言語能力は人類共通のものである、という仮説（たとえば一九九四年 スティーブン・ピンカー「言語本能」）は、現代、広く受け入れられている。日本語を話すか、中国語を話すか、とかかわりなく、人間の脳は言語を操るための、同じひとつの仕組みを持っている。
人類の言語の規則は簡単です。現在、地球上には数千の自然言語があるが、いずれも、数十個の要素からなる音声、あるいは文字（あるいは手話の単位）を一列に並べて表わされる。音声も文字も言語ごとに違う伝統的な決まりごとにしたがって、一列に並べられる。どの順番で並べるかで、意味が作られる。並べ方の規則が、語彙と文法です。この規則も言語ごとにすこしずつ違うが、その基本構造は同じです。形式的には、数少ない有限個の単位要素から構成される美しい構造を持っている。どこの国の言葉でも、それが書かれた文章を紙に印刷してみてください。伝統的な日本語の書き方ならば縦書きです。最近は、急に横書きが多くなっている。外国の文は、ほとんど横書きです。いずれにしても、一列に並んでいって、紙の幅に制約されて折り返す。ながめてみると、模様として美しい絵柄になっている。まったく知らない国の言葉でもインテリアとして壁紙に使えそうでしょう？
言語は、有限な音節を直列に連結して作られる。たとえば日本語は五十くらいの音節の並び方で表現される。「あだだ」とか、「あいあかう」とか、語はいくらでも作れる。いくつかの語をつなげると、また語になる。たとえば、「あだだあいあかう」も語です。末尾に「。」をつけた語は文と呼ばれる。「あだだあいあかう。」は文です。
数学で半群と呼ばれるこの構造は、実質上、無限の語や文を作り出せる。自然界のＤＮＡも、コンピュータのプログラムも半群の構造を持っています。少数の記号を一列に並べて無限の表現を作り出すには、この半群構造が便利だからでしょう。自然言語も、コンピュータのプログラム言語も、ＤＮＡ配列の遺伝情報も、記号列を操作に対応させる。つまり、ある記号列が読み取られると、それに特有な機械的操作が起こる。昔のオルゴールや、自動工作機械の制御テープも、こうなっています。ＤＮＡの記号列は、細胞で製造されるたんぱく質の種類を指定する。
人間の言語では、（拙稿の見解では）語や文は、脳内シミュレーションによる仮想運動の種類を指定する。コンピュータプログラムでは、記号列は、論理回路が行う演算の種類を指定する。ただし、ＤＮＡ配列と違って人間の語やコンピュータプログラムは、記号列と行為との対応関係が恣意的です（一九一三年 フェルディナン・ド・ソシュール『一般言語学講義』）。つまり最初は、その言語の設計者が、記号列と行為との対応関係を勝手に決めてかまわない。
往来の通行なども、最初にたまたま、左側に寄る人が多かったら、その後ずっと左側に寄ることと決まってしまう。東京のエスカレータがそれですね。日本全国、大阪を除いてほとんど左寄りらしい。ちなみに大阪は右寄り、ニューヨークもロンドンも右寄りです。
さて、人間の言語の場合、それぞれの民族言語の設計者、つまり最初にその語彙と文法を作った人は、エスカレータの乗り方の場合と同じく、歴史に残らない無名のだれかさんでしょう。音節列で語を作って、それで何かを意味したい場合、音節の配列は、どう決めてもよい。「あいあかう」といって、それが、空腹だという意味でもよい。代わりに、「はんぐり」といってそれが空腹という意味にしてもよい。「ひもじい」といって空腹をあらわしてもよい。最初は、何でもよいから決めればよい。言葉を使う皆が、その音節列が何を指すかという知識を共有すれば、それでよいわけです。
実際、皆が勘違いすることで、言葉の意味は、変わっていきます。たとえば「キリギリス」という語は、古くはコオロギを指していたのに、いつのまにか、キリギリスのことになってしまった。それでも、ふつうの人は全然困らないわけです。
人間が身体運動をする。あるいは物質に運動を加える。仲間どうし、集団でその身体運動を共鳴させる。つまり、皆がいっせいに、その身体運動のイメージを感じる。脳の運動形成回路が、その運動を組み立て、そのイメージ信号が脳の各部に配布される。それがその運動のシンボルに結びついていく。（拙稿の見解では）共鳴できるその運動、その状況、その物質現象、の脳内シミュレーションに対応させるシンボルとしての音節列が語です。
この対応は、最初に、その語の創始者によって勝手に決められてしまう。それを、その言語集団の皆が学習して身につける。学習は、ふつう無意識に行われるが、ときには意識的に行われる。（拙稿の見解では）群棲動物に共有されている古い脳神経回路による集団運動の共鳴として、言語は学習される。人間は、個々の語や文を感知すると、それを、仲間がする集団運動として、無意識のうちに、追従して発声する。発声しない場合も、脳内の運動形成神経回路は、発声運動の信号を仮想運動として形成している。そうしてできあがる運動共鳴を繰り返すことで、条件反射として、私たちは言語の意味を習得する。
条件反射による言語の習得という理論は、初期の行動主義心理学として唱えられた（一九五七年 バラス・スキナー『言語行動』）。言語生成理論の学説として、この理論は、言語発生機構の生得性を強調する生成文法理論（一九五六年 ノーム・チョムスキー『言語記述の三モデル』）と二論対立するものとされる。拙稿の見解では、この二論は対立関係ではなく、補完的関係にある。発音運動と集団運動の共鳴を対応させる神経回路の発生は生得的（人類共通）であって、その集団共鳴の神経回路を使う語彙と文法の学習は後天的（言語集団特有）である、と素直に考えることが常識的と思うが、いかがでしょうか？
さて、拙稿の見解によれば、文法は、話題にする人物（や動物や擬人化された物事や概念）を脳内で表す身体運動のシミュレーションに語の連結を対応させる脳内プロセスです。これはスポーツのように反復的な条件反射によって形成された手続き記憶の一種です。たとえば、自転車の乗り方のように、反復練習によって、無意識のうちに身についてくる。自転車にまたがったとたんに身体がうまく動いて乗れる。自転車にまたがった身体からくる筋肉や平衡器官などの体性感覚が引き金になって、記憶から自転車でバランスを取る運動シミュレーションが呼び出される。それで運動を実行すると、それがまた引き金になって次の運動シミュレーションを記憶から呼び出す。そういう連鎖反応が、無意識のうちに起こって、じょうずに自転車に乗れる。
言語の場合、（拙稿の見解では）言葉が耳に入ったとたんにそれが引き金になって対応する運動シミュレーションが記憶から呼び出される。それで、文法の上でのその語の位置関係が分かる。そのように、言語の使い手が身体運動の記憶として覚えている語の連結手続きの集合が文法です。
文法は、いくつかの語を一列に連結して、「ＸＸが○○をする」という形に並べる。これを文という。
文は主語と述語からなる。「ＸＸが」が主語で「○○をする」が述語です。主語―述語、という言語の捉え方は、古代ギリシア哲学から始まる伝統的な定式化ですが、人類の言語の本質をうまく捉えている(二〇〇三年 ケイト・アレン『言語学界におけるアリストテレスの足跡』)。実際、どこの言語も、人類の自然言語は例外なく、この形で作られている。これは、人類共通の、たぶん生得的な法則でしょう。拙稿も、この形式を言語の基本と考えます。（正確に言うと、主部と述部という。主語の役を果たす複数の語の連結を主部という。同じように、述語の役を果たす語の連結を述部といいます。しかし拙稿では、簡単のため、主部と主語、述部と述語は、それぞれ同じもの、ということにします）どれが主語でどれが述語かは、どの言語でも、それを母語にしている人は、無意識のうちに、見分けることができる。それが見分けられなければ、言葉の意味は分かりません。
主語と述語は、どのようにして見分けられるのか？ それは、言語の使い手の脳内で、（拙稿の見解では）次のようなプロセスが無意識のうちに実行されるからです。
―まず、主語が表わす人物（や動物や擬人化された物や概念。以下「人物等」という）への注目が起こる。脳内でその人物等のモデルに憑依する仮想運動が起こる（憑依→拙稿４章「世界という錯覚を共有する動物」）。続いて、脳内シミュレーションでその人物等の内部に入って述語が表わす仮想運動を実行する。人間以外の動物や非生物についても、それが言葉で表されるときは、擬人化されるという点が重要です。
逆に言えば、主語で表されるものは、それが人物等として憑依できる擬人化された物事です。つまり、主語になる物事は擬人化されている人のようなものと感じられて、それが「何かをしようとしてする」、と感じられる。私たちは、ある文を思い浮かべると同時に、無意識のうちに、主語になる人物等に憑依して、それがする運動形成過程を私たちの脳に共鳴させて体感する。つまり、主語になる物事を思い浮かべることで、自動的に、私たちの脳内で、それに対応する運動形成回路が活動する。その活動が感情回路を活性化し、その物事の存在感を作り出す。それに続いて、主語に続く述語の表す運動のシミュレーションが起こってくる。
