目前为止，我们已经看见很多隐匿在食物语言中的东西。番茄酱在中国的起源，冰冻果子露、马卡伦和油炸调味鱼在伊斯兰世界的历史，都告诉我们，东方世界在西方世界的创造过程中扮演了重要角色。我们在菜单上使用传家宝、法语冠词a la、美味的或异域风情这些词则告诉了我们社会阶级和食物广告的本质。虽然我们已经探讨过食物词汇以及用来描述它们的形容词的历史，但我们还没谈过这些词汇的发音。
这有什么故事好说？这些名字的发音可能并不能那么明显地表现出食物的味道或气味。莎士比亚在《罗密欧与朱丽叶》中最优美地表现了这种怀疑态度：
名字中有什么？虽然我们叫它玫瑰
但若换一个名字，它还是一样甜美；
朱丽叶的这一想法就是约定论的代表：名字只是一种约定俗成的惯例。英语中用egg，但广东话叫蛋，意大利语用uovo，但如果这些名字交换国度，只要大家都同意，也就不会有什么变化。另外一种观点则认为，名字本身的存在一定有意义，和物品之间有着自然的联系，而有些名字可能自然而然就比其他的名字“听上去更甜美”，这就是自然论。
约定论是现代语言学中的常规，因为我们发现一个词的发音一般不会直接告诉你这个词的意思。语言学家将这种发音和词意间的关系定义为“任意的”，这个词首先出现在政治哲学家约翰·洛克的《人类理解论》中。约翰·洛克指出，如果声音和词意间有必然联系，所有语言中描述某种事物的词汇应该是相同的，英语和意大利语中的蛋，应该和中文是一样的。
稍微思考一下，为什么约定论比自然论更讲得通还有另外一个原因，至少在口头语中（与手语相对）：口头语中只有50个左右的“音素”（也就是构成声音结构的单个声音），当然它们有超过50种意思。
但是2500年前，在《克拉底鲁篇》中，柏拉图指出，自然论和约定论一样，也有强有力的论据。苏格拉底首先同意克拉底鲁的论点，认为所有的食物都有一个“天赋正确”的名字，无论是在“希腊语中或是在野蛮人中”。比如字母Ο（omicron）是圆的，所以因此“在goggulon（圆）中有很多的Ο混在其中”。相似的，带有r音的（希腊语的rho，ρ，发音类似现代西班牙语中的滚动颤音r），往往和某种动作有关［rhein（流），rhoe（水流），tromos（颤抖）］。
但是苏格拉底之后又转而为赫谟根尼所持的约定论辩护，比如，即使在希腊语的不同方言中，一些同样的单词，发音也是不同的，意味着约定仍是必要的。
语言学作为一门学科延续的是后面这种论点，日内瓦的教授费迪南·德·索绪尔，也是现代语言学创始人之一，制定了一条原则，也就是“符号的任意性”，成为我们这一学科的基础。但是在过去几十年中，沿着上世纪早期语言学巨人，包括奥托·叶斯柏森和罗曼·雅各布森的足迹，研究表明自然论仍然占一席之地：有时候，名字的声音和食物的味道是有关的。
我们称这种声音携带意思的现象为声音象征。声音象征的衍生意义不仅表现在深刻的哲学及语言学研究中。像其他语言学的线索对营销策略至关重要一样，声音也在食物营销及品牌策略方面起到关键性的作用。
声音象征的研究主要集中在原因上，特别是两组不同的元音，前元音和后元音上。它们的名字来源于发出这些元音时舌头所处的位置。
元音i（如cheese或teeny中的元音）和ɪ（mint或thin中的元音）都是前元音。总的来说，前元音都是通过把舌头保持在口腔前部的较高位置。下面左图是一张十分简要的头部横剖图，左边是嘴唇和牙齿，舌头位置很高，倾向口腔前部。
相反，元音α（在large，pod或on中的元音）是一个低后元音；这一声音是通过压低舌头并保持在口腔后部发出来的；其他的后元音包括o（如bold）和ɔ（如coarse，或者我母亲用纽约口音读caught）。右图则表现了这些元音大致的舌头位置；总而言之就是更低，更靠近喉咙。
过去100年左右的多项研究表明，许多语言中的前元音往往用于小的、瘦的、轻的东西，而后元音则用于大的、胖的、重的东西。当然，不能一概而论，的确有一些特列，但这是一个总体趋势，你可以从重读的元音上发现这一点，比如little，teeny或itsy-bitsy（全都是前元音），相对如humongous或enormous（后元音）。或者西班牙语chico中的i元音（前元音，chico指“小”），相对gordo中的ɔ（后元音，指“胖”）。再或者法语中的petit（前元音）和grand（后元音，指“大”）。
在一项市场营销的研究中，理查德·克林克编造了许多对商品名称。这些品名中其他元素都是相同的，只有前元音（detal）和后元音（dutal）的区别，然后问研究参与者以下问题：
哪个品牌的电脑感觉会更大，Detal还是Dutal？
哪个品牌的吸尘器感觉会更重，Keffi还是Kuffi？
哪个品牌的番茄酱感觉会更浓稠，Nellen还是Nullen？
哪个品牌的啤酒感觉颜色更深，Esab还是Usab？
在以上任意一个问题中，有后元音的品牌名（Dutal，Nullen）都被认为是更大、更重、更浓稠的产品。
既然冰激凌这种产品最原始的目的就是要更浓郁，奶味更重，质地更厚，那人们倾向于选择品名中有后元音的现象就一点都不奇怪了。纽约大学的埃里克·约克斯顿和基塔·梅侬邀请研究参与者阅读一份即将发布的新冰激凌品牌的新闻稿。稿件中的一半冰激凌的名字是Frish（前元音），而另一半则是Frosh（后元音）。问及他们的意见时，相比读到Frish的人，那些读到Frosh的人认为这个假定的冰激凌应该更柔滑，含更多奶油，也更浓厚，他们也更有可能购买这种新冰激凌。
最后，约克斯顿和梅侬在其中一些参与者阅读的同时做其他的任务，如此，参与者就不能全神贯注地读这篇冰激凌报道。这些参与者受到元音的影响甚至更大，意味着我们对元音的反应是自然而然的，是在潜意识层面的。
我很想知道冰激凌商是否会利用这种潜意识的联系，在他们的品名中使用后元音暗示自己的冰激凌更浓厚，奶味更重。为了找到答案，我进行了一项宾夕法尼亚大学的语言学家马克·利伯曼称为“早餐实验”的研究。利伯曼——一位固执地坚持要把语言学应用到公共事务上的倡导者——每天早上吃早餐前，都会很快地以当天新闻为对象进行快速的语言学提示实验，然后把结果发布在“语言日志”上——也就是语言学的“记录博客”。他这种在短短几分钟内就能完成复杂的语言统计学分析的能力简直是传说，他说这是以前做钢琴调音师时锻炼出来的。
我的假设是，我们在冰激凌的品牌或口味的名字中，会找到更多后元音，与此相反，在清淡食物，比如薄脆饼干中，应该有更多的前元音。
我从网上找了两组食物的名字来检测这一假设。一组中有哈根达斯或Ben＆Jerry\'s的81种冰激凌口味，另一组中则是一个瘦身网站上的592种薄脆饼干的品牌。在每一组中，我都数了前元音（i，ɪ，ɛ，e，æ）和后元音的总数。
在冰激凌口味及薄脆饼干名字中的前元音和后元音（基于一本英语大词典估算出前元音及后元音的预期出现次数，将观察次数除以预期次数而得到的标准化数据）。
结果呢？正如前面的图标，我发现在冰激凌的名字中后元音更多，比如Rcky Rad，Jamca lmond Fdge，Chcolate，Cramel，Ckie Dgh，Cconut；而薄脆饼干的名字中的前元音更多（ɪ元音特别多），比如Chse Nps，Chz t，Wht Thns，Prtzel Thns，Rtz，Krspy，Trscuit，Thn Crsps，Chse Crsps，Chcken in a Bskit，Snack Stcks，Rtz bts。
当然还是有例外：vanlla（也就是我们现代的橙花），就有ɪ在里面。但大部分含前元音的冰激凌口味中往往有小的、薄的原料（thin mint薄薄荷、chip片、peanut brittle花生碎）。
声音象征因此是现代广告人或品名设计师工具箱中的一种重要工具，实际上这些塑造品牌的公司往往会从语言学家那里得到启迪。
虽然我们与冰激凌或薄脆饼干之间的联系只存在于潜意识中，但是它们是系统的，并且在语言学层面有相关理论解释了其背后的原因：为什么前元音往往和小的、薄的、轻的东西有关，而后元音则与大的、扎实的、厚重的东西有关。
最广为接受的理论，频率代码，低频音（音调低的声音）或高频音（音调高的声音）都可以表示某种特殊的意义。频率代码是语言学家约翰·霍尔（我在伯克利读本科时的语音学教授）在史密森尼学会的尤金·莫顿的研究基础上发展创立的。
莫顿发现哺乳动物和鸟类在准备攻击或表现敌意的时候，往往使用低频音（更深沉的音），而在表现害怕、讨好或友善的时候则使用高频音。因为大型动物的声音天生更低沉（比如狮吼），而小型动物的声音则音调更高（比如鸟鸣）。莫顿的想法是，动物在竞争或者准备攻击的时候会把自己表现得更大，否则就会表现得更小，降低自己的威胁。
莫顿和奥哈拉因此提出，人类天生就会将音高和大小联系起来。所有的元音都有不同的共振频率。当我们的舌位较高，并处于口腔前端时，口腔前端留下的空穴就更小。更小的空穴意味着音就更高（震动空间越小，波长越短，因此频率更高）。有一种共振（第二共振峰）在前元音中比在后元音中高得多。
因此频率代码理论提出了前元音，比如i和ɪ，和小的、薄的东西有关，而后元音，比如a和o，则与大而重的东西有关，因为前元音有更高音调的共振，而我们天生就会将高音与小型动物联系起来，之后扩展到所有小的东西。
研究者又进一步阐明，升高音调或者“提前”元音（把舌头往口腔前部稍微挪动一点，让所有元音的第二共振峰都更高）都会让人联想到婴儿或者儿童。通过一份早期的论文，我研究了全球超过60种语言，并且提出，在许多语言中，表示小或轻的词尾追根溯源，最终都会指向“儿童”或与儿童有关的名字，比如宠物名字Barbie及Robby中的y。我的语言学同事佩妮·埃克特则指出，前元音与正面效果有关，因此即将进入青少年时期的女孩儿有时会提前元音，偷偷在她们的话语中加入一丝甜美或者童年的纯真。语言学家凯瑟琳·罗斯·金伯格则发现，说美式英语的人会在学婴儿讲话的时候将元音提前。心理学家安妮·弗纳尔德提出，和语种无关，与婴儿讲话时人们倾向使用高音。
频率代码并不是唯一与食物有关的声音象征理论。为了找到答案，我们先减慢脚步，来看看下面两张图：
如果我告诉你在火星语中，这两张图中有一个叫bouba，另一个叫kiki，你必须要猜哪个是哪个。想1秒钟。哪张图是bouba？哪张是kiki？那如果换成maluma和takete呢？
如果你和大部分人一样，你应该会叫左边那幅锯齿状的图片kiki（或者takete），右边那幅圆圆的bouba（或者maluma）。这个测试是由德国心理学家沃尔夫冈·柯勒发明的，他在1929年提出了格式塔心理学理论。语言学家和心理学家创造出许多不同的词，听上去像bouba和kiki的，来重复这一实验，无论是说哪个语种的人，从瑞典人到斯瓦希里人再到遥远的纳米比亚北部的游牧人，甚至连2岁半蹒跚学步的小娃娃也做了测试，结果都惊人的相似。似乎锯齿般的形状有某些特质让人们想叫它kiki，而圆润的形状则自然而然应该叫bouba。
这个测试与食物之间的联系来自牛津大学心理学家查尔斯·斯宾塞的实验室中。实验室进行着世界最前沿的感官知觉研究。在许多近期的论文中，斯宾塞和他的同事们的研究成果展示了不同食物的味道，圆润或锯齿状的图片，以及像maluma/takete这些词之间的联系。
在其中一篇论文中，斯宾塞、玛丽·金·吴和丽娃·米斯拉让人们吃一块巧克力，然后说出它的味道更适合用maluma还是takete来形容。吃了牛奶巧克力（瑞士莲超浓郁30％可可）的说味道适合maluma（也更适合圆润的形状）。吃了黑巧克力（瑞士莲70％可可和90％可可）的则选择了taket（以及锯齿状的图片）。在另一份研究中，他们发现碳酸饮料也符合这一规律；碳酸水在人们的认知中更像kiki（以及尖锐的图片），而净水则更像bouba（以及圆润的图像）。换句话说，m和l的音，比如maluma，与奶油或者更柔和的味道相关，而t和k的音，比如takete，则与苦味或者气泡有关。
这些联系同我在冰激凌和薄脆饼干名字中发现的辅音规律十分相似。我发现l和m在冰激凌的名字中出现更频繁，而t和d在薄脆饼干的名字中更常见。
所以，为什么bouba和maluma更容易让人联想到圆形的或有曲线的形状，以及奶油和润滑的特质？而kiki和takete又为什么更容易和锯齿状的图片以及刺激的、苦的或酸的味道联系起来？最近的一些语言学家研究了具体是哪些音起到了这些效果。
其中一个合理的解释是，这必定和连续性和光滑度有关。像m，l和r之类的音，也就是连续音，在听觉上表现出连续以及光滑的特性（这个音从头到尾基本是一致的）。这些音往往让人联想到更光滑的图像。恰恰相反，刺耳的声音往往突然开始又戛然而止，比如t和k，则更符合尖锐的形状。辅音t是英语中最有爆破力的音。
为了帮助大家看到这一点，我录制了自己读maluma，紧跟着再读takete的音频，下面是声波图。可以看到maluma比较圆滑的声波，并且空气也能顺利流通。相反，在读takete时，那3处突然出现的空白都是因为t和k；读这3个辅音时，空气的流通暂时被舌头阻断，然后再突然被释放出来。
我说maluma和takete时的振幅。
我称之为联觉假说的理论指出我们五感中的一感听觉所感受到的光滑度，似乎会影响另外两感对光滑度的感知：视觉（看见更圆润的而非锯齿状的）以及味觉（尝到更柔滑的而非更刺激的）。
联觉是不同感官间的强烈联系的通用名。有些人，比如丹·斯洛宾，加州大学伯克利分校的心理学和语言学教授，是一个联觉非常强的人。对斯洛宾来说，每一个音符都与一种颜色有关：C大调是粉色，C小调是深红带点黑。但对bouba/kiki的研究结果表明，我们每人都或多或少有联觉的特性。我们的味觉/嗅觉、视觉以及听觉都至少有一定的联系，所以我们才会将其中一感感知到的顺滑与另外两感，将闻到的刺激性味道（比如cheddar），摸到或看到的尖锐的东西（比如锐角），以及听到的刺耳声音（比如声音的突然变化）联系起来。
我们可以在日常用语中发现这一联系。Sharp（味道或气味强烈）和pungent（有刺激味的）这两个词原来都是触觉或视觉上的：指有棱有角的东西，或有很小的视觉角度，但是这两个词如今也都用在味觉和嗅觉上。
我们还不清楚这种联觉究竟有多少是天生，有多少在后天受文化的影响。比如纳米比亚的游牧部落，他们的确将takete和尖锐的图片联系起来，但是，不像许多说其他语种的人，他们并没有把这个词或者图片和黑巧克力的苦味或者碳酸饮料相连。这意味着我们认为苦味巧克力比牛奶巧克力更“尖锐”或碳酸水比纯水更“尖锐”，只是我们从文化中习得的一种比喻。但是我们还不明了，因为我们对这些感官的理解才刚刚起步。
然而，联觉假说以及频率代码也蕴含着物种的进化史。
约翰·奥哈拉提出，高频和区分敌友间的联系也许可以解释微笑的起源。微笑可以看作是一种讨好或表示友善的行为。我们通过往后收起嘴角来微笑。动物，比如猴子，也会收起嘴角表示顺从。相反，它们会将嘴角往前推（奥哈拉称之为“O形脸”），让嘴唇尽可能突出，以表示攻击。
往后收起嘴角会减小口前腔中空穴的大小，就和发元音i或者ɪ一样。实际上，微笑和发元音i时相似的嘴形也解释了为什么我们在拍照的时候说cheese；i就是微笑元音。
因此，奥哈拉的理论可以解释为微笑起源于一种讨好的姿态，好像在说“别伤害弱小、衰老的我”。微笑是哺乳动物在竞争环境中进化出来的，为了让声音更高，而微笑也让我们看上去更小，没有攻击性，因此也就更友善。
频率代码和联觉假说可能也和语言的起源有关系。如果一些意思和声音之间有标志性的联系，正如这些假说表现出的，这可能是说话人在语言进化史早期传达某种概念的方式。但语言的起源仍然是一个很深的谜团。不过，我们的确有些假说，比如摹声学说。这一学说认为语言的起源至少有一部分是模仿大自然的声音，用犬吠来给狗命名，根据猫叫给猫命名等。频率代码理论则提出，也许一些洞穴女人最早创造出来的语言，如一些高音来指“宝贝”，或低音指“大”，或者可能是一种爆破音kikiki，指“锋利的”。这种标志性的概念只不过是我们语言使用过程中的沧海一粟，但这仍然能帮助我们理解早期人类语言的源头。
无论它们源于何处，元音和辅音已经成为我们丰富美丽的表达系统的一部分，让我们能够通过组合不同的声音，变成词语，来表达复杂的意思。就如微笑也进化成了一种表达许多不同程度的快乐、爱以及其他东西的方式。
无论这些词和微笑隐藏了什么样的含义，最后一定都有冰激凌的影子，就像很久之后的一位吟游诗人华莱士·史蒂文斯所说：
就笑看它装最后的乐章
冰激凌之帝才是真正的王