人思考时脑海里的那个「声音」是怎么产生的？

Inner speech 是这个问题的标准说法。直译就是，‘里面的演讲’，你在心中默念出这五个字的时候，不就是像是在身体里面给自己做演讲吗？

现有的几个答案，特别是二维码君 @张翼飞 和 @Steve Shi 在二月份更新的答案非常详细。
前者着重描述阅读的过程，而思考过程中的语音编码那段，单单和工作记忆联系起来，我有点觉得 略biased 了。

后者的最新更新，一来就提到了重点，Vygotsky。说到inner speech， 怎能不提他！这个词就是这位俄罗斯心理学家 Lev Vygotsky 在1934年起使用来描述思考过程的。他的概念是，当说话成为一种社交媒介，它被内心化了，并成为我们与我们自己的思考交流的方式。

这里我就不重复作业啦，题主估计已经得到 ta 想得到的答案了，这里我就围绕 inner speech 整理一些有趣的『周边』。很多是我平时自己想到、查到的知识，木有太多文献。

好啦，现在开始...

等等，请将你思考的声音调节到我的声音。我的声音在华裔女生中较低，声音比较洪亮，语速较快，句尾声音较长，基本没有特殊口音，但比较南方。

-----------------------------------------

首先，咱们先来看看 inner speech 有趣在哪里？

*有趣点一*：inner speech 是不是「思考」？

*有趣点二*：我们无法不将 inner speech 和相对应的 overt speech （就是说出来的演讲）作比较。那么，inner speech 和语言有怎样的关系呢？

*有趣点三*：它和 「在脑海里想象一个视音画面」（譬如，想象 一个人在你面前说话）有异曲同工之妙。

§1.1 Inner speech 是「思考」吗？

这是个很基本的问题。明显不是。

肤浅一点反问，还没学会语言的婴儿会思考；天生耳聋的、又不会手语或是任何一种口语的成年人类，也是会思考的；动物们也会思考。 那么他们是怎么「思考」的时候「不在心中说话」的呢？

当然证据不仅如此，再次也没必要争论这个。

嗯，好奇的话可以在知乎上提问『思考时不能在脑中发出声响是怎样的体验？』。

§1.2 你的大脑生成「一句话」，有几步？

了解 语言是在大脑中如何形成的，对于理解 inner speech 非常重要，

求科普 (所以说我觉得我们应该组团回答这样的语言问题 龇牙）。

要细致说，生词很多，简单来讲，需要4步 （这里不包括发音）

1. 选择词汇 --> 发生在 左半脑 颞回 中部
2. 组织语法 --> 发生在（按顺序） 左半脑 inferior frontal gyrus 、middle frontal gyri (两边都用）、superior parietal lobes，基本上就是 从左半脑的中前部，到头顶靠前，然后到刚过头顶还没到后脑勺的中间位置。
3. 提取字音 --> 发生在 右半脑 运动区 差不多在 天灵盖那个地方（吧？）、然后到左大脑的 anterior insula，要把大脑左边的颞叶扳开，然后靠着眼球那个方向就是；再然后要到 wernicke's area
4. 把 字的音节 按顺序组织起来 --> 到左半脑的 broca's area、然后又回到左半脑的颞回的中前部

众多研究人员和研究认为，「脑海里说话」和「把话说出来」两种过程是基本一样的，只是前者没有后者强烈，并且没有上面的第四步和发音那一步。 =====> *有趣点二*

更重要的发现是，「在脑海里说话」和「在脑海里想象另一个人说话」时，上面我列举的所有大脑区域活跃情况一致。=====> *有趣点三*

众所周知，当 Broca's area 收到损伤，（就是脑残患者），将会得失语症 ——不能说也不能写单词。

而当用

(TMS，简单的话说就是用磁场脉冲，实时影响大脑活动的一种技术。我还没用过，了解不多，还挺有意思）抑制 Broca's area 时，被试者就不能产生 inner speech。 (Aziz-Zadeh et al. 2005) =====> *有趣点二*

举的关于 ROWS 和 ROSE 的例子不错，是 Van Orden 1987 年的一个关于拼写、声音、阅读多维度联系的研究。我很喜欢那篇论文的题目: A ROWS is a ROSE: Spelling, sound, and reading.

§1. 3 那你是不是真的「听到了心中的声音」呢？你用哪个耳朵听到的？

体验过 inner speech 过的人，会感觉到这很明显是一个听觉现象。更好的一种描述是 「我听到了我心中的声音」。

这可就有趣了，问题是，大脑的听觉皮层在你心里说话时，可是没反应的。也就是说，这个「心里话」没有引起听觉意识。

一个比较新的研究，2013年做的，认为 inner speech 的作用或说机制关键在于 当你在说话的时候，inner speech 就像是起着「预告提示」作用，减少了很多你对自己的声音的敏感度。这样你的听觉系统才会「避近就远」地注意外界的声音，即使你自己的声音真的很吵。

-----------------------------------------

这里我们整理一下。 生成说出来的语言，有三大步：

想法 --> 把想法转化成语言 --> 再发送到 语音组织的中心 --> 最后说出来

而 inner speech 似乎是这样的。

想法 --> 把想法转化成语言 --> 再发送到 听觉系统 --> 自己听着就成了

---------------------------------------

§ 2 为什么呢？

等等，但如果我都想过「这句话」，为什么我还要「说给自己听」呢？为什么我们需要 Inner speech 呢？

这岂不是很浪费时间和大脑的效率？饶了好大一个弯。

倒不是说，一定必须不得不有一个存在的理由，但的确会让人觉得有些在意嘛。

研究 inner speech 的人很多，但说是话和其他话题相比实在是不算成气候，以前看到过一个 slides，里面总结了四点。

1. 自我意识
   
2. 智力
   
3. 记忆
4. 数学能力

§2.1 自我意识

这也是研究做多的一个方向。说白了就是 「加强自我存在感」。

自我意识本来就是个非常复杂的问题，不仅仅是哲学上，还有神经科学上。

我思故我在。但，「思考」这种无形态的本身就是个很难让我们人类这种 低·级·的·感·官·动·物 感受到的。（你还别跟我争，咱们要不是以biased to 感官，我们也不会老是提出「我真的存在吗？」这种酸溜溜地问题了。）

那「最便宜」的刷存在感的方式，就是傍个大款，认知感官中最好傍的大款是谁？语言！

从某种角度上，可以说，「思考」这是用「语言」打掩护，吸引我们的注意力，发现我们在「思考」。所以说，说「语言」是「思考」的载体，不如说是面具。

这个方面，谷歌上能找到非常多的论文和 reviews，有兴趣的可以去看，Alain Morin 1993年的文章。

§2.2 智力

这个点有些薄弱，毕竟不能说「多和自己聊聊天，智力每天加点点」。但在人类进化的历史中，这种将思考与语言联系起来产生 inner speech 的功能，很难说没有帮到我们的智力进化。

就近说，自我意识的建立，必然影响了我们人类的很多能力，如决策能力、交流能力等等。而这些能力，多多少少都对智力会有影响，或说是智力的一部分。

§2.3 记忆

在他的答案提到了 工作记忆，working memory。这点上有很多研究支持。可参见 较新研究 Atabati et al. 2011

§2.4 数学能力

这一点我觉得是几点里最难有证据，但很有启示性的。从很大角度上，这算是一个非直接作用，因为它是基于 第一点的 自我意识 和第三点的记忆，合作做到的能力。

§3 那脑中那个声音会受到影响吗？

§ 3.1 声音的速度会受到环境影响?

理论上来讲，我认为语速不会特别地变化 （只是我根据知识分析的，没研究支持）。一方面 inner speech 和说出来的话一样，是有最快速度的（就是语言编译的最快速度），而 Inner speech 本来就是说出来的话的「预告」，快很多，所以 不会、也没有必要 让 Inner speech 变得更快，你的大脑语言是有硬件限制的啊亲。

同时，我相信，inner speech，也很难真正的变慢。原因很简单，大脑可很难闲着也是闲着让你... 慢...慢...说...

做听觉研究的人都知道，我们是很难让一个普通人在正常情况下 “什么都别想！脑袋空空！保持！”。而让你的脑海思绪的声音变慢，相当于故意在字与字之间加这些空挡。回到上一节我总结的两个过程。如果想要变慢过程，必须要在「发送到 听觉系统」之前控制流量，我思前想后很久，觉得基本没法控制。

但！再次转折。在现实生活中，你有可能会觉得在某些场合下你的思考语速变化了，那只是因为你的注意力在“作怪”。因为时间感会受到注意力的影响。（时间感请见以前的专栏：

）譬如说，高中演讲大赛上，本来自信满满的你，情绪激昂地讲到一半，忘词儿了，下面坐着400个人，盯着你... 心中一边狂翻记忆下一句在哪儿，一方面心中狂啸 “ 马——勒——戈——壁——的——！！！”，那感觉，完全不知道这五个字是语速快了还是慢了，完全就是时间错乱了。你问我怎么知道？呵。呵。（蹲角落大哭）

§ 3.1 声音的特色会受到本人影响?

会。

注意我没有用题主和其他答者用的词「音色」(Timbre)，用这么准确的感官属性来回答这种问题实在是太危险了。（音色的定义请自查：

）

虽然我当然也部分认同另两位总结的 “...这个声音我认为应该是一个模糊的，去身份化、去性别化的声音” 看法，但是

1）这个声音是有口音的。PLOS ONE 2011 上发表的一个研究表明，在阅读时产生的 inner speech 会显示区域性口音。(Filik & Barber 2011) 虽然口音没有满足「音色」这样苛刻地难以记录的声音特质，但至少比「模糊的身份化和性别化的声音」更加具体。

2）虽然还没有 post 这个答案，但我估计有评论会 argue 「身份化」囊括了口音啊。Well well well, 如果这个「身份化」不是我理解的非常 abstract 的意识性身份标识，而是囊括各种声音特征的话，模糊的身份化，实际上是需要不少特征的~

但正如上面所说，我是部分认同的，一方面，我们人类在处理外界进来的信息时，实际上都可以说是 模式识别 （pattern recognition ）的过程。我联想到了我每次做梦，我所见到的人、听到的人声、感觉是那么的真实，但实际上在梦中，一切都不是全景，细节都是很模糊的。我相信这肯定是相关的识别机制没有像正常工作，只是少部分被「意识」这个老大鞭笞着加班。我对这个方面的研究非常看好。说虚一点，这个方面要是弄清楚了，别说浸入式虚拟现实，让小伙伴们玩儿一把《刀剑神域》《黑客帝国》毫无压力；届时，我们人类在精神境界上也算是有了新突破。

别忘了，我们现在还是 低·级·的·感·官·动·物。

————————————————————————————————

好了。写完了，你可以把心里默念的声音换成自个儿的了。（实际上你应该发现，你早就是用自己的声音了）

————————————————————————————————

最近没什么时间写答案。还望大家盛夏快乐。

在伦敦的小伙伴们，有时间来国王十字车站这边参加我的脑电图听觉实验啊~ 一个小时10英镑，一共两小时。全程就是看电影或纪录片，只是没有声音，要换上我的实验声音... 但做过的人都说好！（赵阿姨出品，讲诚信有保障）

References

Atabati, M., Jahangiri, N., Mokhber, N., 2011. Inner Speech, Active Part of Working Memory Phonological Loop, Inactive in Dementia. Psychology 02, 624–630. doi:10.4236/psych.2011.26095

Aziz-Zadeh, L., Cattaneo, L., Rochat, M., Rizzolatti, G., 2005. Covert speech arrest induced by rTMS over both motor and nonmotor left hemisphere frontal sites. J Cogn Neurosci 17, 928–938. doi:10.1162/0898929054021157

Ehrich, J.F., 2006. Vygotskian Inner Speech and the Reading Process. Australian Journal of Educational & Developmental Psychology 6, 12–25.

Filik, R., Barber, E., 2011. Inner Speech during Silent Reading Reflects the Reader’s Regional Accent. PLoS ONE 6, e25782. doi:10.1371/journal.pone.0025782

Geva, S., Jones, P.S., Crinion, J.T., Price, C.J., Baron, J.-C., Warburton, E.A., 2011. The neural correlates of inner speech defined by voxel-based lesion–symptom mapping. Brain 134, 3071–3082. doi:10.1093/brain/awr232

Moseley, P., n.d. Talking to ourselves: the science of the little voice in your head | Peter Moseley [WWW Document]. the Guardian. URL

(accessed 7.21.15).

Private speech, 2015. . Wikipedia, the free encyclopedia.

Scott, M., 2013. Corollary Discharge Provides the Sensory Content of Inner Speech. Psychological Science 24, 1824–1830. doi:10.1177/0956797613478614

Shergill, S.S., Brammer, M.J., Fukuda, R., Williams, S.C.R., Murray, R.M., McGuire, P.K., 2003. Engagement of brain areas implicated in processing inner speech in people with auditory hallucinations. Br J Psychiatry 182, 525–531.

Vygotsky | Simply Psychology [WWW Document], n.d. URL

(accessed 7.21.15).

脑海中的声音，无论是在阅读这一过程，还是在思考这一过程，虽然存在着生理机制上的差别，但都是以语言的方式出现的，所谓声音，我认为其实是语言在大脑中的语音表征。因而这一问题就可以变成对于阅读过程和思考过程中语音编码的探讨。

阅读过程中的语音编码

       看到一段文字时脑海中“读”出这段文字的“声音”     

从心理语言学的角度看待这一现象，是在语言理解过程的初期，在将文字视觉的输入匹配到相应的意思的过程当中存在着语音的中介。即“文字->语音->语义”这一过程，对于看到的文字，要么通过你的长时记忆，要么通过“正字法”（你可以不费力地读出“zill”或“栢”，即使你之前不认识它，甚至它根本是个假字（词））来内隐地读出它，然后通过语音信息来理解文字或词语的含义。这一模型被称为两通路模型，是一种严格前馈式的模型，另外一种模型“交互激活模型”则考虑到语音或语义对于文字的视觉加工的反馈影响。但归根结底，这些模型都在说明在语言理解的过程中存在着“读”出来的阶段。

这么说来感觉有些扯，但一些实验的确证明了这一点。比如，Lesch and Pollatsek (1993), Lukatela & Turvey (1994)的实验，先后给被试呈现两个词，让被试判断后呈现的词是否是真词，有以下四种条件：

1、rose - flower 控制条件

2、rows - flower 语音相似语义不相似

3、roze - flower 语音相似，假词

4、robs - flower 语音不相似

实验结果发现前三种条件下对于第二个词的判断都显著地高于第四种条件，心理学上说是产生了启动（priming）的效应。因为语音的启动，使得任务成绩提升，一定程度上说明了在语言理解的过程中语音过程的参与。

一些失语症的病人同样说明了这一点，感觉性失语病人在优势半球的颞上回后部受损，患者丧失了以前贮存的词汇声音信号，不能将听到的词汇与以前记忆词汇的意义相比较，故无法理解别人的所说话的意思。失语症患者大多伴随着阅读上的障碍，也从侧面说明了阅读过程中的语音编码过程。

当然，也有研究者认为在阅读过程中可以跳过语音编码这一阶段，再扯就远了~

思考过程中的语音编码

在思考的过程中，比如我们进行推理或计算的过程中，脑海中也会浮现出声音。在这里，我认为大脑是将语言作为一个脚手架来帮助我们进行思考。因为在思考这一动态的过程中，信息是在不断更新的，因此需要一个空间来存储新的信息，同时对信息进行进一步加工。这个空间被称之为”工作记忆“（working memory）。工作记忆当中有两种存储加工信息的方式，其一是”视空间画板“，存储的是图像或空间的表征，其二则是今天讨论的”语音回路“，存储着声音的信息。当我们进行思考时，如果涉及可以具象化为语言或难以具象化为图像和空间的问题，则往往需要我们调用语音回路。语音回路存储的信息是语言，而存储的方式则是语音的编码。

一个简单的实验，找出难度适当的20道口算题，先正正经经地做前10道，计个时；做后10道的时候嘴上一直重复念着一个无意义的字，比如”烧“，再计个时。你会发现做后10题时由于你的听觉系统有意识无意识地接受了无意义的词，占据了语音回路的空间，导致了完成速度及准确率的下降。当把无意义字变成有意义词句时，如“烧死异性恋”，那么可能对任务的影响会更大。这也是为什么不提倡一边干活一边听音乐的原因~

这些语音编码有音色么？

音色，从物理上来讲大致是指的是声音波形中各个成分（频率）的组成比例，有音色首先是需要有振动，但是根据之前所说的，无论是阅读还是思考过程中，所谓的”声音“只是大脑中的语音编码而已，它跳过了声音的物理属性，直接提取语音的内在信息为任务所用，因而在一般的情况下，大脑不会再去向前反馈营造出一个音色的表征。但如果你在构想一个类似于戏剧的情境，想着一个彪形大汉和一个纤弱女子的对白，或者回忆自己和父母的聊天，可能大脑会相应地对音色、音调等物理信息进行加工。但如同视觉表象一样，对于一般人来说，这些加工都是极其脆弱且不稳定的，一方面容易受到干扰，一方面也难以对其进行深层次加工。至少对于我来说，如果实现戏剧不同音色的构想，至少得摘下听音乐的耳机，找个安静的地方闭上眼睛才行。

语音编码受谁的影响？

如上文提到的，这些语音的编码一般不存在音色的信息，因而在声音物理特性这一层面上几乎可以说是不受到谁的影响。但是，在其他层面上，比如加工速度，它还是受到一定程度上多方面的影响。无所谓是自己还是他人，正是人与其周围环境的交互构成了个体的经历，而这些经历会影响到个体的发展，无论是生理上还是认知上。从小周围人语速都快，于是你往往也会自主不自主地提高自己的语速，同时工作记忆中的听觉回路会得到更高强度的训练，所储存的信息可能也会比一般人更多，在处理一些需要听觉回路完成的任务时，可能就会表现地更好，体现为”思维更快“。但这些都是潜移默化的、涉及多个认知系统的过程，如果一概而论为语速快思维快，未免有失偏颇。

是为砖，求玉。