语言，不论其复杂性如何，正像我们通常理解的那样，开始是一种非常简单的行为。实际上语言是一种动作习惯。在亚当的智慧果（Adam’s apple）那个层次，我们的咽喉里有一个简单的小型器官，称为“喉”（larynx）或者“音盒”（voice box）。它是一个主要由软骨构成的管道，穿过这个管道伸展着两片结构非常单一的膜（膜状的声门），在它的边缘形成了声带（vocal cords）。我们不是用手来操纵这些相当原始的器官，而是当我们把空气从胃中排出时，通过与它相连的肌肉来操纵它。当我们考虑它的构造时，努力去想象那些夹在我们嘴唇之间，使空气通过的简单的芦笛。我们拉紧声带，改变声带之间空隙的宽度，如同我们转动弦轴来为小提琴的弦调音。来自肺部的空气通过声带之间的空隙排出，导致声带振动，发出声音，我们称之为嗓音。但是，当我们发出这个声响时，另有几组肌肉在活动：一组改变了咽喉的形状，一组改变了舌头的位置，一组改变了牙齿的位置，一组改变了嘴唇的位置。位于喉部上方的口腔和位于喉部下方的胸腔不断地改变大小和形状，结果导致音量、音的特征（音色）和音高的变化。当婴儿第一次啼哭时，所有这些器官就进行反应，开始工作。当婴儿发出非习得的（unlearned）声音如“爸”或“妈”时，这些器官又开始工作了。
这一图景和我们在研究手与手指的运动时所看到的图景没有很大区别，不是吗？