Текст книги "Диалог с компьютером"

Автор книги: Александр Журавлев

сообщить о нарушении

Текущая страница: 8 (всего у книги 14 страниц)

«Понятийный классификатор» компьютера образовал следующую группу существительных с общей понятийной идеей «начало» (по «Русскому семантическому словарю) :

база, введение, вещество, идея, корень, материализм, металлургия, начало, основа, основание, первенство, первоклассник, передняя, подход, понедельник, постулат, почин, появление, право, предпосылка, премьера, прима, премьер, принцип, приоритет, природа, приход, причина, прототип, состязание, социализм, стержень, существо, философия, царь, чемпион, явление, январь.

Хотя все слова группы действительно объединены общей понятийной идеей, все же это довольно грубое объединение, явно требующее дальнейшей детализации. Между состязанием, металлургией и царем все же очень уж велика смысловая разница. Отдаленные связи, конечно, есть. Слово состязание компьютер поместил в этот список, потому что в ходе состязания определяется победитель, то есть первый среди соревнующихся. Металлургия – это, как указано в толковом словаре, «отрасль тяжелой промышленности, занимающаяся получением металлов из руд и первичной обработкой металлов». Упоминание «первичности» и дало основание компьютеру отнести слово в данную группу. Ну а царь, как и премьер, – главный, то есть первый человек в правительстве. И все же компьютер, разумеется, не смог бы эффективно оперировать словами группы без их дальнейшей семантической обработки.

Поэтому к работе подключаются сразу две программы дальнейшего семантического анализа – качественный и фоносемантический классификаторы. Первый разбивает слова на группы по сходству их качественно-признаковых ореолов, а второй выявляет отношения между качественно-признаковыми и фоносемантическими ореолами слов. Результаты работы фоносемантического классификатора можно изобразить так: если ореолы слова находятся в соответствии, то после него ставится индекс С, если между ореолами обнаружено противоречие, слову приписывается индекс П, в случае неопределенных отношений между ореолами данное слово не маркируется.

Поскольку слов в списке немного, то при работе качественного классификатора не все возможные ореольные группы будут образованы, то есть часть выходов классификатора окажется пустой.

Приведем только те из них, которые заполнены словами.

1. Хорошее, сильное, быстрое: первенство, почин, прима, состязание, чемпион.

2. Хорошее, сильное: идея (С), материализм, начало (С), право, премьер, премьера, принцип, приоритет, природа, социализм, явление (С).

3. Хорошее, быстрое: первоклассник.

4. Сильное: металлургия.

5. Сильное, медленное: база (С), основа (С), основание (С), причина, стержень, философия (П).

6. Медленное: введение.

7. Плохое, сильное: царь (С).

8. Плохое: понедельник.

9. Нейтральная группа: вещество (С), корень (С), передняя, подход, постулат (С), появление, предпосылка, приход (С), прототип, существо (С), январь.

Как мы помним, трехуровневый классификатор имеет 27 выходов, здесь заполнено только 9. На некоторых оказалось по одному слову, другие собрали группы слов. Выходы с одиночными словами в данном случае выполняют «отсекающую» функцию: они выделяют слова, семантически наименее связанные с основной массой слов списка. Действительно, каждое из слов, попавших на выходы 3, 4, 6, 7 и 8, семантически специфично. Нейтральная группа (выход 9) похожа на кладовку – туда сваливают без разбора ненужные до поры до времени вещи. Для компьютера особенно важны группы слов, собравшиеся на значимых (не нейтральных) выходах классификатора. Именно эти группы – рабочий лексико-семан-тический фонд компьютера. Это как бы речевые ячейки языкового «сознания» машины. В них она ищет синонимические замены, с помощью слов этих, групп может выражать наиболее тонкие семантические оттенки в своей речи.

Обратите внимание на 1-ю группу – слова в ней подобраны на удивление точно и с явным эффектом «понимания» их смысла. То же самое наблюдается во 2-й и 5-й группах. Особенно тесна смысловая связь между словами 5-й, «философской», группы: это буквально набор контекстуальных синонимов, которые вполне могут встретиться как лексические варианты в конкретном тексте.

Три уровня качественной классификации – это, конечно, очень мало для практической работы компьютера с полученными группами, но возможности такой работы просматриваются уже и здесь. Скажем, на вопрос, чем является для науки философия, компьютер «самостоятельно» мог бы ответить, что это база, основа, основание науки. В своем ответе компьютер учел все три аспекта семантики – понятийный, поскольку слова взяты из одной понятийной группы, качественно-признаковый, поскольку синонимы подыскивались в группе слов с общими качественными ореолами, и, наконец, фоносемантический, так как из группы выбраны слова с индексом С – наиболее точные и выразительные.

А если спросить компьютер, какое понятие он может противопоставить социализму, он ответит: «Социализм и царь противостоят друг другу как совершенно несовместимые понятия». В этом случае компьютер «рассуждал» так: слово социализм находится в группе, образовавшейся на выходе «хорошее и сильное», этому выходу противопоставлен тот, который собрал «плохие и сильные» слова, а это выход 7, где помещено слово царь; значит, социализм и царь в данном случае оценочно противопоставлены.

Ясно, что при работе с большими массивами слов и с использованием многоуровневых классификаторов семантические имитационные возможности компьютера резко возрастут.

Что же необходимо для того, чтобы уже сейчас пустить в работу описанную здесь систему комплексного анализа лексической семантики?

Прежде всего нужно развить и усовершенствовать «понятийный классификатор», то есть как бы в развитие программной основы «Русского семантического словаря» разработать специальную автоматизированную систему семантического анализа, ориентированную на работу с понятийной семантикой. Но, как уже говорилось, проблем на этом сложном пути еще много.

Кроме того, необходим, остро необходим словарь русских качественных ореолов. Лучше всего было бы издать общий словарь русской ореольной семантики, но его фоносемантическая часть готова, тогда как качественно-ореольной нет и в ближайшее время не ожидается. А без учета качественно-признаковых ореолов невозможно построить систему полноценного семантического анализа.

Как же быть? Неужели положение так безвыходно?

Думается, что выход, по крайней мере, как временное решение проблемы, есть. Можно использовать удивительно рациональное устройство языковой семантики, когда семантические аспекты своим взаимопроникновением поддерживают друг друга. Как уже отмечалось, фоносемантический ореол слова часто соответствует качественному, иногда настолько полно, что набор фоносемантических признаков буквально повторяет набор признаков, характеризующих качественный ореол. В таких случаях, открывается возможность, которой неосмотрительно было бы не воспользоваться: результаты компьютерного расчета фоносемантики слова можно одновременно считать результатами измерения его качественного ореола.

Например, для фоносемантики слова мимоза компьютер получил характеристики: «нежное, женственное, гладкое, безопасное, доброе, медлительное». Есть ли смысл опрашивать информантов, чтобы получить средние оценки качественного ореола этого слова по шкалам «нежное – грубое», «женственное – мужественное», «безопасное – страшное», «доброе – злое»? Напрасный труд – ясно, что и для качественного ореола по этим шкалам будут получены те же характеристики, что и для фоносемантического.

Легко использовать этот прием и в тех случаях, когда между ореолами наблюдаются резкие противоречия: результаты фоносемантических расчетов компьютер перенесет на качественный ореол «с обратным знаком», то есть возьмет признаки, противоположные (антонимичные) полученным для фоносемантики. Так, если для содержательности звучания слова фиалка получены признаки «плохое, темное, устрашающее, отталкивающее», то для качественного ореола компьютер возьмет антонимичные признаки: «хорошее, светлое, безопасное, красивое».

Для реализации идеи потребуется немалый труд. Нужно просмотреть все характеристики всех слов фоносемантического словаря и снабдить слова индексами, как мы уже делали. Если признаки можно прямо переносить на качественный ореол, слово помечается индексом С (соответствия), если нужно «менять знаки» признаков, слово маркируется индексом П (противоречие). В случае нейтральных отношений между ореолами такие слова не маркируются. Затем слова с маркировкой вводятся в память компьютера.

Иногда бывает так, что по одним признакам ореолы гармонируют, а по другим находятся в противоречии. Делать нечего, хоть это и хлопотно, придется вместе со еловой вводить в память компьютера и маркировку признаков. Небольшое облегчение есть и здесь: поскольку порядок признаков всегда один и тот же, то можно указывать компьютеру лишь их номера.

Работы много, но все же экономия сил и, главное, времени огромна. Для измерения на «семантическом дифференциале» качественных признаков десятков тысяч слов потребуются годы, а обработать фоносемантический словарь можно в приемлемый срок.

Неизбежны, конечно, и огрубления при переносах признаков с одного ореола на другой, но с этим уж придется мириться. Хуже, что не всегда легко решить, можно переносить фоносемантический признак на качественный ореол или нельзя. Что тут предпринять? Опять-таки с известным огрублением возможен опрос экспертов – 3—5 человек. Ну а если уж и это не поможет – деваться некуда, нужно браться за «семантический дифференциал».

И все же при всех «но» предложенный путь вполне реален. А что иногда компьютер будет допускать семантические просчеты, так ведь и человек не сразу обучается языковой семантике. Он постигает ее всю жизнь, и разные люди достигают разных высот в ее постижении, а знать до конца все семантические тонкости даже своего родного языка ни одному человеку не дано. Не будем предъявлять компьютеру слишком высокие требования, и так его семантические успехи просто поразительны.

От слова к тексту

Фоносемантический анализ текста

Различные оттенки значения слова компьютер постепенно осваивает. Но этого мало. Для овладения языком нужно переходить к тексту. Нужно-то нужно, да только переход весьма и весьма не прост. Текст – не сумма значений слов, а принципиально новый семантический уровень. В текстах почти любое слово может изменять свое, казалось бы, вполне определенное значение самым невероятным образом. Невесть откуда появляются новые оттенки смысла, изменяются понятийные ядра слов, как угодно могут преобразовываться качественные ореолы. И только фоносемантика остается более или менее устойчивой, да и то с ней могут приключиться разные неожиданности.

Вот к примеру, метаморфозы яблочка:

– Съешь-ка яблочко. В этой фразе яблочко – действительно фрукт, яблоко.

– Молодец – прямо в яблочко! Но это уже не фрукт, а мишень.

– Запевай «Яблочко»! Это уже песня.

– Ах ты! Ну прямо яблочки! А это что? Кто его знает. Только ситуация подскажет, что это, может быть, раскрасневшиеся щечки.

Слово в тексте живет, пульсирует, высвечивает разные свои грани, меняет и характер, и лицо, и платье. Как угнаться компьютеру за этими прыжками понятийного ядра и качественного ореола, как постичь этот калейдоскоп перемен, как разгадать тайну формирования вполне определенного смысла текста из неопределенных, изменчивых смыслов слов?

Вопросы есть, ответов пока нет. Относительно компьютерного анализа, а тем более имитации семантики текста высказываются лишь самые общие соображения, далекие еще от практической реализации.

Но с фоносемантикой опять получилось легче всего. Оказалось, что достаточно длинные отрезки текста могут обладать единым фоносемантическим рисунком, который поддается компьютерному анализу.

Как можно было убедиться на примерах анализа звуковой содержательности слов, фоносемантика создает дополнительные возможности для повышения эмоциональной насыщенности, выразительности, образности слов. Не всем типам текстов в одинаковой мере нужно к этому стремиться. Ясно, что эффективнее всего такое свойство фоносемантики может быть использовано в художественной, а особенно в поэтической речи.

Поэт и сознательно и подсознательно (а может, сверхсознательно?) стремится использовать все средства, все ресурсы языка для того, чтобы как можно глубже воздействовать на восприятие читателя, особенно на его чувства, эмоции, подсознание. И содержательность языковой формы предоставляет для этого прекрасные возможности. Поэтому форма стихотворной речи особенно отточена и все ее аспекты глубоко содержательны – ритмика, рифмы, синтаксическое строение, даже графическая форма стиха своеобразна и значима. И конечно, мелодика звучания – само дыхание, душа стиха. Если уж в слове звуки оказались не просто упаковкой значения, но важной его составной частью, то в стихе и подавно. Недаром говорят, что стихи – это музыка речи. А в музыке только и есть что содержательность звучания.

Не в одной поэзии играет свою роль фоносемантика. Воздейственность речи важна для ораторского искусства, для публицистики, часто необходима и в специальных видах речи (например, в юридической практике), да и обычная разговорная речь имеет целью постоянное воздействие на слушателя. Но все же в поэзии все выразительные возможности языка проявляются особенно полно, поэтому поэтическая речь – лучший материал для анализа фоносемантической организации текста.

Разумеется, тот метод, который разработан для вычисления суммарных оценок фоносемантики отдельных слов, теперь уже не годится – и «слова» стали слишком длинные (целые тексты), и закономерности взаимодействия звуков в тексте несколько иные, чем в слове. Пришлось искать новую систему расчетов и примерять полученные результаты на новые манекены.

Набор шкал, который использовался для характеристики фоносемантических ореолов слов, тоже не совсем подходит для описания звуковой содержательности поэтических текстов. Шкалы типа «гладкое – шершавое», «длинное – короткое» или «округлое – угловатое» слишком предметны, прозаичны. Более подходящи признаки экспрессивно-оценочного характера: «нежное – грубое», «радостное – печальное» и т. п. Отобранные шкалы для удобства можно расщепить на половинки, чтобы компьютер оперировал не парой антонимов, а отдельными признаками. Из стилистических соображений (все-таки анализируется поэзия!) некоторые из признаков можно заменить более «художественными» синонимами. Например, признак «красивое» заменить на синоним «прекрасное»; «величественное» на «возвышенное» и т. д.

В результате сформировался такой лексикон компьютера:

прекрасное           бодрое                    печальное

светлое                яркое                       темное

нежное                сильное                    тоскливое

радостное            стремительное          угрюмое

возвышенное       минорное                    устрашающее

Словарь машины, прямо скажем, небогат. Но следует учесть одно очень важное обстоятельство. В поэзии, как и вообще в языке, главными являются основные аспекты семантики – понятийный и качественно-признаковый. Фоносемантика, хотя и играет в поэтической речи очень существенную роль, все же остается подсобным семантическим аспектом и ни в какое сравнение не идет с богатством и разнообразием содержания, выражаемым основными аспектами языкового значения. Она создает лишь общий фоновый тон, поддерживающий, обогащающий основной художественный смысл текста. Так что 15 признаков компьютерного лексикона в их разнообразных сочетаниях вполне опишут общий фоносемантический тон текста.

Основную роль в создании фоносемантического рисунка стихотворения играет частота звуков (точнее, звукобукв) в данном тексте. Поэт подсознательно нагнетает в стихотворении те звуки, содержательность которых ему нужна, он усиливает, обогащает фоносемантикой образы, впечатления и чувства, выраженные основной семантикой текста. И напротив, он избегает звуков с неподходящей в данном случае содержательностью, снижает их частоту.

Несколько неожиданным оказалось то, что ударные звуки в новой системе расчетов не играют особенно существенной роли: увеличение их веса мало что прибавляет к полученным результатам. Пожалуй, это объяснимо – звуков стало больше, и ударные «потерялись» в общей сумме, да и основной фоносемантический рисунок стиха ведут согласные, а не гласные. Видимо, ударение особенно важно для выстраивания ритма, а не фоносемантики.

Против ожидания не понадобилось как-то выделять и звуки рифм. Во-первых, трудно решить, какие звуки в рифмах следует подчеркивать. Ведь не всегда же бывает, как в стихотворении Д. Минаева «В Финляндии»:

 
Область рифм – моя стихия,
И легко пишу стихи я;
Без раздумья, без отстрочки
Я бегу к строке от строчки,
Даже к финским скалам бурным
Обращаясь с каламбуром.
 

Ну, если «розы – морозы» или «бежать – лежать», то тут тоже все ясно. Но как быть, когда как у В. Маяковского:

 
Где найдешь,
                на какой тариф,
рифмы, чтоб враз убивали, нацелясь?
Может,
             пяток
                      небывалых рифм
только и остался
                        что в Венецуэле.
 

А сейчас в ходу вообще весьма вольная рифма, где возникает не точное эхо, а лишь некий отзвук. Например, у А. Вознесенского:

 
В аду в сковородки долдонят
и вышлют к воротам патруль,
когда на предельном спидометре
ты куришь, отбросивши руль.
 

Во-вторых, только представьте себе, как осложнится ввод текста в компьютер, сколько будет мороки. А выигрыш все равно невелик. Нет, пусть лучше какие-то несущественные нюансы фоносемантики будут потеряны, зато ввод текста сохранится в самом обычном печатном виде. Даже в более привычном, чем ввод слов: там нужно было ударение указывать, а здесь просто печатный текст. Когда у компьютеров будут хорошо работать читающие устройства, с которыми сейчас много экспериментируют, то вообще ничего не нужно будет вводить, компьютер сам прочитает любой печатный материал.

Анализируется текст по-прежнему в звукобуквенной форме, то есть компьютер сам определяет мягкость и твердость согласных, а в остальном ориентируется на буквы.

Как-то под влиянием критиков, считавших почему-то, что для стихов важно только звучание, а написание вообще ни при чем, мы затранскрибировали несколько стихотворений (то есть записали их не буквами, а значками, изображающими звучание), затем закодировали транскрипцию цифрами (ведь знаков фонетической транскрипции нет на клавиатуре компьютеров), переделали программу под новый ввод информации, переделали таблицы оценок и частот звуков и после стольких мучений просчитали тексты «по звучанию». Но наши труды и муки оказались напрасными – результаты практически не изменились. Единственное утешение: «нулевой» результат в данном случае можно рассматривать как доказательство того, что для стихотворения важно как звучание, так и написание.

Общая схема разработанной системы автоматического анализа фоносемантики текста сводится в основном к следующему.

В памяти компьютера имеются таблицы оценок звукобукв по 15 признакам лексикона и нормальных частотностей (частостей, вероятностей) звукобукв в обычной разговорной речи. Обе таблицы несколько отличаются от тех, которые использовались в работе со словами. Таблица оценок выполнена так, что в ней указаны не сами средние оценки звукобукв по шкалам, а отклонения оценок от центра шкал (от 3,0) в положительную (левую) и отрицательную (правую) стороны шкал. В таблице нормальных частотностей не выделяются ударные гласные.

Компьютер определяет мягкость согласных и вычисляет частотности всех звукобукв в данном тексте. Затем полученные частотности сравниваются с нормальными. Все существенные (статически значимые) отклонения частотностей от нормы фиксируются, и дальнейшая работа идет только с ними.

Это очень важная операция, поэтому она требует пояснений.

Фоносемантический рисунок текста создается именно теми звуками, частотность которых резко отклоняется от нормы. Пока звук встречается в тексте стихотворения не чаще, чем обычно, он не останавливает на себе внимания. Но резкое превышение частотности подчеркивает данный звук, делает его заметным, выделенным. Его фоносемантика как бы вспыхивает и окрашивает собой звуковую содержательность текста. Если же звук необычно редко попадается в анализируемом тексте, его содержательность гаснет, и тем самым еще более высвечивается фоносемантика высокочастотных звуков.

Следующую, самую важную операцию можно назвать семантизацией отклонений. Здесь происходит вот что. Для звуков, отобранных по статистически значимым отклонениям частотностей от нормы, выбираются из таблицы оценки фоносемантики. Но как мы помним, эти оценки представлены в виде их отклонений от центра шкал. Если теперь сопоставить отклонения звуков по частотности от нормы и отклонения их же оценок от центра шкал, то возможны следующие ситуации. Допустим, что звук встречается в тексте стихотворения гораздо чаще, чем ему «положено» по норме. Значит, это отклонение со знаком « + ». Допустим далее, что и по какой-то шкале (скажем, «светлый – темный») оценка этого звука тоже отклоняется в положительную («светлую») сторону. Значит, в тексте нагнетается этот «светлый» звук, и путем перемножения отклонений компьютер соединяет оценку с частотностью, как бы набирая очки за «светлое» звучание текста (плюс на плюс дает плюс). Если в то же время какой-то «темный» звук (отрицательная оценка) по частотности отклоняется в отрицательную сторону, то есть встречается гораздо реже, чем «положено», то это еще более «высветляет» общую фоносемантическую картину, так как перемножение двух отрицательных величин тоже дает плюс. Но если звук «светлый» (положительное отклонение), а встречается меньше нормы (отрицательное отклонение), значит, данный звук «сыграл» против «светлой» фоносемантики (плюс на минус дает минус).

Так, подсчитывая очки за «светлое» звучание и против него, компьютер и обнаруживает ведущую тенденцию. Скажем, в тексте большинство «светлых» звуков встречается больше нормы, а большинство «темных» – меньше нормы. В результате очков за «светлое» звучание будет больше, и компьютер выдаст в качестве характеристики фоносемантики текста признак «светлый». Анализ идет по всем признакам лексикона, и в конце концов компьютер выдает набор признаков, характеризующих общий фоносемантический тон всего произведения.

Схема анализа есть. Но нужно еще убедиться в том, что она выявляет действительно фоносемантический, а не какой-нибудь другой аспект общего смысла текста. Возникает задача, сходная с той, которая уже решалась в предыдущей главе для отдельных слов. Там мы придумали разные слова-манекены, лишенные всех аспектов значения, кроме фоносемантического. Хорошо бы и здесь поступить так же. Да только как придумать «стихотворения-манекены» ?

Помощь пришла из... докомпьютерного прошлого. Стихотворные манекены не пришлось конструировать, они обнаружились в творчестве удивительного поэта – Вели-мира Хлебникова. Он написал поэму «Зангези», среди действующих лиц которой есть боги. Спрашивается, на каком языке они должны общаться между собой? Само собой понятно, что ни на каком из человеческих языков им разговаривать не пристало. У них должен быть свой, недоступный людям язык. Поэтому их речь лишена всех аспектов «человеческих» значений (понятийного и качественно-признакового), кроме, разумеется, фоносеманти-ческого, от которого в звучащей речи даже боги избавиться не могут. А нам только того и нужно: прекрасный материал для проверки компьютерных расчетов. «Манекенные» тексты (фрагменты бесед богов) предлагались информантам для оценки по 15 признакам компьютерного лексикона. Результаты измерений служили эталоном для разработки системы автоматического анализа фоносемантики текста.

Приведем полученные по этой схеме результаты анализа фоносемантики текстов и заодно оценим окончательную примерку результатов на манекенах.

Итак, разговор богов в поэме В. Хлебникова «Зангези». Первым начинает беседу Эрот. Он говорит так:

 
Мара-рома, биба-буль!
Укс кукс эль!
Редэдиди дидиди!
Пири пэпи, па па пи!
Чоги гуна, гени-ган!
Аль, Эль, Иль! Али, Эли, Или!..
 

Ну и так далее.

Информанты по предложенным признакам оценили это «божественное откровение» как нечто «нежное», «яркое» и «стремительное». Компьютер дал те же характеристики, добавив к ним признак «прекрасное». Ну что же, с компьютером трудно не согласиться: ведь Эрот юный и прекрасный бог любви. И остальные признаки явно ему подходят. Как свидетельствует энциклопедия «Мифы народов мира», Эрот златокрыл, золотоволос (значит, «яркий»), подобен ветру (значит, «стремительный»).

После ветреного греческого бога в беседу вступает серьезный славянский бог Велес, покровитель домашних животных и вообще всякого богатства. Его речь звучит совсем иначе:

 
Бруву ру ру ру ру ру!
Пице цане сэ сэ сэ!
Бруву руру ру-ру-ру!
Сици, л иди, ци-ци-ци!
Пенч, панч, пенч!
 

Информанты уловили ворчливый тон «высказывания» и дали ему характеристики «минорное», «темное», «устрашающее». Правда, последний признак получил в суждениях информантов небольшой вес, но все же выделился как характеризующий.

Компьютер тоже не сплоховал – заметил смену тональности и выдал все те характеристики, которые дали отрывку информанты, да и «от себя» добавил еще «печальное» и «тоскливое». Разница, как видим, невелика. Главное, что все признаки минорного тона.

Ворчание Велеса прерывает Юнона – римская богиня женщин, брака и материнства. Она щебечет довольно мило:

 
Пирарара-пируруру!
Лео лоло буароо!
Вичеоло сесесэ!
Вичи! Вичи! Иби би!
Зизазиза изазо!
Эпсь Апс Эпс!
Мури-гури рикоко!
Мио, мао, мум! Эп!
 

Информантам ее речь понравилась, и они наградили ее характеристиками «прекрасное», «светлое», «нежное». Компьютер же выдал только один признак «светлое». Признаки «прекрасное» и «нежное» тоже имеют положительный вес, но они чуть-чуть не доходят до значимой границы. Однако в целом суждения информантов и компьютера вполне согласованы, поскольку в оценке основного тона отрывка наблюдается единство линий. Интересно, что в римской мифологии Юнону называли еще и Луцина, то есть «светлая».

Божественная болтовня, видимо, но нравится мрачному богу народа зулу Ункулункулу, что в переводе означает «очень, очень старый». Он разражается жуткой тирадой:

 
Рапр, гралр, апр! жай
Каф! Бзуй! Каф!
Жраб, габ, бокв-кук
Ртупт! тупт!
 

Ясно, что это, с позволения сказать, выступление никаких положительных эмоций у информантов вызвать не могло. Неудивительно, что они охарактеризовали его признаками «устрашающее», «угрюмое», «темное», «минорное», «сильное». Компьютер был с ними вполне солидарен и только добавил признаки «тоскливое», «печальное», «стремительное». Может быть, компьютер и погорячился, наговорив лишнего, но в целом в противоречие с информантами он не вступил.

Таким образом, это международное совещание богов дало возможность проверить процедуру расчета фоносемантики текста. Проверка показала, что боги недооценили людей, посчитав свой язык недоступным для смертных: компьютер вполне справился с расшифровкой «божественного языка», что открывает возможность переноса процедуры анализа на «человеческие» поэтические тексты.

Литературные беседы

Работа компьютера с поэтическими текстами производит на наблюдателей трудноописуемое впечатление. Даже сам демонстратор подпадает под действие некой компьютерной магии. Ведь ему-то, казалось бы, доподлинно известно, как машина подбирает признаки, характеризующие общий образный строй и эмоциональный тон текста, и все же трудно отделаться от впечатления, что компьютер выполняет что-то еще сверх программы. А уж неискушенного человека суждения машины просто обескураживают. Обычно он подозревает подвох и предлагает для анализа стихотворения, выбранные им самим. А когда и эти стихотворения компьютер оценивает «правильно», наблюдателя просто оторопь берет. Его изумление возрастает еще больше, когда он узнает, что в памяти машины нет ни слов, ни предложений из анализируемых текстов и что вообще ничего нет, кроме двух таблиц, содержащих всего-навсего сведения о звуках речи.

Столь мудро устройство языка, сформировавшего и развившего такие удивительные средства выражения тончайших оттенков значения! Столь поразителен и непостижим талант поэтов, подсознательно использующих эти средства так точно, что остается только изумляться, глядя на то, как в работе компьютера становятся явными скрытые в ткани стиха математически строгие закономерности.

Вот два стихотворения Пушкина с «антонимичными» названиями: «Зимнее утро» и «Зимний вечер». Они противопоставлены не только по названиям, но и по содержанию. В одном «Мороз и солнце; день чудесный!», в другом – «Буря мглою небо кроет, вихри снежные крутя».

А вот какие характеристики дал компьютер содержательности формы стихотворений:

Зимнее утро:

светлое

нежное

прекрасное

яркое

радостное

Зимний вечер:

темное

минорное

печальное

тоскливое

стремительное

угрюмое

устрашающее

сильное

Если не знать, что компьютер анализирует только звуки текстов, то можно подумать, что он понимает стихи, – настолько точно он описывает их экспрессивное, а в какой-то мере, пожалуй, и образное содержание. Даже такой нюанс: наиболее высокий вес для «Зимнего утра» получил признак «светлое», а для «Зимнего вечера» – его антоним «темное». Поразительно глубока и полна созданная талантом поэта гармония звучания и значения в этих стихотворениях. Поистине «союз волшебных звуков, чувств и дум», буквально вычисленный и наглядно представленный нам компьютером.

Соответствие звуковой формы содержанию (или, как говорят литературоведы, фоносимволизм) обнаруживается во многих стихотворениях различных поэтов. Результаты компьютерного анализа фоносемантики в поэзии вполне можно облечь в форму оригинальной литературной беседы с компьютером.

Человек:

– Что вы могли бы сказать о стихотворении Лермонтова «Горные вершины»?

Компьютер:

– Мне представляется, что в нем говорится о чем-то печальном и темном. Основной его тон минорный.

Ч.: – Да, пожалуй. Хотя в его понятийном содержании ничего особенно печального и нет, оно звучит действительно минорно. Ну а стихотворение «И скучно и грустно». Оно ведь тоже минорно, не правда ли?

114

К.: – Да. Оно минорное и темное, но к тому же еще довольно угрюмое.

Ч.: – Что-то мы все беседуем о печальных стихотворениях. Разве других вам не встречалось?

К.: – Почему же? Например, стихотворение Тютчева «Весенняя гроза». Оно производит впечатление чего-то яркого, сильного. Или вот его же «Я встретил вас» звучит возвышенно. Вы согласны?