Фоносемантический анализ текста

Погода в арске метеопрогноз для города арск. . Смотрите подробности купить спальный мешок киев у нас. .

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?
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!

Как создать свой сайт - Раскрутка сайтов в Киеве. Реальная помощь Вашему бизнесу. .
Комментирование и размещение ссылок запрещено.

Комментарии закрыты.