В речи Homo sapiens  используется около семидесяти основных звуков, называемых фонемами. До шести месяцев любой младенец способен различать все эти звуки — электрод, соединенный со слуховым нервом, показывает, что каждый из них вызывает уникальную электрическую активность. В возрасте от шести до девяти месяцев мы начинаем лепетать, и вскоре этот лепет приобретает черты английского или, скажем, японского языка. В возрасте одного года японские уши уже не в состоянии отличить «л» и «р», потому что в ответ на обе фонемы улитка посылает в мозг одно и то же сообщение. Британские дети не могут отличить разные щелчки в языке Кунг или разные формы французского звука «р». Так что наши органы вовсе не  отражают действительность. Они стимулируют наш мозг, заставляя его создавать, выдумывать — если хотите — внутренний мир, состоящий из ярлыков — своего рода конструктор Lego, который каждый из нас собирает по мере своего взросления.

Такие, казалось бы, очевидные способности, как зрение и слух, устроены намного сложнее, чем мы обычно себе представляем. Мозг — это не просто пассивный приемник. В наших головах происходит невероятно много событий, и некоторые из них находят отражение в той картине, которую мы считаем окружающим миром. Мы осознаем лишь малую часть этого процесса. Вполне возможно, что воспринимать музыку мы способны, именно благодаря этим потайным глубинам и причудливым ассоциациям нашего мозга.

Музыка — это упражнение для мозга, форма игры. И наши уши, вероятно, не единственная причина, по которой музыка вызывает у нас симпатию. В частности, она может быть связана с моторной и сенсорной деятельностью нашего мозга. И в примитивных племенах, и в развитых сообществах музыка и танец нередко сопутствуют друг другу. Так что, возможно, наш мозг привлекают не звук или движение по отдельности, а именно их сочетание. Собственно говоря, музыка вполне может оказаться всего лишь случайным побочным эффектом от соединения этих процессов в мозге.

Различные модели движений, которые в течение миллионов лет были обычным явлением на нашей планете, дают неоспоримое эволюционное преимущество. Модель «влезть на дерево» может защитить саванного примата от хищника — то же самое можно сказать о модели «бежать со всех ног». Мы живем в окружении взаимосвязанных моделей движения и звука, созданных нашим телом. Подобно музыке, эти модели связаны с продолжительностью и ритмом. Дыхание, биение сердца, речь, синхронная с движением губ, громкие звуки, сопровождающие удары двух предметов.

Одни и те же ритмы характерны для передачи сигналов между нервными клетками и движений мышц. Различные способы передвижения — ходьба и бег человека или ходьба-рысь-кентер-галоп лошади — отличаются временем перемещения отдельных конечностей. Модели передвижения связаны не только с механикой движения костей и мышц, но и с электроникой мозга и нервной системы. Таким образом, чувство ритма — одна из ключевых составляющих музыки — это побочный эффект той животной физиологии, которой нас наделила Природа.

Еще одна важная составляющая — высота звука и гармония — тесно связана с физикой и математикой звука. Еще в древности Пифагорейцы обнаружили, что длины струн, порождающих гармонично звучащие ноты, связаны простым математическим соотношением — теперь мы знаем, что это соотношение связывает частоты двух нот. Например, переход на октаву вверх соответствует удвоению частоты. Простые целочисленные отношения создают гармоничное звучание, в то время как сложные — нет.

С одной стороны, у этого явления есть чисто физическое объяснение. Если частоты двух нот не соотносятся, как два небольших целых числа, то при их одновременном звучании происходит интерференция и возникают «биения» — резкий низкочастотный шум.