Текст книги "Диалог с компьютером"
Автор книги: Александр Журавлев
Жанр:
Программирование
сообщить о нарушении
Текущая страница: 6 (всего у книги 14 страниц)
Конечно, в школе учат различать звук и букву, поэтому сознанием человек может уяснить, что ю это не ю, а i+у. Но подсознательно он все равно считает ю единым звуком, или, лучше сказать, единой звукобуквой. Так что же, давать компьютеру буквы, да и все?
Нет, это тоже крайность. Есть, оказывается, психологически чрезвычайно важные моменты звучащей речи, которые в буквах не отражены. Любопытно, что если, скажем, француз или англичанин, не знающие русского языка, услышат слова мел и мель, то они будут уверены, что это одно слово. Разницу в их звучании они просто не уловят. И очень удивятся, если им сказать, что русские совершенно четко и определенно слышат здесь два разных слова, которые никогда не спутают. Так же как француз не может перепутать разные звуки е – открытый и закрытый, – тогда как русскому разница в их звучании представляется почти неуловимой.
Дело здесь в том, что в разных языках особенно важными становятся разные характеристики звуков речи. Для русских мягкость согласных чрезвычайно важна – она является смыслоразличительной, то есть от замены в слове одного только твердого звука на парный ему мягкий резко меняется смысл. Замените л в слове угол на ль – получится совсем другое слово уголь, хотя звучание изменилось чуть-чуть, еле заметно.
Иногда носителю одного языка кажется просто странным, что носитель другого языка не замечает таких, казалось бы, явных различий в звучании. Например, узбеки, изучая русский язык, поначалу путают п и ф.
Учительница, преподающая русский язык в узбекской школе, рассказывала:
– Диктую слово «профессор», а Сайд пишет на доске: «фропессор». Его дружок шипит с первой парты:
– Сайд, первая п – не такая п (руки в бока кренделем), а такая п (свесил руки коромыслом).
Русские удивляются: как же не замечать такой разницы? А удивляться-то нечему: в узбекском языке эта разница не играет никакой роли, вот они ее и не замечают.
Со мной был случай, когда я поразился собственной языковой «тугоухости». На одной конференции в перерыве мы беседовали с англичанином, который неплохо знал русский язык, но учил его в Англии и разных русских-говоров не слышал. И вдруг он меня спрашивает:
– Скажите, что такое по-русски «хайка»?
Я растерялся.
– Не знаю, – отвечаю, – такого слова. Где вы его слышали?
А рядом двое рабочих устанавливают к очередному докладу демонстрационную аппаратуру.
– Да вот же рабочий несколько раз сказал «хайка», – говорит англичанин.
И тут только меня осенило: рабочий произносил г-фрикативный на южнорусский манер. Получалось действительно вместо гайка почти что хайка. Говорящие по-русски замечают, конечно, эту черту произношения, но особенного значения ей не придают, потому что это изменение звучания хотя и очень резкое, но несмыслоразличительное, смысла слов оно не изменяет.
Зато уж если от произношения зависит смысл слова, то даже самые тонкие особенности звука становятся для носителя языка очень важными и заметными. Такова мягкость согласных для русских.
И в оценках содержательности звуков по измерительным шкалам разница твердых и мягких согласных проявляется совершенно определенно: твердые согласные «сильнее, мужественнее, грубее», тогда как мягкие – «слабее, женственнее, нежнее».
Что и говорить – компьютеру обязательно нужно учесть эту особенность восприятия звуков. Да только вот как получается – твердость и мягкость согласных, важнейшее свойство русских звуков речи, не отражено в буквах. В слове рад начальный согласный твердый, а в слове ряд – мягкий, но буква одна – р.
Пришлось обучать компьютер самостоятельно обнаруживать твердые и мягкие согласные. Правда, сделать это оказалось не так уж сложно, потому что согласные становятся мягкими в основном в определенных позициях, которые компьютер научился находить.
А что касается других различий звуков и букв, то они оказались либо практически несущественными для расчета фоносемантики слов, либо выбор пришлось сделать в пользу буквы, как то подсказала «примерка на манекенах». Для компьютера это большое удобство, так как слова можно вводить в обычном печатном виде. Компьютер сам устанавливает мягкость согласных и приступает к расчету содержательности «звукобуквенной» формы слов.
Да, форма не звуковая и не буквенная, а именно звукобуквенная. Например, слово любовь в таком виде и вводится в компьютер, но он преображает ее так: л'юбов' (апостроф – знак мягкости). Как видите, компьютер отметил мягкость звуков и в то же время сохранил букву ю. Но чтобы не вводить нового, непривычного термина, станем по-прежнему говорить «звук», и только там, где это необходимо для правильного понимания сказанного, будем употреблять термин «звукобуква».
В расчетах тоже есть свои особенности. Не все звуки в составе слова равноценны, не все вносят равный вклад в восприятие слова как единого звукобуквенного комплекса.
Ясно, что ударные гласные заметнее безударных. Они звучат четче, громче и дольше. Значит, их роль должна быть подчеркнута, вес их средних оценок при расчетах должен быть увеличен.
Но оказывается, первый звук слова информативно еще более важен, чем ударный. Действительно, все первое ново и свежо, особенно заметно, сразу бросается в глаза, выделяется, запоминается. Все последующее блекнет, становится обычным, теряет свою информативность. Так и в жизни, так и в слове. Первый звук слова своей содержательностью как бы задает тон, окраску всем последующим звукам, будто включает регистр, в котором будет звучать слово. Замените «красивый» звук мь на «отталкивающий» хь, и получится вместо красивого слова милый отталкивающее хилый. А ведь поменялись только первые звуки, остальные остались теми же. Или прочитайте наоборот нейтральное, не вызывающее никаких особых эмоций слово мах – получите «грубое» слово хам. Это «грубый» х, став первым, окрасил своей содержательностью всю звуковую форму слова. Следовательно, вес средней оценки первого звука тоже должен быть увеличен, и еще больше, чем ударного.
Однако самая большая разница в информативности звуков слова вызвана обстоятельством, которое мы, казалось бы, не замечаем, а именно – разницей в частотности, или встречаемости, звукобукв в речи. Опять-таки, как и часто повторяющиеся события становятся обычными, теряют информативность, как слова от частого повторения «в привычку входят, ветшают, как платье», так и часто встречающиеся в речи звуки тоже оказываются малоинформативными, не задерживают на себе внимания, а значит, и незначительно влияют на восприятие слова, на формирование его фоносемантического ореола.
Редкие события высокоинформативны, они останавливают на себе внимание, выделяются из общего потока. И если в слове встречается редкий звук, он переключает на себя внимание воспринимающего, его содержательность становится доминирующей. И чем больше разница в частоте встречаемости между частыми и редкими звуками слова, тем выше информативность редких звуков, тем больше нужно увеличивать вес их средних оценок по сравнению со средними оценками остальных звуков.
Все эти расчеты компьютер выполнит легко, но ему для этого нужны данные об употребительности звукобукв. Те сведения, которые имелись в печати, не совсем подходили – ведь нужны данные именно о звукобуквах, а не о звуках или о буквах, да еще и отдельно по ударным и безударным гласным, да еще в какой-то нейтральной «усредненной» речи. Пришлось вести подсчеты по разным текстам, записывать на диктофоны разговорную речь в разных ситуациях. Работа большая, однообразная, изнурительная. Но что делать, других путей не было.
Забегая вперед, следует сказать, что теперь и эту работу смог бы выполнить сам компьютер. Когда мы перешли от отдельных слов к целым текстам (о чем будет рассказано ниже), компьютер все равно подсчитывал вероятности звукобукв. Не удержусь и похвастаю: компьютерные подсчеты, проведенные на гигантском материале, мало что изменили в наших данных, полученных вручную тяжелым трудом на выборках несравненно более скромного размера. Но это так, к слову, и не в укор машине. Ведь сколько времени и сил пришлось потратить на эту в общем-то подсобную, подготовительную работу! А компьютер выполнил ее походя, играючи.
Но наконец готово все. Многократно выверена, уточнена и перепроверена основная таблица, содержащая средние оценки всех русских звукобукв по 20 признаковым шкалам. Готова и таблица вероятностей звукобукв. Теперь слово за компьютером. Вот тут уж с ним вручную не потягаешься. Ручной расчет фоносемантического ореола даже для одного слова по всем шкалам – дело длинное, а печать машины стрекочет безостановочно, успевай только перфокарты загружать. А если работать с дисплеем, то время расчета – это фактически время набора слова на алфавитной клавиатуре. Иначе говоря, компьютер, как и человек, моментально «схватывает» фоносемантику слова.
Для тех, кому нравится более строгое изложение схемы вычислений, приведем формулы, по которым работает компьютер.
Если частотность (вероятность) любого (i-того) звука слова обозначить как Рi, а максимальную частотность звука в данном слове как Рmax, то коэффициент, учитывающий разницу частотностей звуков слова ki , можно вычислить как отношение:
Теперь нужно учесть место каждого звука в слове. Для этого коэффициент первого звука слова (ki) увеличим в четыре раза:
а для ударного (Куд) – в два раза:
После этих приготовлений напишем основную формулу:
где F – фонетическая содержательность слова (его фоносемантика) ;
fi – фонетическая содержательность очередного (i-того) звука слова;
ki – коэффициент для очередного (i-того) звука слова;
Σ – знак суммы.
Последняя «примерка на манекенах» показывает, что все в порядке – схема расчета в общем верна. Информанты считают, что «слово» незич звучит как нечто «маленькое» и «нежное», а фрыш – как нечто «плохое, грубое, страшное», и компьютер дает примерно те же характеристики. По мнению информантов, хифель и уршух страшное, а лимень и нитис – безопасное; компьютер того же мнения. Вробар и вакам кажутся информантам сильными, и компьютер выдал для них тот же признак.
Значит, способ расчета можно переносить и на настоящие слова. Конечно, спасительная оглядка на информантов теперь невозможна, но компьютер уже научился правильно имитировать человеческое восприятие фоносе-мантического ореола слов. Использовать эти свои умения он может разнообразно, и некоторые из возможностей мы ниже обсудим.
В результате вычислений слово по каждой шкале получает суммарную оценку фоносемантики, выраженную в единицах пягиранговой измерительной шкалы, то есть такую же оценку, как и средняя оценка содержательности отдельного звука. По суммарной оценке, опять-таки точно так же, как и по средней оценке для отдельного звука, слово получает характеристику в терминах шкалы. Например, для слова дом по шкале «хороший – плохой» компьютер получил суммарную оценку 2,3. Оценка находится в левой («хорошей») значимой зоне шкалы «хороший – плохой», поэтому компьютер выбирает для характеристики фоносемантического ореола этого слова признак «хорошее». Другими словами, по «мнению» компьютера, имитирующего наше с вами восприятие фоносемантики, звучание этого слова (точнее, его звукобуквенная форма) производит впечатление чего-то «хорошего». А для слова хам вычислена суммарная оценка 3,8. Она располагается в правой («плохой») значимой зоне шкалы, поэтому компьютер «полагает», что звучание этого слова производит впечатление чего-то «плохого». И так по всем 20 шкалам.
Значимые зоны школы определяются так, как показано на рисунке:
Если слово получает среднюю оценку от 1 до 2,5, то для характеристики качественного ореола слова выбирается левый признак шкалы (например, «хорошее»); если средняя оценка от 3,5 до 5, то в качестве характеристики выбирается правый признак (например, «плохое»); если оценка от 2,6 до 3,4, то никакого признака по данной шкале слово не получает.
На печать или на экран дисплея информацию можно вывести по-разному. Если нужно побольше информации, то лучше всего вывести и суммарные оценки, и выбранные характеристики. Можно также , для наглядности изобразить величину отклонений суммарных оценок от среднего (нейтрального) деления шкал.
Вся эта информация на экране дисплея имеет следующий вид:
РОБОТ
____________________________________________________
шкалы оценки признаки
хорошее 2,6
большое 1,9 большое
нежное 4,0 грубое
женственное 4,2 мужественное
светлое 3,2
активное 2,0 активное
сильное 1,8 сильное
быстрое 2,3 быстрое
красивое 2,7
гладкое 3,2
легкое 3,3
безопасное 3,7 страшное
величественное 2,0 величественное
яркое 2,1 яркое
округлое 3,2
радостное 2,7
громкое 1,9 громкое
доброе 3,4
могучее 1,7 могучее
подвижное 2,2 подвижное
Здесь слева указаны первые признаки каждой шкалы. Вторые (антонимичные) признаки для экономии места не приводятся, хотя в памяти компьютера все они есть. Эти 40 прилагательных, заданных компьютеру, и составляют его лексикон, с помощью которого он может охарактеризовать фоносемантический ореол слова. Далее следует столбец вычисленных компьютером суммарных оценок фоносемантики слова по каждой шкале. Еще правее – выбранные компьютером значимые признаки, которые и являются словесной характеристикой фоносемантического ореола заданного слова.
В данном случае компьютер выбрал для характеристики фоносемантики слова робот признаки с оценками от 1 до 2,5 и от 3,5 до 5. Остальные признаки в описании звуковой содержательности слова не участвуют. Заметьте, что если оценка признака помещается в пределах от 1 до 2,5, то компьютер выбирает тот признак, который указан в списке шкал, например, «большое». Если же оценка попадает в зону от 3,5 до 5, то компьютер выдает признак, противоположный тому, который указан в списке шкал (например, «грубое»).
Такой вывод результатов информативен, экономичен, но рассчитан скорее на специалистов. Если же мы в каких-либо прикладных целях хотим создать эффект общения с компьютером, то можно вывести результаты менее строго, зато более доступно и занимательно. Вместо того чтобы просто вводить в компьютер слово и получать сухие выжимки вычислений, можно организовать довольно содержательный диалог с машиной.
Например, будущий папаша решил подойти к решению извечной проблемы выбора имени для ребенка во всеоружии самой современной техники:
– Я хотел бы подобрать имя для ребенка. Что вы посоветуете?
Все понятно – момент ответственный, человек волнуется и забывает уточнить существеннейшую деталь. Но компьютер ему помогает:
– Вам для мальчика или для девочки?
– Пока не знаю. Но давайте сначала попробуем для девочки. Может быть, Юля?
– Прекрасное имя, – отвечает компьютер. – Оно нежное, женственное, красивое – как раз для девочки. Только оно лучше подойдет тоненькой, невысокой и подвижной девушке. Ваша дочь будет такой, когда вырастет?
– Трудно сказать. Но я довольно высокий и крупный, жена тоже среднего роста и... не такая уж худенькая.
– В таком случае, может быть, поищем другое имя?
– Да, да. Только обязательно нежное и женственное.
– Вы брюнет или блондин?
– Какое это имеет значение?
– Имеет, имеет.
– Скорее шатен.
– А ваша жена?
– Это еще зачем?
– Сейчас все станет ясно.
– Жена – блондинка.
– Значит, девочка скорее всего будет светленькая.
– Надеюсь.
– Тогда имя ей тоже нужно подыскать светлое. Не так ли?
– Конечно. Может быть, Таня?
– Прекрасное имя. Но скорее как раз для темненькой девочки.
– А если что-нибудь редкое, необычное? Вот я читал, что Харита по-древнегречески значит «прелесть».
– Ну что вы! Вам, конечно, виднее, только звучит это имя темно, грубо и даже страшно. Думаю, дочь вас за такое имя не поблагодарит.
– Вот как? Тогда, нечего и говорить, не подходит. А возможно, что-то старорусское, Марфа, например, или Глафира?
– Глафира – имя древнегреческое, Марфа – тоже не совсем русское, но на Руси действительно эти имена были распространены. Однако по звучанию их ни нежными, ни женственными, ни светлыми ни назовешь. И красоты в их звучании тоже нет.
– Тогда что же вы посоветуете?
– Думаю, подходящим было бы имя Ольга. Оно звучит как нежное, светлое, сильное, величественное.
– Вот тебе и раз!
– В чем дело?
– Жена сказала: «Если будет девочка – назовем Олей».
– Значит, так и называйте.
– Спасибо за совет. А теперь для мальчика. Только учтите, что он наверняка будет в меня.
– Тогда назовите Андреем. Звучит как активное, сильное, красивое.
– Ура! Я же говорил! А жена хотела назвать Игорем.
Не беда, что и без компьютера будущие родители вполне справились бы с подбором имен. Для нас важно, что в беседе машина была не пассивным ответчиком на вопросы, а активно вела разговор, не только имитируя владение семантикой, но и предлагая человеку новую информацию. А ведь она опиралась только на анализ содержательности звучания. Хотя, как можно заметить, в эту программу вполне органично входят и дополнительные сведения (например, о происхождении, распространенности, первоначальном значении имен).
Все трафареты реплик компьютера опять-таки подготовлены заранее, но основную информацию об именах, ради которой и идет беседа, компьютер получает и вставляет в схемы своих реплик сам. И беседа получилась не такой тривиальной, как относительно поездки из Ленинграда в Таллин, не правда ли? Его «суждения», а точнее, имитация суждений человека уже не столь банальны. Напротив, они содержат сведения, которые путем логических рассуждений человек получить не может или логика его подводит (как это случилось в ситуации с именами Харита, Марфа, Глафира). Тонкие аспекты фоно-семантики не поддаются рациональному истолкованию, поэтому человеку в этом вопросе вовсе не лишне будет посоветоваться с компьютером. Ведь для человека фоносемантика – неявный ореол. Он его хоть и чувствует, но далеко не всегда может полностью осознать и четко истолковать. А компьютер, наоборот, ничего не чувствует, зато легко «вычислит» фоносемантику любого слова и охотно сообщит результаты человеку. Как видим, здесь компьютер выступает не только как имитатор – он помощник человека, его сотрудник и даже советчик. Разговор с ним становится интересным и нужным.
Сейчас закончено составление на компьютере фоносемантического словаря, включающего 10 тысяч существительных. Когда он будет опубликован, то пригодится самым разным специалистам.
«Суждения» компьютера, зафиксированные в словаре (а фактйчески, суждения сотен тысяч носителей русского языка, представителем которых выступает компьютер), окажутся и практически полезными. Скажем, тем специалистам, которым нужно придумывать названия новым товарам, профессиям, учреждениям, кинотеатрам, ансамблям, да мало ли чему еще. Ведь звуковая форма имен и названий играет важную роль в их функционировании.
Взять хотя бы пример с названием аппаратов для автоматической переработки информации. Инженеры наверняка не посоветовались с лингвистами, когда придумывали имя своему детищу, поэтому имя получилось невыразительным и неуклюжим – электронно-вычислительная машина. Нормально функционировать в речи такое название, конечно, не могло, и появилось сокращение – ЭВМ. Но и оно не лучше: произносить неудобно, формы образовать невозможно. Как скажешь – эвээмы? эвээмный? эвээмизация? эвээмизовать? Помучились, помучились с этим словом, да и заменили его на компьютер. И сразу как плотину прорвало – зазвучало в речи: компьютеры, компьютерный, компьютеризация... Конечно, дело тут не столько в слове, сколько в самом процессе начавшейся широкой компьютеризации всех «информационных» областей нашей жизни. Но и название как бы помогает этому процессу.
В тех случаях, когда нужно придумать слово, для которого неважно понятийное ядро (например, в рекламных текстах или в фантастических произведениях для обозначения новых, придуманных автором предметов), компьютер может выступать не только анализатором, но и синтезатором фоносемантического ореола. Иначе говоря, он сам сможет придумывать «слова», которые чаще всего окажутся лишенными понятийного ядра, но будут обладать фоносемантикой с заданными параметрами.
Например, нужно придумать «слово», которое звучало бы как нечто сильное, красивое, активное. Эти характеристики задаются компьютеру, и он, соблюдая правила сочетания звуков, действующие в русском языке, строит «слова» только с такими параметрами фоносемантики. В большинстве случаев синтез даст звукосочетания, похожие на русские слова, но лишенные понятийного значения. Однако случайно в «творчестве» компьютера попадутся и нормальные слова русского языка с заданной фонетической содержательностью. Человеку останется только выбрать те из «творений» компьютера, которые он посчитает наиболее подходящими для своих целей.
В компьютерных программах, основанных на анализе фоносемантики, достигается высокий уровень эффекта общения с машиной. Человек даже эмоционально реагирует на высказывания компьютера о содержательности звучания слов, имен, названий, не соглашаясь с ним или радуясь подтверждению своих догадок. Он как бы даже забывает, что перед ним – электронное устройство. А когда компьютер будет оснащен синтезатором речи, то есть заговорит, эффект общения с ним станет еще более полным.
