语言的本质
Language is all —— 创建一门语言需要哪些要素？什么可以称为语言？语言的本质与作用是什么？经典论文如何奠基这门学问？
一句话本质：语言是有限符号经语法规则无限生成、并承载意义的编码系统；它是思维的载体、通信的通道，也是把无限世界压缩进有限符号再重新展开的那台机器。
一、整体行为总览（用例图）
把"语言"当成一个系统来考察：它对外提供哪些能力？用例图给出语言系统的完整行为清单。
无论自然语言还是形式语言，其行为都可归为五类：编码表达（把意义变成符号）、解码理解（把符号还原为意义）、指称世界（用符号指向对象与关系）、推理计算（在符号层面做变换）、协调传承（跨个体、跨代际传递）。
语言 Language
编码 Encoding
解码 Decoding
二、意义到表达的主流程（活动图）
一次完整语言事件，从"头脑里的意义"到"对方头脑里的理解"，经历编码与解码两段对称流程。
编码端：意图 → 选词（词汇层）→ 组句（句法层）→ 赋义（语义层）→ 说出/写出（输出层）。解码端对称：接收 → 解析 → 还原语义 → 结合语境理解。形式语言（编程语言）把"理解"替换为"执行"——这就是为什么机器能运行语言。
句法 Syntax
语义 Semantics
语用 Pragmatics
三、说话者与听者通信（时序图）
语言在"说话者 → 语言系统 → 听者"之间完成信息传递，这是 Shannon 通信模型在语言上的具象。
关键是共享代码本：只有双方共享同一套符号与语法，编码才能被正确解码。编程语言同理——编译器/解释器就是那套"共享代码本"。
信道 Channel
代码本 Codebook
四、语言的诞生与演化（状态机图）
语言本身也是一个"活体"，有诞生、语法化、繁荣、分化、消亡的生命周期。创建一门新语言，就是重新走一遍这条演化路。
从符号萌芽（单一记号）到语法化（组合规则出现）再到成熟语言（递归生成能力完备），这是自然语言用了数万年的路；而人工语言（编程语言、世界语、逻辑演算）把这个过程压缩到数年甚至数月。
语法化 Grammaticalization
递归生成 Recursive Generation
五、语言的构成（组件图）
剖开任何一门语言，它都由五个相互咬合的子系统组成。这五层既是自然语言的分析框架，也对应编程语言的分层结构。
| 层级 | 自然语言 | 编程语言 |
|---|---|---|
| 音系 / 字符 | 音素、声调 | 字母表、Unicode |
| 词法 | 词素、词汇 | 关键字、标识符、token |
| 句法 | 语法规则（主谓宾） | 文法（BNF）、语法树 |
| 语义 | 词义、指称 | 操作/指称语义 |
| 语用 | 语境、言外之意 | 宿主环境、运行时 |
音系 Phonology
词法 Morphology
BNF Backus-Naur Form
六、什么可以称为语言（包图）
用三条判据界定"语言"：① 有限符号；② 语法规则生成；③ 承载意义。据此可以把人类心智中的各种语言纳入统一谱系。
- 自然语言：中文、英语…… 演化生成，有歧义，靠语境消解。
- 构造语言：世界语、Klingon —— 人为设计。
- 形式语言：数学记号、逻辑演算、UML —— 精确定义、无歧义。
- 编程语言：C、Java、Python、ISA（机器语言）—— 形式语言 + 可执行。
- 边缘语言：DNA 遗传密码、音乐、动物信号 —— 符合判据但非"人用自然语言"。
注意：ISA 也是语言——它定义了指令的词汇表（opcode）、编码规则（语法）与执行语义，是软件与硬件之间的契约语言，即"机器语言"。
形式语言 Formal Language
自然语言 Natural Language
机器语言 Machine Language
七、创建一门语言的要素（类图）
无论造一门编程语言、一门领域语言，还是一门人造自然语言，都需要六大要素齐备。
| 要素 | 说明 | 以 Python 为例 |
|---|---|---|
| 符号集 | 可用的最小记号 | ASCII/Unicode、关键字集合 |
| 词法规则 | 符号如何组成词 | 标识符、字面量、token |
| 句法文法 | 词如何组成句 | BNF 文法、缩进块结构 |
| 语义定义 | 句子表示什么 | CPython 字节码语义 |
| 载体 / 介质 | 符号落于何处 | 文本文件、标准输入 |
| 使用者 / 解释器 | 谁来编码与解码 | 程序员 + CPython 运行时 |
解释器 Interpreter
词法分析 Lexing
语法分析 Parsing
八、语言的本质：三大学派（类图）
"语言的本质是什么"是两千多年的核心争论，现代可归为三大立场。理解它们，就理解了语言的底层哲学。
- 结构主义（Saussure）：语言是符号系统——能指/所指任意结合，本质是"差异之网"：每个符号靠与其它符号的差异获得意义。
- 生成语法（Chomsky）：语言是计算系统——有限规则无限生成句子，"语言即心智的计算器官"，这与"Language is all"高度同构。
- 语用论（Wittgenstein）：语言的意义即其用法（语言游戏），本质是社会实践，脱离了使用语境就没有意义。
三派并不互斥：结构主义回答"语言的载体"，生成语法回答"语言的引擎"，语用论回答"语言的价值"。合起来就是完整的本质。
结构主义 Structuralism
生成语法 Generative Grammar
语言游戏 Language Games
九、语言的作用（组件图）
语言为文明提供了四类基础作用，缺了语言，人类文明与计算机都无从谈起。
- 思维载体：Vygotsky——内部言语塑造思维；没有语言，抽象思维（数学、逻辑）无法展开。
- 通信协调：Shannon 信息论的对象就是语言；大规模人类协作依赖语言。
- 抽象压缩：把无限世界压进有限符号，再无限重组——"语言的边界即世界的边界"（Wittgenstein）。
- 传承进化：文化、知识、技术跨代际累积，是文明加速的复利引擎。
内部言语 Inner Speech
信息论 Information Theory
十、经典论文地图（时序图）
语言研究的奠基之作跨越百年。按时间线看，每篇都在"语言的本质"这台拼图上补一块。
| 年份 | 作品 | 贡献 |
|---|---|---|
| 1916 | Saussure《普通语言学教程》 | 结构主义：符号系统、能指/所指 |
| 1921 | Sapir《语言论》 | 语言相对论起点 |
| 1936 | Turing《论可计算数》 | 形式语言可计算边界（0 型） |
| 1948 | Shannon《通信的数学理论》 | 语言 = 信息编码传输 |
| 1953 | Wittgenstein《哲学研究》 | 意义即使用（语言游戏） |
| 1956 | Chomsky《语言描述的三种模型》 | 形式语言层级（乔姆斯基层级） |
| 1957 | Chomsky《句法结构》 | 生成语法：语言 = 计算 |
| 1960 | Backus & Naur 的 ALGOL 60 | BNF：形式化描述编程语言 |
| 1962 | Austin《如何以言行事》 | 言语行为理论 |
| 1975 | Grice《逻辑与会话》 | 会话隐含、合作原则 |
乔姆斯基层级 Chomsky Hierarchy
言语行为 Speech Act
合作原则 Cooperative Principle
十一、总结
回到开篇的四个问题：
- 创建语言需要哪些要素？六大要素：符号集、词法、句法、语义、载体、使用者/解释器。
- 什么可以称为语言？有限符号 + 语法规则生成 + 承载意义。据此，自然语言、编程语言、数学、UML、ISA、DNA 密码皆是语言。
- 语言的本质是什么？它是"差异之网"（Saussure）、"心智的计算器官"（Chomsky）、"用法即意义"（Wittgenstein）——本质上是对世界的编码系统。
- 语言有什么作用？思维载体、通信协调、抽象压缩、传承进化。发明新科技，就是发明新语言。
Language is all —— 一切皆语言：物理规律是自然写给物质的语言，代码是人写给机器的语言，文明是历史写给未来的语言。理解语言的本质，就是理解人类与机器共同的底层操作系统。