鑒于化石證據(jù)如此稀缺，科學(xué)家開始把目光放在一些被認為與史前生物較為相似的當(dāng)代物種身上，比如負鼠，希望從中洞悉聽覺器官的演化奧秘。一系列這類動物的聽覺測試結(jié)果顯示，高頻聲聽力是哺乳動物獨享的一項能力，特別是那些耳朵長得緊靠在一起的哺乳動物最有可能具備這項能力。分析認為，這樣的耳朵可以準(zhǔn)確定位到高頻聲源的位置，不管聲源處是美味獵物還是致命天敵，這樣的耳朵都是非常有用的。
到了始新世（5600～3400萬年前）的某個時期，由于生物聽覺器官在低頻聲上的表現(xiàn)得到改善，聽覺范圍似乎逐漸擴大。但此后對高頻聲的敏感性逐漸下降，這就意味著可聽頻率的范圍被壓縮了。
將人類與黑猩猩及其他親屬的基因進行對比，可以發(fā)現(xiàn)一個叫做α-蓋膜蛋白的基因的變異程度非常之高，這表明它帶來了重要的演化優(yōu)勢。α-蓋膜蛋白決定了內(nèi)耳的一些聽覺特征。同時，通過對比不同人群的基因，可以看出在過去5萬多年里，人類與聽覺有關(guān)的基因組合經(jīng)歷了極其重大的變化，即便在過去兩千多年里，聽覺基因也在繼續(xù)受到演化壓力的選擇。我們聽力的不斷完善很大程度上要歸因于口頭語言的發(fā)展。
古代的噪聲
數(shù)百萬年里，不規(guī)則的響聲一直意味著危險——火山的噴發(fā)聲，閃電的噼啪聲，地震的隆隆聲，饑餓敵人的號叫聲。對響聲的直覺反應(yīng)是恐懼和憤怒，這些反應(yīng)伴隨我們直到今天，對我們來說正是這些響聲定義了噪聲。渺小如鼩鼱的遠古動物，在霸王龍雷霆般的吼叫中慌忙逃竄，與在飛機轟鳴聲中怒火中燒難以入眠的當(dāng)代人之間，被一根連續(xù)的線緊緊相連。
最早的人類是獵人和收集者，在全世界的溫帶大平原上移動、尋找食物。他們與我們在聲音環(huán)境上存在的差異簡直不可想象。那時，重復(fù)性的聲音肯定要少得多，除非在海洋或湍急的河流邊上，連續(xù)性的聲音也很少聽到。（據(jù)說，19世紀(jì)的印第安土著從不在流水邊安營扎寨，因為水流聲會掩蓋住敵人的聲響。恐怕遠古人也是這樣的。）我們的遠祖一定對聲音的意義抱著極大的興趣——一般來說，聲調(diào)高的叫聲一定是小獵物發(fā)出的，而更響一些、聲調(diào)低一些的叫聲則是大型獵物發(fā)出的，聽來更令人驚恐。那時大多數(shù)的聲音都是要緊的，其中有些關(guān)乎生死，而所有的聲音都必須密切注意。正是聲音的這種吸引注意力的屬性一直延續(xù)到今天，它也解釋了為什么我們沒有“耳瞼”，為什么我們即使在入睡時也無法直接把聲音世界置之耳外而不理。由于根本不可能完全忽略聲音，所以手術(shù)中會用大腦對聲音的電反應(yīng)來表示無意識的深淺程度。
如果無法辨別是什么聲音的話，即使輕聲也會成為令人恐懼的噪聲，特別是在靜謐的夜晚聲源無法看清時更是如此。這樣的反應(yīng)可以遠溯到史前時期，演化的力量使其深深根植于我們的大腦之中：膽小者對于火光安全圈以外的聲音心懷畏懼，裹足不前，多半能夠幸存下來；而那些敢于越過雷池的無畏者卻永遠失去了生命，以及繁衍后代將他們的魯莽基因傳遞下來的機會。毫不奇怪，黑暗中聽到的莫名噪聲——夜間恐怖的叫聲，或昏暗影院中令觀眾膽戰(zhàn)的聲音——現(xiàn)在仍然是恐懼的潛在來源。
至于人造噪聲源的出現(xiàn)，則是大約250萬年前的事了，那時早期人類開始削鑿燧石、制造工具，發(fā)出了堪比現(xiàn)代工業(yè)噪聲的聲音。這大概也是史上最早的令人煩惱的人造噪聲。
同樣，不諧和音程以及它的對立物諧和音程的起源要遠早于歷史記錄。一些考古學(xué)家認為音樂在現(xiàn)代人類之前就已存在了，證據(jù)是尼安德特人制造了樂器，但最早的確鑿證據(jù)是在德國西南部發(fā)現(xiàn)的用獸骨和象牙制成的笛子。它們的制作年代確定為35,000多年前的舊石器時代中期，遠在最初的城鎮(zhèn)出現(xiàn)之前。
盡管人類對音樂的喜愛由來已久，但音樂的起源仍舊撲朔迷離。查爾斯•達爾文于1871年曾坦言他本人對音樂的演化功能很迷惑，而時至今日我們對此所知依然不多。清楚的是，音樂作品的某些特點是超越文化差異和文化背景的。2009年，位于萊比錫的馬克斯•普朗克研究所進行了一項實驗，發(fā)現(xiàn)喀麥隆的馬法部落成員對古典鋼琴曲的情感反應(yīng)與西方聽眾完全相同。另一項最近的研究則發(fā)現(xiàn)，音樂對大腦皮質(zhì)前運動區(qū)起作用，該區(qū)域的功能是主導(dǎo)人的肢體活動。換句話說，音樂使我們想要活動起來，不管是一起工作還是一起表演。
到20,000年前，我們的穴居祖先已經(jīng)使他們的環(huán)境中充滿了聲音。世界上很多地區(qū)的洞穴中都發(fā)現(xiàn)了石鑼（能產(chǎn)生樂聲的天然巖石巨片），其中一些石鑼（如比利牛斯山脈的）的大致使用年代可以由鈣鹽層的堆積情況推算出來。
較為可能的是，史前時期的聲音和噪聲比今天扮演了更為顯著和重要的角色。那時的夜晚和室內(nèi)要比現(xiàn)在黑得多，所以我們的先人大部分時間里依賴耳朵比眼睛更多，要說是全部時間里也毫不夸張，因為那時的人們與現(xiàn)在的我們具有相同的視覺局限，而人造玻璃的發(fā)明還要等上幾千年的時間，更不用說眼鏡了。當(dāng)然，在文字發(fā)明之前，所有的記錄都是口頭的。最終，只要周遭的世界保持安靜，聲音一旦產(chǎn)生了就會贏得關(guān)注，原因很簡單，因為它們是稀有的。
