连接大幅增强，手指变得更加灵巧，这才有了制作和演奏骨笛的身体基础。
• 直立姿态释放了胸腔空间，让人类的呼吸更加自如，喉头在声道中下降，舌骨的演化让人类能精确控制发音。我们可以和东非的绿猴做一个直观对比：绿猴只能发出四种固定的叫声，每一种叫声对应一种天敌的警报，功能单一且局限。而人类的声道能产生上千种声音，这个能力远远超出了单纯传递生存信息的需求。当声音的产出能力超过了实用功能的边界，多余的空间就成了音乐诞生的温床，人类开始为了声音本身而玩赏声音，不再追求任何生存目的。这就是人类音乐从动物叫声中分离出来的核心分水岭。

解决了音乐的起源问题，我们再来探究音乐的本质。斯皮策在整个研究过程中，发现了一个最底层的结论：音乐从头到尾，都是人类的记忆系统。在巴布亚新几内亚南部高地的卡卢利部落，当地人坚信音乐来自一种名为“月鸟”的果鸠。在他们的原始信仰里，飞翔在森林树冠上方的月鸟就是祖先的灵魂在说话，模仿月鸟的叫声就是参与生命的循环，把祖先的声音重新歌唱出来，这就是最原始的口传历史。斯皮策发现，从两百万年前的原始人类开始，音乐就和记忆深度绑定。一个原始人教儿子如何打制石器，儿子通过重复的动作记住技巧，这种传统就是所谓的凝固的肌肉记忆，是触觉层面的文化模因（Cultural Meme: 通过模仿和传播在文化中延续的思想、行为或风格）。而四万年前的骨笛本身就是一套记忆载体，骨笛上刻着的平行短线是演奏者手指放置的位置提示，五个指孔就是一套完整的操作说明。这些物理痕迹都是为了让音乐的演奏方法被记住和被传承。

放到现代文明中，音乐的记忆属性同样清晰。西方音乐史上，贝多芬的**《英雄交响曲》记录的是整个民族经历拿破仑战争的集体记忆。这首交响曲最初是题献给拿破仑**的，但1804年拿破仑称帝后，贝多芬愤怒地撕掉了题词页，将作品改名为《英雄》，纪念的是一个理想中的英雄而非具体的个人。无论是东方还是西方，无论追溯到多么遥远的年代，所有音乐都和记忆紧密捆绑，它是人类保存个体情感、集体历史、文化基因的最独特载体。

音乐与空间：仪式、劳动及社会形态的映射

骨笛的出土位置同样为音乐的本质提供了关键线索。考古学家发现，德国南部出土的骨笛碎片全部散落在洞穴中共振效果最好的地点，这直接证明了音乐与建筑空间的天然联姻。斯皮策指出，西方的教堂本质上就是一个模仿原始洞穴的敬拜空间，素歌与教堂石壁之间的共鸣绝非偶然的设计。在原始人类的认知里，洞穴是阴暗、危险的野兽巢穴，也是通向神秘力量的入口，只被用于特殊的仪式活动。人类借助石壁对笛声、人声、钟乳石敲击声的惊人回响，完成与神灵和祖先的沟通。音乐是仪式的核心，也是连接现实与超自然的桥梁。

走出洞穴，篝火旁的火堆是原始人类日常的音乐空间。火的固定性对应着仪式的固定性；火堆的环形对应着仪式的循环重复。狩猎后的庆祝和食物分配的仪式都围绕着火堆展开，在这个场景里，唱歌、舞蹈、身体运动、讲故事没有任何分界线。西方文明后来发明了“music”这个单词，把歌唱、乐器演奏、舞蹈、叙事全部装进一个单一的概念里，但在全球绝大多数原始文化中，这些活动本就是一体的，各有各的名称，从未被割裂。

当我们把视角拉到智人演化的宏观尺度，会发现人类社会经历了狩猎采集、农耕定居和城市文明三个大时代，每一个时代的社会心态都对应着完全不同的音乐形态。狩猎采集时代的游牧生活决定了音乐的全部特征：人类不可能背着沉重的乐器穿越草原、森林，因此音乐只能依靠嗓音，或是轻便的笛子和小型打击乐器。生活在喀麦隆热带雨林中的俾格米人是地球上最古老的族群之一，他们以复杂的多声部合唱闻名于世。最神奇的是，他们每次演奏同一首曲子听起来都完全不同。斯皮策指出，“固定作品”这个概念是现代文明才诞生的发明，在狩猎采集社会里，音乐是即兴的、流动的，没有固定的乐谱，也没有一成不变的旋律。更重要的是，在这个时代，创造音乐的人和聆听音乐的人是同一批人，作曲家与听众的分离是纯粹的现代产物。

不同的生存环境塑造了音乐截然不同的功能。英国旅行作家布鲁斯·查特文（Bruce Chatwin）在1987年出版的**《歌之路》中，记录了澳大利亚原住民的独特传统：原住民用“歌之路”为沙漠导航，每一处地貌都对应着一首歌，音乐就是他们的天然GPS**。在萨满的引领下，音乐被视为一种灵魂的飞行，带领族人穿越宇宙的层级，抵达祖先所在的“梦幻之地”。而生活在北极冰原的因纽特人，居住在狭小封闭的冰屋中，社群内部无法通过冲突解决矛盾，因此音乐的核心功能是管理愤怒和化解冲突。因纽特的歌曲里充满了笑声和玩笑，是社群和谐的粘合剂。斯皮策还发现，北极的雪地不会像沙地一样留下脚印，无法通过物理痕迹导航，因此因纽特人更多地在大脑中构建路径网络，文化与音乐的网络逐渐取代了物理足迹的导航功能。

如果我们把全球所有狩猎采集民族做横向对比，会发现一个共同的核心：音乐始终与动物深度纠缠。达尔文1836年跟随“小猎犬号”抵达澳大利亚时，就观察到原住民在仪式中模仿几维鸟和袋鼠的舞步；因纽特人在歌曲中模仿海豹幼崽的声音，以此引诱猎物；北美原住民则模仿野牛幼崽的叫声。音乐的核心功能之一，就是讲述“我们从哪里来”的起源故事，而这个故事的起点永远指向与人类共生的动物。

当人类发明农业并进入农耕定居时代之后，一切都发生了根本性的改变。定居生活让人类的思维模式从狩猎采集的线性旅程，变成了四季循环的周期思维。音乐也随之“生了根”，每个季节、生命周期的每个节点都有对应的音乐，可重复的“作品”概念第一次出现。音乐的结构变得和农耕生活一样循环往复，与节气、祭祀、丰收、婚丧深度绑定。而当人类从农场迁移到城镇，进入城市文明时代，乐器的制作与保存条件大幅提升，人们可以制作大型、沉重的乐器，钟、锣等打击乐器开始出现。竖琴、鲁特琴这类精密脆弱的弹拨乐器，也有了稳定的保存环境。与此同时，音乐的功能随着社会分层发生了质变，它开始服务于权力，为王公贵族、宗教教会增添威仪。音乐家从全民参与的业余爱好者，变成了专门的职业群体，“音乐会”这种现代观赏形式也随之出现。但斯皮策提醒我们，音乐会的诞生有一个核心前提，那就是听众拥有充足的闲暇时间。在人类百万年的演化史中，绝大多数人从来没有听过专门的音乐会，他们的音乐存在于田埂间、渔船上、纺车旁，是劳动的一部分，是生活的一部分。

斯皮策用两个经典案例清晰地解释了劳动如何塑造音乐的形态。第一种是海上水手的劳动音乐——水手号子。水手们在狭窄的船舱里拉锚、收绳，协同发力的紧凑节奏直接塑造了水手号子的曲调。比如经典的**《吹倒那人》（Blow the Man Down），歌词的节拍与拉绳的动作完全同步，音乐是劳动的协作工具。第二种是19世纪美国南方种植园的黑人劳工创造的田间呼喊**。开阔的棉花地要求声音传得足够远，嗓音变成了悠长的哀号。音乐界普遍认为，现代布鲁斯、爵士乐的根源就藏在这种田间呼喊里。纺织劳动也是同理，纺车旋转的节奏直接刻进了纺织歌的旋律里，纺织歌就是纺车声音的记忆留存。

权力与标准化：五线谱的文化霸权与东方智慧

当人类文明发明文字之后，就开始尝试用符号记录音乐。而音乐记谱法的发展，不仅改变了音乐的传承方式，更成为了改变世界历史的殖民工具。美索不达米亚的巴比伦人、苏美尔人创造了人类最早的音乐记谱法。目前现存最古老的乐谱是约公元前1400年的**《胡里安赞歌第六号》，20世纪50年代在今天叙利亚地中海沿岸的乌加里特古城遗址出土，用楔形文字刻在泥板上，记录了献给果园女神尼卡尔的赞歌以及里拉琴的指法说明。直到今天，学者们对这首乐曲的旋律还原依然存在争议。而人类历史上第一首可以完整演奏的乐曲是《塞基洛斯墓志铭》。1883年，苏格兰考古学家在今天土耳其艾登附近的特拉勒斯古城遗址发现了一块大理石墓碑，上面用古希腊文刻着完整的旋律和歌词。铭文显示“塞基洛斯赠予尤特佩”，多数学者认为这是一位丈夫为逝去的妻子创作的挽歌。歌词只有四行，大意是“活着的时候，尽情发光吧，不要有任何悲伤，因为生命短暂，时间终将会索取一切。”这块墓碑现存于丹麦国家博物馆**，距今已有约两千年的历史。

但真正改变音乐史走向的，是大约1025年意大利本笃会修士圭多·达雷佐（Guido d'Arezzo）发明的线谱。圭多·达雷佐生活在约991年至1033年，他不仅发明了线谱，还创造了至今仍在全球使用的音阶唱名系统do-re-mi-fa-sol-la-ti，这七个音节取自一首拉丁赞美诗每行的第一个音节。线谱最初只有四条，后来逐渐演变为我们今天熟悉的五线谱。斯皮策一针见血地指出，五线谱的发明逻辑本质上是权力的逻辑。教会把圣咏用线谱固定下来，确保基督教帝国最边远角落的修士，哪怕是在英格兰北端的哈德良长城，也能唱着完全一样的旋律，实现宗教文化的绝对统一。五线谱的权力属性在殖民时代被发挥到了极致。1519年，西班牙征服者埃尔南·科尔特斯（Hernán Cortés）入侵墨西哥时，随身带着西班牙复调音乐的五线谱手抄本，强制教阿兹特克人演唱西班牙的对位法音乐。当时的阿兹特克帝国是中美洲最强大的文明，首都特诺奇提特兰的人口超过20万，比同时期的伦敦还要繁华。仅仅十年之后，到1530年，阿兹特克的音乐家已经能在墨西哥大教堂里熟练演唱西班牙的复调音乐。五线谱就这样成了文化全球化的尖刀，成为西方文明殖民扩张的核心工具。

五线谱的发明给音乐带来了深层的改变：它把流动的音符钉在纸上，像钉住一只蝴蝶。人类日常说话、唱歌时，音高是滑动、波动、不固定的，而五线谱把音高彻底冻结，变得精确、冰冷、机械。更本质的后果是，音乐从一种“活动”变成了一个“对象”。音乐原本是和舞蹈、跑步一样的行为，是动态的、参与式的，一旦变成固定的对象，就分裂出了创造者和机械复制者，也就是作曲家和演奏者。人类的音乐传统被冻结成一座“想象中的音乐作品博物馆”，失去了原本的流动性与即兴性。

西方音乐还有一个独特的文化问题，那就是把作曲家彻底神化。在中世纪，音乐的灵感被认为来自上帝；到了19世纪，“上帝死了”之后，作曲家本人被抬到了神的位置，拥有了绝对的权威。这种权威延伸到乐谱上的每一个音符，演奏者的角色被压缩为忠实复制，巴赫和贝多芬等大师在“神圣智慧”中定下的旋律也正因如此。我们今天可以相当精确地还原1800年贝多芬奏鸣曲的演奏方式。但是越远离西方作曲家的权威范围，往东或往南走，我们就越无法确定几百年前的音乐到底是什么样子，因为这些文明的音乐始终保持着口传、即兴和演化的活态传承。斯皮策用印度古典音乐做了直观的对比。印度古典音乐分为南北两大体系：南方的卡纳提克（Carnatic）传统以固定的乐曲结构著称，北方的兴都斯坦（Hindustani）传统更强调即兴发挥。两者都是有机的、不断演化的口传体系，从师父传给弟子，弟子的核心任务不是机械复制一部固定作品，而是围绕作品的核心思想进行创造性的即兴发挥。这与西方音乐的忠实复刻的逻辑形成了鲜明对比。西方与东方在音乐观念上的分裂，最早可以追溯到对“声音”本身的不同态度：西方文明把“音符”和“自然声音”做了概念性的切割，而东方文明从来没有这条边界。

孔子生活在公元前551年至前479年，他的传统形象就是在杏树下弹奏古琴。古琴是中国最古老的弹拨乐器之一，七根弦平放在桌上弹奏，音色极其细微和空灵，能与风声、竹声、水声完美融为一体。在东方的音乐观念里，音乐与自然之间没有任何界限，人、乐器和自然音声是浑然一体的。斯皮策认为，这种对自然声音的极致敏感贯穿了整个中国和日本的音乐传统，而西方文明在发展过程中彻底丢失了这种感知能力。1978年在湖北随州擂鼓墩出土的曾侯乙编钟就是东方声学传统的最佳物证。这套编钟由65口青铜钟组成，按大小排列在三层钟架上，总重量超过2500公斤，铸造于公元前433年，墓主是战国时期曾国的诸侯曾侯乙。斯皮策对这套编钟的评价非常笃定：两千多年前，中国的声学科学远超同时期的西方。曾侯乙编钟的声学泛音极其复杂，每一口钟都能敲出两个不同的音。这种复杂的声学原理无法用西方音乐的简单算术比例捕捉，这也是为什么西方音乐体系里几乎没有编钟的位置。西方人只能把钟流放到教堂塔楼上，作为简单的鸣响工具。只有古代中国人真正掌握了编钟的演奏方法，深刻理解了声音的复杂本质。

从全球尺度来看，西方音乐只是众多文明传统中的一支，而且在对自然声音的理解上，长期落后于中国、印度和中东等文明。真正改变全球音乐格局的，是五线谱带来的标准化以及西方殖民扩张的力量。但历史的发展始终是循环的，如今两股新的潮流正从太平洋和大西洋两侧反向涌向西方：非洲音乐通过爵士、摇滚成为欧美流行文化的通用语言；韩国男子组合防弹少年团（BTS）引领的K-pop正在重新教育西方人理解声音的多元性，打破西方音乐的单一霸权。音乐始终随着贸易和征服在全球流动，而每到达一片新的土地，就会完成文化基因的重组。丝绸之路上的商队不仅运送香料、丝绸，也带着鲁特琴和提琴四处传播。这两种乐器从中亚起源，传到中国、日本、印度、中东，最终抵达德国、西班牙，每到一个地方就更换一个名字，融入当地的音乐体系。维多利亚时代的基督教传教士前往非洲时带去了大量赞美诗，这就是为什么今天大多数非洲国家的国歌听起来都像基督教的赞美诗一样。1520年的里斯本，非洲人口占城市总人口的10%，他们带来的恰空舞（Chaconne）、萨拉班德舞（Sarabande）最终被约翰·塞巴斯蒂安·巴赫（Johann Sebastian Bach）融入自己的组曲中，这位德国巴洛克音乐大师的作品里藏着来自非洲的文化基因。音乐文化融合的终极案例是日本对贝多芬音乐的吸收。日本每年除夕都会演出贝多芬的**《第九交响曲》，这个传统始于20世纪早期。在日本人的审美里，贝多芬的音乐契合礼仪、正式、尊重传统的日式美学；西方人在《第九交响曲》里听到的是个体的张扬，而日本人听到的是群体的融合与自我的消弭，是一种禅意的品质。斯皮策由此得出结论：一旦音乐被一种新文化吸收，就不再属于原来的文化。贝多芬在日本，就是日本的作曲家，就像板球运动**被印度吸收后彻底变成了印度的国民运动一样。

宇宙级笑话：人类音乐天赋的独特演化路径

讲到这里，斯皮策提出了一个被他称为“宇宙级笑话”的反直觉事实：和鸟类相比，人类的音乐天赋其实差得多。1977年，美国国家航空航天局（NASA）把一张金唱片送上了旅行者号飞船，里面收录了巴赫的**《勃兰登堡协奏曲》、美国摇滚乐先驱查克·贝里**（Chuck Berry）的**《约翰尼·B·古德》，以及所罗门群岛的排箫和爪哇的甘美兰**（Gamelan: 东南亚以青铜打击乐器为主的合奏形式）音乐。甘美兰音色独特，与西方管弦乐完全不同。斯皮策提出一个有趣的假设：如果十亿年后有外星人打开这张金唱片，能否从风格迥异的音乐中提取出共同的人类特征呢？他的答案是肯定的。

人类可以说是扁平地带的居民，我们的听觉感知占据着一条极其狭窄的频率带。我们听不到鲸鱼发出的低频声音，也听不到蝙蝠发出的高频超声波；我们的歌曲不像鲸歌那样长达23小时，也不像鸟类的歌声那样短促急促。但是外星人一定会发现，人类音乐与动物音乐有一个共同的结构特征——层级重复：音符在小节中重复，小节在乐句中重复，乐句在段落中重复，段落在作品中重复。鸟类和鲸鱼的音乐同样遵循这个结构。而区分不同物种音乐的核心线索是运动方式：鲸鱼的音乐有水中漂浮的流体节奏，鸟类的歌声和飞行动作一样急促跳跃，而人类音乐里有一种独一无二的行走节拍。这个节拍可以直接追溯到四百万年前南方古猿迈出的第一步。

这种层级重复的深层根源是分形（Fractal: 在不同尺度上都具有自相似性的几何形状或结构）。过去人类解释音乐与宇宙的关系，用的是“天体和谐”的古老说法。公元前6世纪的希腊哲学家毕达哥拉斯发现弦长比例与音程的数学关系，认为宇宙运行遵循同样的和谐比例；16世纪的天文学家哥白尼也相信行星轨道中隐含着音乐比例。而斯皮策提出了一个更科学的框架：把噪音的声谱图放大，波形在任何尺度上都呈现自相似性，就像海岸线和云朵的边缘一样。风吹过草地的声音、水的涟漪都是分形结构，人耳会本能地觉得舒适。音乐与自然噪音共享同一种数学结构，就像星系与脑细胞共享同一种形状，这让音乐从根本上就是“自然的”。

“宇宙级笑话”的核心就在于，人类是从猿类路线演化而来的，而猿类的音乐能力远不如鸟类。鸟类拥有声音学习能力，可以创造性地学习新歌曲；猿类做不到，只能发出天生的固定叫声。昆虫能集体同步脉冲节奏，部分鸟类也拥有极强的节奏感，而猿类完全没有。也就是说，人类是从一个不会音乐的祖先出发，从零开始重新演化出了音乐能力。这个结论解释了两个关键问题：第一，人类音乐既是天生的也是后天习得的，因为我们没有鸟类那样天生的音乐基因。第二，人类对鸟鸣始终怀有怀旧式的向往，因为鸟鸣是天然的、本能的，而人类音乐是后天构建的。

人类真正独一无二的能力是“大综合”，把昆虫的节奏、鸟类的旋律、猿类的肢体姿态整合在一起，再叠加上情感驱动和对死亡的意识。斯皮策说，死亡的宿命困扰着人类，而生命有限性的认知是人类音乐的核心边界条件。如果没有人类的情感，没有对生命短暂的意识，即便存在分形结构、层级结构，也不能被称为音乐。

音乐的深层机制：大脑、情感与生理反应

人类音乐最独特的地方还在于声音与运动之间的神经连接，这也是音乐能直接触发人类本能反应的核心原因。人类大脑中负责运动的区域与负责听觉的区域之间存在直接的神经通路，而鸟类通常没有这种连接，只有凤头鹦鹉等少数鸟类例外。这条通路意味着，你摇晃婴儿时使用的节奏，会直接决定这个孩子长大后喜欢的节奏类型。人类天生就有模仿节奏的冲动，这源于大脑中的镜像神经元（Mirror Neuron: 当个体执行某个动作或观察他人执行相同动作时都会激活的神经元）。当你看到别人做一个动作时，你不需要亲自行动，脑中的镜像神经元已经完成了同步响应。打哈欠会传染，情绪会传染，音乐的情绪同样会传染。当你听到一首悲伤的歌曲，你的镜像神经元会模仿歌曲中编码的人类悲伤情绪，身体会不自觉地与之共振。

斯皮策在访谈中分享了一个自己亲历的实验场景：他带着年幼的孩子参加一场幼儿音乐会，现场有上千个从未接受过音乐训练的幼儿。当乐团演奏**《威廉·退尔》序曲**（William Tell Overture）中那段著名的急速段落，也就是**《独行侠》**（The Lone Ranger）的主题曲时，所有幼儿都本能地跟着节奏上下跳跃。为了排除父母引导的干扰，实验人员把婴儿从父母膝盖上抱下来单独测试，结果完全一致。这说明节奏反应是人类婴儿自带的本能，不是后天教会的。

音乐能引发鸡皮疙瘩的生理反应，同样有严谨的科学原理。这种反应在医学上被称为立毛反射（Piloerection: 毛发竖起），通常由突然的音量爆发或者极端的音乐体验触发。触发鸡皮疙瘩的脑区与处理恐惧的脑区完全相同，这也是为什么鸡皮疙瘩的生理反应和受惊时的汗毛竖起完全一样。但是人类会享受这种所谓“安全的恐惧”。斯皮策的解释是，音乐审美的本质之一，就是学会从极端体验中抽走危险，就像坐过山车，或者在安全的观景台上看火山爆发一样。音乐是一种“没有危险的暴力”。

更神奇的是，大脑处理音乐的层次与大脑的进化层次完全一一对应：

• 最底层的脑干是最简单生物都拥有的结构，负责对突然的巨响做出惊吓反射。
• 往上一层是基底神经节，这是爬行动物阶段就有的脑区，负责判断声音是愉悦还是不愉悦。
• 再上一层是杏仁核，这是哺乳动物才发展出的脑区，处理悲伤、快乐、愤怒、恐惧等复杂情绪。
• 最上层的新皮层负责模式识别和音乐的复杂结构。

斯皮策把音乐称为“通往自然之母的脐带”，当你沉浸在音乐中时，你实际上在进行一次心理时间旅行，从最现代的新皮层一直下潜到最古老的脑干。规律非常清晰，越深入大脑底层，音乐引发的反应就越普遍、越跨越文化。达尔文在1872年出版的**《人与动物的情感表达》**（The Expression of the Emotions in Man and Animals）一书中，最早观察到了情绪的适应性功能：快乐是达成目标的反应，愤怒是目标被阻断的反应，悲伤是失去所爱之人的反应，恐惧是面对威胁时的本能反射。音乐充满了这类情绪反应。音乐由模式构成，模式可以顺利完成，也可以被突然打断。当你在音乐中听到冲击和模式中断时，大脑启动的机制和人类在野外面对危险时的机制完全相同。当然，音乐中没有真正的危险，这只是原始生存反应的衍生效果，也是音乐能以最直接和最本能的方式表达情绪的核心原因。

音乐的价值重估与未来展望

音乐还有一个颠覆认知的事实：专业的音乐训练会直接改写人类的大脑结构。绝大多数普通人用右脑处理音乐，而经过长期专业训练的音乐家会转为左脑主导，用处理语言的同一颞叶区域处理音乐。这其实也符合逻辑，复杂的音乐结构本身就和语言一样复杂。学习乐器带来的迁移技能（Transferable Skills: 在不同情境下可应用的技能）远不止是会演奏一种乐器，还包括注意力控制、时间管理、团队协作、专注力提升等多项核心能力。很多人把音乐当成单纯的放松工具，这严重低估了音乐的功能。斯皮策列出了音乐的核心价值清单：

• 音乐能对抗孤独，而孤独是人类心理健康的最大威胁。你甚至不需要和别人一起演奏，只要聆听音乐，就能接入一个由社会惯例塑造的社交网络。
• 音乐能降低皮质醇水平，有效缓解心理压力。
• 音乐能通过多巴胺分泌带来直接的愉悦感。
• 音乐是标记记忆的利器，你能通过一首歌精确回到过去的某个瞬间。
• 音乐能表达语言无法捕捉的身份认同与深层情感，这也是为什么青少年会把人生特定阶段的歌曲印刻为自己身份的一部分。简单来说，音乐的精准度远超语言的表达能力。

但是音乐也可能伤害大脑，成为一种攻击工具。美国在古巴关塔那摩湾的军事拘留设施，曾经在“9·11”事件后用高分贝播放囚犯厌恶的音乐作为审讯手段。你讨厌的音乐，被放大音量后就是一种直接的精神攻击。斯皮策特别提醒，把音乐当作药物处方是可行的，但是必须教会医生精准开方，因为不同的心理和生理症状需要匹配不同的音乐方案。比如阿尔茨海默症患者不适合听重复性过强的巴洛克音乐，抑郁症患者不适合听强化低落情绪的音乐。这种定制化的音乐疗法被斯皮策称为“bespoke”（量身定制），和定制药物的逻辑完全一致。同时，“放松”（relax）这个词本身就具有误导性。斯皮策强调，聆听音乐时人类的大脑在进行大量复杂的活动，放松暗示着被动接受，而真正的音乐聆听其实是一项主动的、创造性的活动。

最后，我们来聊聊音乐的未来。斯皮策对未来的预测建立在一个核心前提上：音乐已经存在了至少一百万年，人类对未来十年、一百年的焦虑，在百万年的尺度里只是针尖上的小事。在贝多芬的时代，一个人一辈子能听到两次交响乐就算是极其幸运的事，而今天音乐的可得性堪比自来水，随时随地都能聆听。很多人担心互联网会让所有音乐趋同，变成一团灰色的均质物。斯皮策明确反对这个观点，他给出了两个核心理由：

1. 每个艺术家都有追求独特性的竞争驱动力，时尚和音乐风格永远会被不断打破。
2. 音乐流派已经分化出成千上万个子类型，只要人类还有不同的身份认同，就会创造不同的音乐来表达自我。音乐同质化的前提是人类身份的同质化，而这在人类历史上从未发生过。

基于这些观点，斯皮策对音乐的未来做出了三个大胆的预测：

1. 音乐将会变得越来越功能化、个性化。他相信未来医生会为患者“注射”精确定制的声音，治疗抑郁、情绪障碍等心理问题。音乐将成为真正的定制化医疗工具。
2. 人与技术的融合会继续深化。当你握着智能手机的时候，你已经成为了人与技术的共生体。K-pop几乎就是从消费者与数字文化的互动中进化出来的。斯皮策提醒我们，技术从来不是阴暗的，四万年前的骨笛就是当时最先进的技术产品，它延伸了人类的声音与手指。IBM研发的AI音乐创作程序沃森节拍（Watson Beat）和骨笛没有本质区别，都是延伸人类想象力的工具。机器负责抛出可能性，人类负责判断、编辑、选择、塑形。同时，互联网正在让音乐回归最初的状态，新冠疫情更是加速了这个转变。普通人可以在家创作和分享音乐，我们正在重新获得几千年前人人参与音乐的常态，这才是音乐最本真的样子。
3. 未来的音乐，可能不再只关乎声音。它会涉及味觉、色彩、身体感知，甚至人类目前狭窄听觉频谱之外的频率。我们可以通过技术放大和延伸听觉范围，就像德国先锋派作曲家卡尔海因茨·施托克豪森（Karlheinz Stockhausen）一生致力于用电子技术拓展音乐边界；就像碧昂斯今天在视觉、舞蹈和音乐之间创造的跨感官体验。这些都是莫扎特和贝多芬无法想象的，而我们今天同样无法想象未来音乐的无限可能。

到这里，迈克尔·斯皮策的整场访谈就完整拆解完毕了。他做的最核心的一件事，就是把音乐从消费品的位置上拽出来，放回它在人类物种史中的原本位置。这是一套比语言更古老的信号系统，塑造了人类的身体结构，改写了大脑的神经回路，组织了社会关系，在全球化进程中充当了文化基因的载体。也许，音乐不是人类发明的娱乐，而是我们刻在基因里的本能，是连接过去、现在与未来的桥梁，是人类文明最古老、最永恒的密码。