Ifølge den første type teori er sproget oprindeligt onomatopoietisk og ikonisk. Urmennesket imiterede omgivelsernes og dyrenes lyde, som fx vov-vov, øf, kykkeliky  og plask! (deraf ’kælenavnet’ ”vov-vov”-teorien). Problemet er bare at antallet af sådanne ord hvor der er ”ikonisk” forbindelse mellem lyd og mening er meget lille, og desuden lyder ordene ikke ens på alle sprog (fx er det bow-wow, oink, cockadoodledoo, og splash på engelsk). Desuden er det svært at forestille sig hvor ord som drøm, viden, varme, etc. skulle kommer fra.

En variant af denne teori (”ding-dong”-teorien) hævder at sproglydende i sig selv er symbolske således at fx vokaler der produceres med tungen tæt på ganen bruges om noget der er småt (såsom lille-bitte), og vokaler der produceres med tungen langt fra ganen signalere noget stort (fx stor, kolossal). Men det passer kun for meget få ord (men ikke for små eller gigant) og det varierer fra sprog til sprog (det passer på engelsk teeny og large, men ikke small og big).

Det største problem for ideen om at sproget i bund og grund er ikonisk og videreudviklet fra simple ikoniske lydord og/eller symbolske lyde, er dog at det ikke kommer i nærheden af en forklaring på hvor de grammatiske aspekter af sproget (fx syntaksen) kommer fra.

Skrevet af Sten Vikner og Ken Ramshøj Christensen