我们天生就有乐感，乐感与生俱来，同时又能借助听音乐得以强化。几乎人人都有体验、鉴赏音乐所必需的音乐技能。“相对音感”能力使我们能借助音高或节奏辨认出旋律；“节奏感知”能力使我们得以在千变万化的节奏中找到规律。连婴儿都对身边的声调、旋律、节奏或噪音异常敏感。所有迹象都表明，人体早在诞生之初，就做好了感知与享受音乐的准备。
人类的乐感显然很特殊。乐感基于且受限于认知能力（注意力、记忆力、预期能力）及生物本能，是自发形成的一系列自然特征。但它为何如此特别呢？是因为似乎只有人类才拥有乐感吗？它像语言能力那样为人类所独有吗？亦或是所有生物长期进化过程中的产物？
《我和狗狗一起弹钢琴》：
研究音乐的亨詹·霍尼（Henkjan Honing）怀疑这个病毒视频里的狗狗并没有绝对音感（一种超越听觉的认知能力），它只是在按主人凝视的琴键。
达尔文认为，脊椎动物都能感知、欣赏节奏与旋律，因为它们有相似的神经系统。他确信人类的乐感是有生物学基础的。此外，他还认为，对音乐敏感肯定是一种非常古老的特质，比对语言敏感还要古老许多。事实上，他认为乐感是音乐与语言的起源，是性选择进化机制使人类和动物拥有了这一特质。
那么和人类相比，动物的乐感好到什么程度呢？乐感是人类独有的吗？亦或如达尔文所怀疑的那样，（人类和动物）“神经系统的生理特性相同”，因而都具有乐感？想了解音乐与乐感的演化过程，我们必须先确定音乐的组成部分是什么，及它们如何在动物和人类身上体现出来。或许我们能借此判断是否只有人类才有乐感。
伊万·巴甫洛夫（Ivan Pavlov）发现，狗能记住某个音调并将其与食物联系起来。狼、老鼠、椋鸟和恒河猴都能通过叫声的绝对音高识别同类，也能辨别音调。
相对音感是一种听音技巧。大多数人听的不是一段旋律里的个别音调及其频率，而是整首旋律。无论对方用高音还是低音唱《玛丽有只小羊羔》，你都能听出那首歌。即便在嘈杂的咖啡馆里听到扩音器里传出的曲调，你仍然能够立即辨认出是哪首歌。
但是谁唱的呢？你绞尽脑汁，想记起歌手的名字或歌曲的名字，然而大脑却一片空白，于是你打开听歌识曲软件，把智能手机对着扬声器，几秒钟内就找到了歌名、歌手和所属专辑。
“鸣鸟拥有某种听音模式，这使得现代作曲家在作品中赋予音色以重要地位。”
为了使听音识曲成为可能，软件开发者系统分析并高效保存了大部分可商用的歌曲录音。每首歌都有可以体现其特定声音品质的独特“声学指纹”，这些指纹被储藏在存量浩大的档案中。因此，计算机程序会比对智能手机所接收音乐与存档音乐的“指纹”，进而快速有效地听音识曲。对计算机而言，这简直是小菜一碟，但人类却几乎无法做到这点。
然而，如果把智能手机靠向正在唱同一首歌的人，软件要么会表示自己无法识别，要么会乱猜一通。因为数据库中只有有限的经过分析的音乐版本，没有这种随意唱出的音乐，所以软件无法找到对应的“指纹”。而在这种情况下，人类却能立即识别出歌曲，那首歌甚至可能会在他们的脑海中循环播放好几天。
可以说，计算机会惊讶地发现，无论演唱者音调是高是低，节奏是快是慢，跑调还是不跑调，人类只需要听半首歌就能识别出歌手或歌曲。对人类而言，听音乐的部分乐趣源于聆听音调之间的关系（包括旋律和和声）。
长期以来，科学家一直认为鸣鸟拥有绝对乐感，能根据音高或基频识别并记住旋律。40多年前，美国鸟类研究学家斯图尔特·赫尔斯（Stewart Hulse）以欧洲椋鸟为研究对象，进行了一系列听音实验，进而得出了这一结论。他指出，椋鸟能区分出逐渐升高或降低的音调序列，但却识别不了振动频率略升高或降低的音调序列。赫尔斯的结论是，鸟类关注的是绝对频率。和多数哺乳动物一样，欧洲椋鸟拥有绝对音感能力，而非相对音感。
谈及相对音感，或者说识别移调乐曲的能力，以人类为观察对象的研究已经比较深入了。神经科学研究表明，使用相对音感能力时，需要调用由不同神经机制构成的复杂网络，其中包括听觉与顶叶皮层之间的交互网。鸣禽似乎没有这类网络，鉴于此点，当我们研究人类乐感的生物学起源时，其他动物是否也拥有相对音感这个问题就更加令人着迷了。
据我们所知，大多数动物没有相对音感。人类似乎是个例外。但有人可能会猜测相对音感是否仅与音高相关。就声音而言，也许在某些方面，不是绝对生理特质，而是特质之间的关系造就了乐感。
加州大学圣地亚哥分校的研究人员提供了解答这一问题的方向。他们让椋鸟听了音色、音高都经过处理的不同旋律。刺激条件即所谓的音色旋律——每种音调都有不同音色的音调序列。一系列声学实验研究了这些鸟类分类新旋律的模式。
“鱼能够分辨出约翰·李·胡克（John Lee Hooker）和约翰·塞巴斯蒂安·巴赫（Johann Sebastian Bach）的作品。”
令人惊讶的是，研究人员发现椋鸟并不像预料的那样借助音高区分刺激条件，它们借助的是音色和音色变化（频谱轮廓）。鸟类会对某首特定的歌曲做出反应，即便这首歌经过处理，且已用“噪声编码”技术去除了所有音高信息。由此产生的旋律类似嘈杂之音，即一个音符变化为另一个音符，但音高却难以察觉的音色旋律。只有当信息极少时（在赫尔斯以欧洲椋鸟为研究对象的实验中，刺激条件由纯音组成，没有任何频谱信息），鸣禽才会注意音高。
鸣禽主要靠频谱信息及其随时间的变化，更确切地说，靠音符转变时，频谱能量的变化来感知旋律。而人类关注的是音调，基本不会注意音色。
可以说，鸣禽听旋律的方式就像人类听讲话一样。听讲话时，人类主要关注的是频谱信息，这让我们能够区分单词“bath”和“bed”。在乐曲中，旋律和节奏是需要关注的重点。说话时，音高是次要的——它可以表明说话者的身份或话语的情感意义，但谈及音乐，它便成了首要因素。这就是听音乐与听讲话之间一个有趣的区别，不过人们目前还很难理解它。
大脑皮层为语言而生，同时也会被音乐超常刺激，乐感也可能是大脑皮层的副产品。不过，乐感也可能优先于语言和音乐。在这种情况下，乐感可以被解读为人类及许多非人类物种所共有的敏感性，只不过在人类身上，这种敏感性已进化成了两个重合的认知系统：音乐与语言。
在奥地利召开的一场国际会议上，笔者偶然发现了支持这一观点的实验证据。在某次讲座中，维也纳大学（University of Vienna）的博士后研究员米歇尔·施皮林斯（Michelle Spierings）曾揭示过斑胸草雀（zebra finches）识别声音序列（她称之为音节）差异的学习过程。这些声音由“mo”、“ca”、“pu”等人类的话语组成。在一系列不同的行为实验中，这些语音的顺序（句法）、音高、持续时间及动态范围（频谱曲线）都发生了变化。
斑胸草雀首先学会了Xyxy和xxyY序列的区别，其中x和y代表不同的语音，大写字母代表乐调重音：即更高、更长或音量更大的重音。举个例子：“MO-ca-mo-ca”不同于“mo-mo-ca-CA”。
然后，斑胸草雀会听见一段重音、结构都有所变化的、不熟悉的序列。该测试目的在于确定鸟类是用乐调重音还是语音顺序来区分差异。
如米歇尔所示，人类主要基于语音顺序来区分差异：譬如abab与aabb不同，而cdcd与abab相似。人类会将abab结构概括化，并推演到尚未听到的cdcd序列。这表明人类聆听序列时，主要关注的是句法或语音顺序。句法（一种语序，如“人咬狗”）是语言的一个重要特征。
相比之下，斑胸草雀主要把注意力放在序列的音乐特质之上，但这并不意味着它们对语序不敏感（其实在某种程度上，它们能理解语序），只不过它们主要靠音高（语调）、持续时间和力度重音（音韵）来区分序列。
因此你在熟悉的动物身边放音乐时，他们会后退。如果你在不熟悉的动物身边放音乐，他们会吓跑。