去年一部热映的科幻片《降临》，让许多人开始关注外星文明语言这个话题。而《三体》中，更是详实地描绘了人类是如何接听地外文明的信息的。然而这些科幻作品中的元素，还真的是一门研究。
在真正的科学界，的确有一些科学家一直以来都在进行着相关的研究，比如加利福尼亚州山景城SETI研究所的天体物理学家们。长久以来，这些SETI（Search for Extraterrestrial Intelligence，寻找外星文明）科学家们所关注的一个问题是：
如何才能从纷繁复杂又杂乱无章的宇宙噪音中，真正识别出属于外星人的信号呢？
换言之，怎样才能确定一个外太空信号的源头，来自于一个非生命体自然物，还是一个外星文明呢？
通过对太空信号孜孜不倦地搜寻，SETI学者们试图寻找一些具有窄带宽且快速闪烁的光源信号，根据已知的天体物理学，这种信号很可能属于人为制造的信号。而那些宽带无线信号和较慢的光脉冲，一般而言可能来源于自然界，比如星云的脉冲等等。
然而另外一个问题是，即便我们发现了这些信号，又如何进一步确定它一定属于智能生命体呢？毕竟，我们并没有接触过任何地球以外的生命体，更谈何去了解它们的语言呢？
既然不能从地球外去了解，所幸我们还可以了解我们的同类：一些同样具备交流沟通能力的动物。比如通过舞蹈来传递信息的蜜蜂，以及拥有复杂语言能力的座头鲸。
座头鲸是一种具有高超沟通能力的动物，它们早在百万年前就发展出了语言，甚至比智人还要早。
海洋学家们通过观测和捕捉座头鲸的声音，已经对它们的语言有了相当多的了解。比如，当它们游到温暖的南太平洋进行求偶交配时，就会发出浑厚的歌声。而当它们在接近北冰洋地区进行捕猎时，就会发出类似吐气泡一样的“啵啵”声，引诱鱼类上钩。此外，当它们在团队作战狩猎时，还会进行互相交流。
通过长期的研究，海洋哺乳动物学家发现了一个更有趣的现象。
正如我们人类在打电话时，如果遇到通话质量不好的情况时，会下意识地选择放慢语速，并尝试着重复自己的话来确保对方能够理解自己的意思。有些时候，这种交流中大量的词汇是冗余的，甚至是可以互相替换的，这种交流的目的，是确保即便沟通过程中丢失了一些词语，也不会影响到对方的理解和判断。
而座头鲸也有着同样的行为。当它们在充满船只的海底进行远距离沟通时，毫无疑问会遇到这些船只产生大量噪音的问题。因此，如果它们在这样的环境下交流，也会情不自禁地选择放慢语速，并选择另一种在干扰状态下交流的语言模式。
在这种抗干扰模式下，它们的交流信息量会损失五分之二。科学家们很快意识到，它们即便进行这种低效的沟通，但仍然能够保证信息传播的正确率。这是为什么呢？
显然，这说明座头鲸（以及很多其他鲸类）具有足够复杂规则结构的语言，可以利用等效的语言词汇来填补那丢失掉的五分之二的信号。就好比我说：今天的天气很好，阳光明媚。如果你听到的是，今天的天（）很好，（）明媚，也完全不会妨碍你能get到我的意思。
基于这种观察，两位来自加利福尼亚大学戴维斯分校的SETI学者，布伦达·迈科万（Brenda McCowan）和希恩·汉瑟（Sean F. Hanser），决定研究在社会结构上非常复杂，以及高度依赖语言沟通的三种物种，它们的语言类型可以很容易地被辨别出来。
这三种物种分别是：宽吻海豚（Tursiops truncatus），松鼠猴（Saimiri sciureus）和座头鲸（Megaptera novaeangliae）。
这项研究的理论基础，是基于语言学研究中非常经典的齐普法则（Zipf's Law）：
所谓齐普法则，是由是由哈佛大学的语言学家乔治·金斯利·齐普（George Kingsley Zipf）于1949年发表的实验定律。它可以表述为：在自然语言的语料库里，一个单词出现的频率与它在频率表里的排名成反比。
所以，频率最高的单词出现的频率大约是出现频率第二位的单词的2倍，而出现频率第二位的单词则是出现频率第四位的单词的2倍。
具体解释一下就是在英文的文本中，字母E比字母T出现的概率更多，字母T又比字母A出现的概率更多。以此类推，直到出现几率最低的字母“Q”。那么，如果以字母出现的概率降序排列出从E到Q的全部字母，将其出现的概率绘制在对数图上，会形成一条近乎于45度线拟合值，即斜率为-1的线。
同样的，不仅仅在英文里，在汉语中的文字，也可以得到这样一个-1的斜率。日语，德语，印地语和数十种其他语言的对话的字母，单词或音素也是如此。
似乎人类语言唯一的例外是婴儿的呢喃，它的斜率小于-1，这是因为婴儿发出的声音几乎是随机是……然而，随着小baby们开始学习语言之后，斜率就会逐渐向上倾斜，最终在一周岁时达到-1左右。
根据数学家和语言学家的研究显示，这个-1的斜率表示给定的一系列声音，或是书写符号包含了足够的复杂性，足以构成一种语言。
这是一个必要但不充分的条件，而且是一个从观察角度得到的结论而非理论角度的结论。
但它却令人惊讶地满足信息理论，特别是关于传递信息时能量消耗的平衡。具体来讲，当一个信息发送方试图传递信号时，它希望消耗最少的能量；而对于信息接收方而言，它希望获得最多的冗余信息，以确保能够接收一个完整的信息。
那么，在这种双方的平衡博弈之间，语言就自然而然地形成了一个-1的频率。
有人曾经举出反例，例如如果将摩斯电码的点和杠以概率排列出来的话，会得到一个-0.2的斜率，这看起来和-1差得有点远。然而，这种排列并不科学，如果将点和杠的排列组合，比如点点、点杠、杠点、杠杠再按概率排序的话，斜率就会向-1接近。
因此，齐普法则从侧面反映了一套语言系统中的字母是如何编码的。通过它，语言学家就可以对语言原本的意义单位进行逆向破解。
再回到之前的话题，布伦达·迈科万和希恩·汉瑟发现，宽吻海豚和松鼠猴的语言，也符合齐普定律。而且，虽然当它们的幼体时期和人类婴儿一样斜率偏低，但是当它们成年后，斜率就会非常接近于-1。
虽然语言学家还没有能够破译宽吻海豚以及松鼠猴所说的语言，但有一点可以确定的是，它们和人类一样，拥有一种内部结构足够复杂的语言系统。
这种复杂性所带来的好处在于，可以令彼此之间的沟通具有弹性，也就是容错性，或者抗干扰性。
我们甚至可以推而广之地认为，任何交换信息的生物都必须能够做到这一点。
毕竟，环境噪声，干扰障碍物和都会影响信号的传播。人类语言的结构就是提供冗余信息。从某种意义上说，正是这种抗干扰结构决定了给定字母所出现的概率。正如我前文里所说的那样，我们只需要听到一句话中的几个词，就可以猜到这句话大概的意思。这也是目前语音识别技术的理论依据之一。
然而，如果一句话中缺少的词越多，那么依赖上下文中去补完它们就越困难，它们之间所形成的条件概率也就越低。对于大多数人类的书面语言，当一句话中连续丢失了九个词时，那么彼此之间的条件依赖关系将彻底消失，对于接受者而言将不知所云。
因此，在关于语言的信息理论中，人类的词熵大约为九阶。
正如前面所说，在宽吻海豚和座头鲸的语言中也有类似的现象。只不过，相对于人类而言，它们的核心词汇更多，比如宽吻海豚约有50个核心词汇，而座头鲸语言的核心词汇更是高达数百个。因此，我们还需要更多的研究，以确认这俩货语言的究竟词熵有多高。
这种对于生命体语言的研究，或许也同样适用于外星文明。
以目前人类科技的认知，在传递信息时，即使是非常先进的地外文明，仍然要遵守信息理论规则。
虽然由于缺乏对于核心信号的认识，我们可能无法破译所获得的信息，但同样可以看出它们通信系统的复杂性，从而推断出其为智能文明的可能。如果某个信号的条件概率达到很高的比如20阶，那么说明它们的语言复杂程度超过地球上任何一种人类语言。
1967年，天文学家乔瑟林·博奈尔（Jocelyn Burnell）和安东尼·赫维斯（Antony Hewish）发现了一种脉冲恒星，他们将其称为“小绿人”。
这颗星体所发出的无线信号如此短暂，形成了一种频繁的脉动，因此一些科学家最初猜测，它们可能来自于非常先进的外星文明。
在澳大利亚国家望远镜设施负责人西蒙·约翰逊（Simon Johnston）的帮助下，SETI学者重新分析了这颗Vela Pulsar星的脉冲信号，并获得了约为-0.3的斜率。
很遗憾的是，这个数值与我们所知道的任何语言都不一致。
此外科学家们还发现，这些脉冲星的信号中，几乎没有条件概率结构的存在。因此，它们基本上不可能来自于一个高度发展的外星文明。（目前的研究认为，脉冲星信号是恒星变为超新星之后的自然残余物。）
通过信息理论，人类可以相对容易地区分智能生命信号和非生命体信号源。
SETI研究所的科学家们，依然在分析由一个庞大的艾伦望远镜阵列所得到的微波信号数据，这个由42台望远镜组成的阵列，包括从1到10千兆赫兹的频段观测。
或许有一天，我们会真的收到天外来客一亿光年之外的讯息。
又或许，我们早就接收到了它们，只不过我们至今仍然懵然无知
