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.
