perspektywa ewolucyjna
wiele prób zidentyfikowania zachowań, które niezawodnie odróżniają nasz gatunek, Homo sapiens, od naszych najbliższych żyjących kuzynów. Przypisywane działania, od tworzenia narzędzi po posiadanie teorii umysłu i empatii, zostały odrzucone, ponieważ obserwacje antropologów i etnologów nadal podkreślają raczej podobieństwa niż różnice, umieszczając nas w wielkim łańcuchu istot. Nie ma wątpliwości co do większego rozwoju naszych atrybutów poznawczych, ściśle związanych z ewolucyjnym rozwojem naszego mózgu, zarówno pod względem wielkości, jak i struktury. Dwunożność, użycie ognia, rozwój efektywnej pamięci roboczej i nasz język wokalny efektywna komunikacja wyłoniły się z tych adaptacji genetyczno–środowiskowych na przestrzeni kilku milionów lat (Pasternak, 2007).
dwie cechy naszego świata, które są uniwersalne i prawdopodobnie były cechą wcześniejszego rozwoju ewolucyjnego, to nasza zdolność do tworzenia i reagowania na muzykę oraz do tańca w rytm czasu.
gdzieś na drodze ewolucji nasi przodkowie, z bardzo ograniczonym językiem, ale ze znaczną ekspresją emocjonalną, zaczęli artykulować i gestykulować uczucia: denotacja przed konotacją. Jednak, jak zauważyła filozof Susanne Langer, „najbardziej rozwiniętym rodzajem czysto konotacyjnej semantyki jest muzyka” (Langer, 1951, s. 93). Innymi słowy, znaczenie w muzyce przyszło do nas przed znaczeniem nadanym przez słowa.
ucho środkowe ssaków rozwinęło się z kości szczęki wcześniejszych gadów i niesie dźwięk tylko z określoną częstotliwością. Jest naturalnie dostrojony do dźwięku ludzkiego głosu, chociaż ma zasięg większy niż wymagany do mowy. Ponadto pasmo częstotliwości, które matki używają do śpiewania swoim dzieciom, oraz tak zwana mowa matczyna lub kierowana przez dziecko, z przesadną intonacją i rytmem, odpowiada temu, które Kompozytorzy tradycyjnie używali w swoich melodiach. W ten sam sposób, w jaki istnieje ograniczony okres wrażliwości, w którym niemowlę może nauczyć się języka i nauczyć się odpowiadać na język mówiony, musi istnieć podobna faza rozwoju mózgu w celu włączenia muzyki.
jedną z różnic między rozwiniętymi mózgami Homo sapiens a mózgami małp człekokształtnych jest zwiększenie powierzchni przeznaczonej na przetwarzanie informacji słuchowej. Tak więc u innych naczelnych rozmiar kory wzrokowej dobrze koreluje z rozmiarem mózgu, ale u Homo sapiens jest mniejszy. W przeciwieństwie do tego, wzrost wielkości w innych częściach ludzkiego mózgu wystąpił, zwłaszcza w płatach skroniowych, zwłaszcza w obszarze grzbietowym, który odnosi się do słuchowego odbioru mowy. Ekspansja pierwotnych i asocjacyjnych kory słuchowych i ich połączeń, związana ze zwiększonym rozmiarem móżdżku i obszarami kory przedczołowej i przedmotorowej połączonymi przez struktury zwojów podstawnych, zwiastowała przejście do estetyki opartej na dźwięku i zdolności do wciągania do zewnętrznych wejść rytmicznych. Pierwszym instrumentem muzycznym używanym przez naszych przodków był głos. Ucho jest zawsze otwarte i w przeciwieństwie do wzroku i oczu lub spojrzenia, dźwięk nie może być łatwo uniknięty. Od rytmicznego bicia wewnątrz i z ciałem matki dla płodu i młodego niemowlęcia, do prymitywnego bicia patyczków przypominającego bęben na drewnie i klaskania rękami naszych dorastających i dorosłych protojęzycznych przodków, rosnące niemowlę jest otoczone i reaguje na rytm. Ale, jak to ujął Langer (1951, s. 93), „będąc bardziej zmiennym niż Bęben, głosy szybko tworzyły wzory, a długie, ujmujące melodie prymitywnej pieśni stały się częścią wspólnego świętowania”. Pewne poparcie dla tych idei pochodzi z pracy Mithena, który twierdził, że język mówiony i muzyka wyewoluowały z proto-języka, języka muzycznego, który pochodził z wezwań naczelnych i był używany przez neandertalczyków; był emocjonalny, ale bez słów, jakie znamy (Mithen, 2005).
sugeruje się, że nasz dzisiejszy język pojawił się za pośrednictwem języka proto-językowego, napędzanego gestem, oprawionego w muzykalność i wykonywanego przez elastyczność, która narosła wraz z rozszerzonym rozwojem anatomicznym, nie tylko mózgu, ale także koordynacji mięśni twarzy, gardła i krtani. Mniej więcej w tym samym czasie (z dokładnością do wielu tysięcy lat), dwuizbowy mózg, choć pozostający dwuczęściowy, z dwoma współpracującymi półkulami mózgowymi koordynującymi życie jednostki w spójności z otaczającym środowiskiem, stał się inaczej zrównoważony w odniesieniu do funkcji dwóch stron: wskazywania i propozycji (po lewej) w przeciwieństwie do zachęcania i tęsknoty (po prawej) (Trimble, 2012).