Текст книги "Диалог с компьютером"

Автор книги: Александр Журавлев

Ч.: – Вполне. Характеристика, нужно признаться, удивительно точная. Может быть, поговорим о стихах других поэтов?

К.: – Пожалуйста. Очень разнообразно звучание стихотворений Блока. Например, стихотворение «Сольвейг» мне представляется ярким, сильным и светлым, а вот стихи «Как растет тревога к ночи» темные, устрашающие и угрюмые.

Ч.: – Не могу не согласиться с этими оценками. А какое произведение произвело на вас наибольшее впечатление?

К.: – «Левый марш» Маяковского. Его яркое, бодрое, стремительное и сильное звучание очень выразительно. Вы не находите?

Ч.: – Вы правы, я того же мнения. Ну а самое понравившееся вам стихотворение?

К.: – Есенин. «Я помню, любимая, помню». Оно по звучанию прекрасное и очень нежное.

Ч.: – Какие же звуки создают такой эффект? Особенно заметно доминируют в тексте стихотворения?

К.: – Превышены по сравнению с нормой частотности целого ряда звуков, но особенно заметно доминируют Ю и Г.

Ч.: – Можно ли проследить за изменением их частотностей по строфам?

К.: – Конечно. В первой строфе

 
Я помню, любимая, помню
Сиянье твоих волос.
Не радостно и не легко мне
Покинуть тебя привелось, —
 

доминирует «прекрасное» и «нежное» Ю.

Ч.: – Да, здесь звучит тема «любимой». И кстати, в составе этого слова тоже есть Ю. А что во второй строфе?

К.: – Здесь частотности этих звуков уравновешиваются.

Ч.: – А в третьей?

К.: В третьей

 
Я помню, ты мне говорила:
«Пройдут голубые года,
И ты позабудешь, мой милый,
С другою меня навсегда», —
 

резко возрастает частотность «грубого» и «злого» Г, значительно превышая частотность Ю.

Ч.: – Поразительно. Борьба тем и образов сопровождается борьбой звуков с соответствующей содержательностью. Ведь здесь возникает тема «другой», и снова даже в составе самого этого слова обнаруживается доминирующий Г. Ну а четвертая строфа?

К.: – Здесь опять равновесие.

Ч.: – Тогда последняя, пятая.

К.: – В пятой снова и особенно значительно возрастает частотность Ю, превышая и частотность Г, и вообще все предыдущие отклонения частотностей.

Ч.: – Так и должно быть, потому что тема «любимой» побеждает. Да, удивительно содержателен звуковой рисунок этого стихотворения.

В литературной беседе с компьютером, как, видимо, заметил читатель, допущена одна не совсем правомерная уловка: сначала компьютер превышает свои полномочия, создавая у собеседника впечатление, что он описывает содержание стихотворения. Простим машине эту неточность – она разрешена ей только для того, чтобы нагляднее подчеркнуть полную гармонию, буквально сплавленность звуковой формы и содержания всех упомянутых в беседе произведений. Тем более что в конце разговора становится совершенно ясно, какой именно аспект общей семантики текста анализирует компьютер.

Во всем остальном беседа вполне обоснованна. Понятийно-содержательная сторона стихотворения затрагивается в репликах человека, рассчитанных лишь на читателя и, разумеется, недоступных «пониманию» компьютера, который вообще только и делает, что определяет признаки фонетической содержательности текстов. Весь «антураж» признаков, придающий ответам вид реплик, тоже выполнен человеком и помещен в память компьютера в виде готовых клише. Но отыскивает нужный трафарет и заполняет его признаками уже сам компьютер, и согласитесь, имитация понимания им стихов вполне правдоподобна.

Нужные реплики наш электронный собеседник отыскивает тоже по вычисленным признакам и степени выраженности их числовых весов.

Так, в первой реплике компьютер определяет основной тон стихотворения как «минорный», потому что этот признак имеет наибольший вес среди выделенных. В ответе на вопрос о том, какое стихотворение произвело наибольшее впечатление, компьютер тоже учел веса выделенных признаков. Оказалось, что в «Левом марше» они наиболее высоки. Это означает, что звуковая ткань стихотворения очень выпукла, а ведь именно звучанием и определяются все «впечатления» машины.

Что касается «особенно понравившегося» стихотворения, то у компьютера есть подсказка: ему должно нравиться все «прекрасное». А поскольку этот признак был выделен только для стихотворения С. Есенина, то компьютер и дал такой ответ. Заметьте, что об этом стихотворении электронный любитель поэзии сказал, что оно «очень нежное». И тоже не случайно. Дело в том, что среди всех упомянутых произведений именно в этом признак «нежный» был выделен с наибольшим весом.

У читателя неизбежно должен был возникнуть вопрос – неужели звуковая ткань любого стихотворения выстроена так, что по ней столь определенно можно судить об основном эмоциональном тоне произведения?

Нет, конечно, не любого. И даже далеко не любого. Ведь использование содержательности звуков – лишь один из художественных приемов усиления выразительности текста, и вовсе не обязательно этот прием должен использоваться каждый раз. Он особенно уместен в произведениях лирического, ярко эмоционального характера, там, где особая роль отводится музыкальному звучанию стиха. Конечно, если в произведении доминирует рациональное, понятийное начало, звукопись может и не использоваться. В этих случаях машина не в состоянии поддержать беседу о поэзии или ее суждения будут просто нелепы. Правда, компьютер вел разговор, опираясь только на один аспект семантики – звукосодержательный. А как мы уже убедились, он кое на что способен и в работе с другими аспектами значения. Если подключить их, то «сообразительность» машины резко возрастет. Но об этом речь впереди.

Здесь же обсудим еще вот какую ситуацию. Бывает так, что у того или иного поэта для всех стихотворений чаще выделяются одни и те же определенные признаки фоносемантики. Например, для произведений Н. Некрасова компьютер обычно выдает: «минорное», «печальное», «темное», «тоскливое», «угрюмое», «устрашающее». Даже для отрывка «Ой, полным-полна коробушка» или для стихотворения-комплимента любимой женщине «Ты всегда хороша несравненно». Но недаром Н. Некрасова называют «поэтом печали». Такова и общая звуковая настроенность его стихов. Получается, что для отдельного стихотворения компьютер дает характеристики, не согласующиеся с нашими суждениями, а для творчества в целом они вполне подходят. То же и у В. Маяковского: звучание его стихов чаще всего «сильное», «стремительное», «бодрое», «яркое». Но ведь и общий тон его поэзии в основном именно таков.

И все же компьютер далеко не всегда может определить характер фоносемантики текста, даже если содержательность звуков активно использована в стихотворении. Дело в том, что единый фоносемантический тон произведения может соответствовать лишь единому же общему эмоциональному тону. Но много ли таких стихотворений, в которых выражено или явно доминирует одно какое-либо чувство, одно настроение? Чаще всего в одном произведении переплетены разные, даже противоречивые, эмоции, и тогда для их «сопровождения» нужны звуки с разной и даже противоположной содержательностью. Но отклонения таких звуков от нормы взаимно уничтожаются, и в среднем у компьютера получится, что звуковой фон нейтрален.

Сама машина в этой сложной ситуации не разберется. Должен вмешаться человек, чтобы посмотреть, какие звуки доминируют в тексте и как строить дальнейшую тактику его анализа.

Хорошо, если противоречивые звуки распределятся по строфам или фрагментам произведения: к примеру, в одной строфе преимущественно «светлые» звуки, в другой – преимущественно «темные». Как в стихотворении С. Есенина «Я помню, любимая, помню». Тогда решение простое: разбить произведение на «однотонные» отрывки и рассчитывать фоносемантику для каждого фрагмента отдельно.

Например, в разных фрагментах стихотворения А. Пушкина «Я помню чудное мгновенье» явно прослеживается смена настроений. И оказывается, содержательность звучания отдельных отрывков следует за изменением эмоционального тона. Первая строфа характеризуется признаками «нежное» и «светлое» в соответствии с содержательностью доминирующих Е, Нь, Въ, М. Затем тональность меняется. Появляются минорные ноты, которые все усиливаются и охватывают три последующие строфы. Точно следуя за сменой общего эмоционально-образного содержания, меняется и значимость звукового оформлении строф. Теперь она описывается признаками «минорное», «угрюмое», «темное», а доминируют X, Г, Ж, Ы. Но в двух последних строфах вновь создается первоначальная эмоционально-образная мелодия, причем ее звучание усиливается. Возвращаются признаки «нежное» и «светлое», но их веса увеличиваются, то есть характеристики становятся более яркими, более выраженными. Это происходит за счет того, что к доминирующим звукам первой строфы присоединяются «очень нежные» и «светлые» И и ЛЬ. Как видим, такой человеко-машинный анализ тоже оказывается эффективным.

Но если противоположные настроения в ткани произведения тесно переплетены и не распределяются по фрагментам, то здесь компьютер бессилен. Он может лишь указать доминирующие звуки – и все. Проследить за переплетением этих звуков в тексте и выяснить, какую фоносемантическую роль они выполняют, может только человек.

Разговор с компьютером нужен отнюдь не для светской беседы у камина за чашкой кофе. Это лишь иллюстрация способностей машины имитировать восприятие фоносемантики. Но уже и в том виде, как она есть, программа автоматического анализа фоносемантики, фоно-символики текстов может применяться и для решения практических задач.

Например, компьютер может стать помощником переводчика. Если в тексте использован прием специальной организации фоносемантики, то переводчику неплохо бы повторить эту организацию и на языке перевода, иначе какая-то часть общей художественной информации будет неминуемо потеряна.

Дело осложняется тем, что фоносемантика имеет как универсальные для всех языков черты, так и специфические для каждого конкретного языка. Так, очень редкий для русской речи, самый «плохой» и «отталкивающий» для русских, звук X немцы таковым не считают. В их языке сходный звук встречается довольно часто. Неплохими они считают и твердые X, Ф, Ш («очень плохие» для русских), так как в немецком похожие на них звуки весьма употребительны. Или, скажем, шипящие звуки русские оценивают как «плохие», «темные», «тусклые», «шершавые», «страшные», а поляки не приписывают им отрицательных характеристик, потому что в их речи шипящие звуки очень часты, а потому привычны, обычны.

Следовательно, если в русском тексте содержательность звучания создана подбором шипящих, то при переводе на польский или немецкий нельзя просто увеличить частотность шипящих – это не приведет к нужному эффекту.

Например, звуковая организация стихотворения Блока «О весна без конца и без краю» построена на столкновении контрастных по содержательности звуков – самых «грубых» Р, Д и самых нежных Ю, И, самых «темных» X, Ы и самых «светлых» Ю, И, 3. С одной стороны, в стихотворении инструментовка на Ю, И. «узнаю, принимаю, приветствую, встречаю, любя». С другой – на X, Ы: «в завесах темных окна, колодцы земных городов, томления рабьих трудов, в змеиных кудрях, на холодных и сжатых губах». Чтобы передать эти фоно-семантические контрасты на немецком языке, нет смысла повторять инструментовку на звук X – он в немецком не имеет нужной содержательности. Необходимо в немецком найти звук, содержательность которого соответствует русскому X, и на него инструментовать «темные» и «страшные» строки.

Так что переводить приходится не само звучание, а его содержательность, для чего эту содержательность нужно знать и в языке оригинала, и в языке перевода. Вот тут компьютер может быть незаменимым помощником. Если ему сообщить данные о содержательности звуков и их нормальной частотности в нужных языках, он определит фоносемантику исходного текста, выделит доминирующие звуки, найдет соответствие им в языке перевода, а затем проконтролирует с точки зрения фоносемантики готовый перевод. Конечно, талантливый переводчик интуитивно улавливает фоносимволику оригинала и так же интуитивно выстраивает ее на новом языке. И все же машинная помощь не помешает. Пользуются же переводчики словарями. Компьютер в данном случае тоже справочник, только автоматический.

Само собой разумеется, что все это лишь тонкие семантические нюансы, не являющиеся основой перевода, но пренебрегать ими, пожалуй, тоже не следует.

Еще в одной очень важной практической области стоило бы обратить внимание на фоносемантику. Речь идет о публицистике. Выступления ораторов, средства массовой коммуникации, такие, как газеты, телевидение, радио, призваны всеми средствами повышать действенность информации, в том числе и ее воздействие на восприятие читателей и слушателей. Вполне реально было бы в необходимых случаях «просчитывать» фоносемантический ореол текстов, чтобы и этот их аспект был организован надлежащим образом и бил бы в единую с основной семантикой цель.

Уже есть опыт такой обработки рекламных текстов. Компьютеру задавались характеристики, которым должны были удовлетворять рекламные проспекты, девизы, надписи. Машина просчитала весь предложенный материал и выбрала те тексты, фоносемантика которых соответствовала заданным параметрам. Одновременно социологи опробовали тот же исходный материал на информантах и покупателях, не зная о результатах работы компьютера. И что же: мнения людей и компьютера почти во всех случаях совпали – наиболее действенной оказалась «фоносемантически заряженная» реклама. Так что компьютер уже окупает стоимость своей работы, сам зарабатывает себе на хлеб, помогая торговле увеличить выручку.

С развитием фоносемантических исследований, несомненно, обнаружатся и другие области, где этот важный аспект семантики играет свою роль.

Но для нас-то сейчас другое важно. Мы убедились, что фоносемантика активно функционирует в тексте, она вплетает свои оттенки в общий смысл живой человеческой речи, тайно, но мощно воздействует на наше подсознание, пробуждая в нем нужный эмоциональный отклик. И подумать только: столь сложный и скрытный семантический механизм языка удалось буквально вычислить и смоделировать на компьютере, который сможет теперь имитировать даже работу языкового подсознания человека!

Звукоцвет

«Мы видим звук»

После поэтических успехов компьютера он, казалось бы, уже ничем не может больше удивить. Но, оказывается, может.

Звуки речи не только наделены содержательностью по признаковым шкалам оценочного типа. Они еще и окрашены в нашем восприятии в различные цвета. Если фоносемантический ореол – атмосфера, то окраска звуков – радуга. Это те же звуки речи, но открывшиеся нам другой – яркой и поразительной своей стороной.

Свойство звуков вызывать цветовые образы было замечено давно. Много писалось о цветовом слухе А. Скрябина, который музыкальные звуки видел в цвете. Целое направление в искусстве – цветомузыка – основано на этом свойстве звуков музыки.

Есть свидетельство о том, что звуки речи, особенно гласные, тоже могут восприниматься в цвете. А. Рембо написал даже сонет «Гласные», в котором так раскрасил звуки:

А – черный; белый – Е; И – красный; У – зеленый; О – синий: тайну их скажу я в свой черед...

Но французский языковед К. Нироп приписывал гласным совсем другие цвета: он считал И – синим, У – ярко-желтым, А – красным. Немецкий лингвист А. Шлегель писал, что для него И – небесно-голубой, А – красный, О – пурпурный. А вот русский поэт А. Белый утверждал, что ему А представляется белым, Е – желто-зеленым, И – синим, У – черным, О – ярко-оранжевым. Если продолжать называть индивидуальные суждения о цвете гласных, то каждый звук окажется раскрашенным во все цвета радуги.

Так существуют ли в таком случае вообще какие-либо определенные звукоцветовые соответствия? Не фантазии ли это? Или, может быть, случайно возникающие неустойчивые ассоциации между звуком и цветом? А возможно, что звукоцветовые связи – следствие исключительно тонко устроенных механизмов восприятия у отдельных людей?

На эти вопросы давались разные ответы, но чаще всего мнения сходились на том, что связь «звук речи – цвет» – редкий и сугубо индивидуальный феномен.

Современная наука признает явление существующим лишь тогда, когда оно либо непосредственно наблюдается, либо воспроизводимо проявляет себя в экспериментах, либо строго вычисляется. Причем в любом случае последнее слово остается за практикой: нужно, чтобы явление наблюдаемо функционировало или обнаруживались бы следы его действия.

Но там, где речь идет о психике человека, все выглядит иначе. В эту область наука, как в зону «пикника на обочине», проникает пока еще редко и с трудом, а проникнув, натыкается на непонятные «полные пустышки», которые вскрыть своими инструментами не может. Психические явления чаще всего непосредственно не наблюдаются, в экспериментах то проявляются, то нет,

вычислению поддаются плохо, а следы их функционирования неопределенны, зыбки, нерегулярны. Особенно в области подсознания. Вот, скажем, интуиция. Каждый может припомнить случаи, когда, как нам кажется, правильное решение или поступок были подсказаны нам интуицией. Более того, как выяснилось в процессе работ над искусственным интеллектом, человек в сложных ситуациях принимает решение не путем перебора всех возможных вариантов, а эвристически, подсознательно, интуитивно находит нужный путь. Но с другой стороны, интуиция ведь и подводит нередко. Как же понять, когда интуиция нашептывает нам правильное решение, а когда каверзно подталкивает нас в тупик?

Вот так и со звукоцветовыми соответствиями. Если они существуют, то кто прав – А. Рембо или А. Белый? Чья интуиция вернее?

При измерении содержательности звуков мы уже убедились в том, что подсознательные, интуитивные связи и ассоциации вполне можно сделать явными с помощью психометрических экспериментов. Правда, в случае со звукоцветовыми связями антонимичные измерительные шкалы не годятся: какой антоним подыскать, скажем, к признакам «красное», «синее» или «желтое»? Но шкалы строить вовсе не обязательно. Основных цветов немного, гласных тоже. Значит, можно разработать другие экспериментальные схемы.

Идея экспериментов проста: регистрируются реакции многих испытуемых на определенный стимул, а затем следует статистическая обработка полученного материала, чтобы выявить основные тенденции в реакциях. Техника регистрации реакций разнообразна: испытуемым либо предъявляются звуки речи – требуется подобрать к ним цвета, либо предъявляются различные цветовые карточки – требуется написать на них звуки, либо дается задание выстроить звуки по цвету, скажем, от «самого красного» и до «наименее красного», от «самого синего» до «наименее синего» и т. п.

Многие такие эксперименты с тысячами информантов показали, что в подавляющем большинстве испытуемые окрашивают по крайней мере гласные вполне определенно. Особенно единодушны мнения относительно трех гласных – А, Е, И. Звук и букву (звукобукву) А вполне согласованно называют «красной», Е – четко «зеленая», а И – определенно «синяя». Звукобукву О все считают светлой и яркой, но хотя большинство испытуемых называет ее «желтой», все же довольно часто встречаются ответы: «белая». Получается, что она солнечная.

Заметьте, что лингвисты считают гласные А, О, Е, И основными, опорными для речевого аппарата человека и главными во всех языках. А физики главными считают соответствующие этим гласным цвета, потому что их комбинации дают все другие цвета и оттенки. Чем и пользуется цветная фотография, цветное телевидение. Не удивительно ли, что и в языке соответствия именно главным цветам оказались наиболее четкими?

Видимо, здесь проявляется «коллективная интуиция» людей: цветовое устройство мира отразилось в цветовом устройстве языка. Названия главных цветов встречаются в речи наиболее часто, и звуки О, А, Е, И наиболее частотны из гласных. А между названиями основных цветов и этими гласными, в свою очередь, прослеживается связь: название определенного цвета содержит соответственно «окрашенный» звук, причем он занимает в слове самую важную – ударную позицию: крАсный, сИний.

Остальные гласные имеют оттеночную окраску, как и цвета, с которыми они связываются, к тому же связь эта прослеживается менее четко – здесь больше разброс мнений испытуемых. Так, У – ассоциируется с темными оттенками синего цвета: темно-синим, темно-голубым, темным сине-зеленым, темно-лиловым. Звукобуква Ю тоже связывается с оттенками синего цвета, но со светлыми: голубым, светло-сиреневым.

Интересно ведет себя звукобуква Ё. По написанию она сходна с Е, а по звучанию с О. И в цветовом отношении она вполне определенно располагается между желтой О и зеленой Е: примерно половина испытуемых называет ее желтой, а половина – зеленой. Так что Ё – светлая желто-зеленая.

А вот Я окраской почти не отличается от А, разве что воспринимается как более светлая и яркая.

Что касается Ь/, то здесь следует говорить не о цветовой, а скорее о световой характеристике. Если О – звукобуква света, то Ы – звукобуква мрака, тьмы. Она самая темная из всех гласных, и ей испытуемые единодушно дают самые темные характеристики – темно-коричневая, черная.

Любопытно, что на восприятие, строго говоря, согласного звука J явно повлияла графическая форма буквы Й, передающей этот звук. Сходство Й с И привело и к сходным цветовым оценкам – Й воспринимается как синяя звукобуква, хотя и с меньшей определенностью, чем И.

Букву Э пришлось исключить из анализа. Хотя она передает почти тот же звук, который в большинстве случаев передается буквой Е, зеленой звукобуква Э по ответам испытуемых не получается: буквенная форма другая. И вообще никакой определенный цвет с Э не связывается. А поскольку и встречается Э в текстах крайне редко (гораздо реже всех других гласных), то при дальнейшем анализе текстов ее решено было не учитывать.

Вот что интересно. Если перед экспериментом спросить испытуемых, окрашены ли для них звуки речи, то подавляющее большинство уверенно дает отрицательный ответ. Да если и не задавать такого вопроса, то многие сами говорят, что звуки они не связывают ни с какими цветами и поэтому не знают, как выполнять задание. Но когда по требованию экспериментатора они приписывают звукам цвета наугад, то в конце концов в этих «угадываниях» обнаруживается высокое согласие. Это работает языковая интуиция испытуемых, и они потом сами удивляются, глядя на результаты опроса.

Конечно, не у всех звукоцветовые соответствия одинаково прочно закреплены в подсознании. Есть испытуемые, которые во всех экспериментах показывают четкие и единообразные результаты, совпадающие с «коллективным мнением» всех опрошенных, а есть и такие, чьи ответы в разных экспериментах разноречивы, неустойчивы, и по их ответам никакой определенной окраски у звуков не прослеживается. Ну что ж, ведь дальтоники не видят цвет предметов, но это не значит, что окраски предметов не существует. Важно, что большинство испытуемых в целом согласованно и достаточно единообразно устанавливают вполне определенные связи между звуком и цветом, хотя почти никто этого не осознает.

Для наглядности полученные результаты сведены в табличку:

Если соответствия звуков речи определенным цветам существуют, пусть даже в подсознании, то они должны где-то проявляться, звукоцвет должен как-то функционировать в речи. И пожалуй, прежде всего нужно искать проявление звукоцветовых ореолов в поэзии: там, где звуковая сторона особенно важна. Эффект звукоцвета может сыграть свою роль в том случае, когда в стихотворении создается определенная цветовая картина, и рисунок гласных стиха должен бы поддержать, «подсветить» эту картину звуками соответствующего цвета.

Если это так, то естественно ожидать, что при описании, например, красных предметов и явлений в тексте будет подчеркнута роль красных А я Я; они будут встречаться чаще, чем обычно, особенно в наиболее важных, наиболее заметных позициях (скажем, в ударных). Описание чего-либо синего будет сопровождаться нагнетением синих И, Ю, У; зеленого – нагнетением Е, Ё и т. д.

Стоило начать проверку этой гипотезы, как в сухих статистических подсчетах стала на глазах проявляться живая игра звукоцветовых ореолов поэтического языка, поражающая своей неожиданностью, своим разнообразием и точным соответствием понятийному смыслу и общему экспрессивно-образному строю произведений. Судите сами.

У А. Блока есть стихотворение, которое он написал под впечатлением от картины В. Васнецова «Гамаюн, птица вещая». Стихотворение о грозных пророчествах передает трагический колорит картины – мрачно-багровый цвет казней, пожаров, крови.

 
На гладях бесконечных вод,
Закатом в пурпур облеченных...
***
Вещает иго злых татар,
Вещает казней ряд кровавых
И трус, и голод, и пожар,
Злодеев силу, гибель правых...
***
И вещей правдою звучат
Уста, запекшиеся кровью!..
 

Если исходная гипотеза верна, то в звукобуквенной ткани стихотворения должны встречаться чаще, чем положено по норме, красные А, Я и темные, мрачные У, Ы. Не так ли?

Поскольку и сама проблема звукоцвета, и анализ стихотворений с этой точки зрения очень уж необычны, то одного утверждения, что это действительно так, будет наверняка недостаточно. Обычная реакция любого, кто впервые слышит о звукоцвете в поэзии: «Этого не может быть!» А на машинные расчеты чаще всего смотрят с тайной уверенностью в подвохе. Поэтому опишем хотя бы кратко методику компьютерного анализа этого и других стихотворений, о которых здесь будет идти речь.

Не пропускайте формулы и вычисления (они, кстати, элементарны), ведь именно в них как бы материализуется работа художественной интуиции поэта, именно они позволяют смоделировать, сымитировать на компьютере эту тонкую, почти неосознаваемую, неуловимую, казалось бы, сторону человеческого интеллекта.

В тексте стихотворения (включая заголовок) подсчи-тывается количество каждой из 10 звукобукв, перечисленных в таблице. Чтобы учесть особую роль ударных гласных, они при счете удваиваются. Так как Ё, Я, Ю, Й связываются лишь с оттенками основных цветов и еще потому, что встречаются они сравнительно редко, самостоятельного значения в звукоцветовой картине стиха они не имеют. Поэтому приплюсовываются к основным гласным. Поскольку звукобуква Ё оказалась двухцветной, то ее количество разделяется поровну между О и Е. Синева Й выражена слабо, поэтому количество Й сокращается наполовину и только затем приплюсовывается к И. Подсчитывается также количество всех букв с удвоением ударных (величина N).

Затем определяются доля (частотность) каждой гласной в тексте стихотворения (Рк) и единицы размаха колебаний этих частотностей для данного текста:

Полученные частотности сопоставляются с нормальными (среднестатистическими для языка), и вычисляются нормированные разности этих частотностей, чтобы установить, случайно или нет наблюдаемые в стихотворении частотности отличаются от нормальных и как именно отличаются:

Этапы компьютерной обработки стихотворения А. Блока удобно пронаблюдать по табличке.

Звукоцвет в стихотворении «Гамаюн, птица вещая»

Всего звукобукв в стихотворении 315

Как видим, звуков А ж Я в обычной речи должно было бы встретиться 116 на тысячу, а в стихотворении их гораздо больше (Рк~ 0,159). При су = 0,018 такое отклонение частотности (0,159 – 0,116 = 0,044 превышает случайное в 2,39 раза, то есть едва ли может быть случайным. Значит, поэт интуитивно нагнетал красные А и Я, чаще обеспечивая им ударные позиции (вещАет кАз-ней рЯд кровАвых). Вторым по превышению нормы идет Ы, придавая красному тону мрачное, трагическое звучание. Наконец, У (также с превышением частотности над нормой) добавляет звукоцветовой картине темные сине-зеленые и лиловые оттенки. Частотность всех остальных гласных ниже нормы.

Если теперь изобразить в цвете игру доминирующих в стихотворении гласных, то получится картина в красно-багровой и черно-синей гамме, кое-где с темной прозеленью, А это и есть цветовая гамма картины В. Васнецова.

 Остается только поражаться, насколько точно талант поэта подсказал ему выбор и пропорции доминантных звукобукв.

Таким способом на компьютере «просчитано» много стихотворений. Для некоторых из них в общей табличке приведены итоговые величины (z), чтобы можно было убедиться, что обнаруженные звукоцветовые соответствия – не парадокс статистики, не случайное совпадение цифр. Значимые превышения частотностей отмечены в табличке полужирным шрифтом. В последнем, восьмом столбце дана цветовая расшифровка полученных результатов.

Хорошо видно, как точно использует изобразительные возможности звукоцветовых ореолов С. Есенин. При сравнении уже первых строчек его стихотворений с цветами доминирующих гласных сразу обнаруживается явное соответствие словесных и звукоцветовых картин. «Отговорила роща золотая...» – доминирующий цвет желтый, слегка зеленоватый. «Выткался на озере алый свет зари...» – звуки создают густо-красную и темно-синюю гамму. «Воздух прозрачный и синий...» – звукоцвет синий, чуть розоватый. «Зеленая прическа, девическая грудь...» – зеленая и темно-зеленая с синевой гамма звукоцветовых соответствий. Как говорится, комментарии излишни. Да, поэты могли бы сказать о себе словами А. Вознесенского: «Мы видим звук». Они его действительно видят внутренним взором таланта, чувствуют его радужный ореол и зажигают эту радугу в своих стихах.

Ну а компьютер проявляет скрытые в тексте цветные картины, показывая тем самым, что способен уловить и эту удивительную особенность поэтической речи.

Цветные листы

В одном из стихотворений А. Тарковский так написал о назначении своего поэтического творчества:

 
И лист единый заронить в криницу,
Зеленый, ржавый, рдяный, золотой.
 

И правда, в его стихах звукоцветовые соответствия особенно полны и разнообразны.

Эффект звукоцвета – лишь одно из выразительноизобразительных средств языка и, конечно, не самое главное. Поэтому звукоцветовые стихотворения встречаются не часто, а каждая такая находка всякий раз восхищает и поражает. Но самый удивительный феномен поэтического звукоцвета – стихотворение А. Тарковского «Перед листопадом».

 
Все разошлись. На прощанье осталась
Оторопь желтой листвы за окном.
Вот и осталась мне самая малость
Шороха осени в доме моем.
Выпало лето холодной иголкой
Из онемелой руки тишины
И запропало в потемках за полкой,
За штукатуркой мышиной стены.
 

 
Если считаться начнем, я не вправе
Даже на этот пожар за окном.
Верно, еще рассыпается гравий
Под осторожным ее каблуком.
Там, в заоконном тревожном покое,
Вне моего бытия и жилья,
В желтом, и синем, и красном – на что ей
Память моя? Что ей память моя?
 

Общую цветовую гамму стихотворения компьютер описал в осенних тонах: «нечто желто-красное». По таблице видно, что эта характеристика дана по доминирующим О («желтое») и А («красное»).