ЭДЕ обладает целым рядом характерных просодических свойств: изменение частоты основного тона в ней образует единый контур, в ее начале наблюдается ускорение темпа, а в конце – замедление и уменьшение громкости. Наиболее важный по смыслу элемент выделяется более интенсивной артикуляцией и локальным движением тона. Внутри элементарных дискурсивных единиц обычно не бывает пауз (именно это имеют в виду, когда говорят, что в устной речи нет пробелов между словами), а на границах они, напротив, обычно присутствуют. Просодические свойства – и в ЭДЕ, и в более крупных единствах – несут смысловую нагрузку: с их помощью мы различаем сообщение, вопрос, побуждение, переспрос, повторение, восхищение, возмущение, а кроме того, отличаем главную часть сообщения от побочной, законченное предложение от незаконченного и т. д. Так, например, переспрос характеризуется убыстрением темпа (Во сколько, ты говоришь, поезд приходит?), о незавершенности предложения сообщает подъем интонации (ср., например, интонацию, с которой произносится слово приехал в предложениях Артем приехал и Артем приехал, а Никита уехал).

Средства просодии, как и слова, являются знаками с произвольной связью между формой и смыслом; самое простое доказательство этого – то, что в разных языках одно и то же значение может выражаться по-разному. Например, в русском языке вопрос характеризуется повышением интонации, а в японском – резким падением^[12].

Из ЭДЕ (которые в основном состоят из 2–4 слов, что на фонетическом уровне соответствует такту) строятся более крупные единицы – периоды⁶⁵, а из них – эпизоды, примерно соответствующие абзацам письменного текста.

Элементарные дискурсивные единицы делятся на фонетические слова. У фонетического слова во многих языках есть ударение – и при этом (обычно) только одно. Чередование ударных и безударных слогов задает ритмическую схему фонетического слова, на ударном слоге реализуются фразовые акценты. Звуки внутри фонетического слова могут вести себя не так, как на его границах: например, в русском языке звонкие согласные на конце слова оглушаются, но в предлоге, составляющем одно фонетическое слово с последующим существительным или прилагательным, оглушения не происходит (ср.: [в] лесу и отло[ф] лисиц).

Фонетические слова делятся на слоги. Каждый слог – один «квант» выдоха. Если эти выдохи сделать более сильными и разделить паузами, получится скандирование (Шай-бу! Шай-бу!). В слоге имеется вершина – самый «звучный» звук (обычно гласный) – и края – согласные (которые, впрочем, могут и отсутствовать). Скорость смены слоговых вершин определяет темп речи. Слог можно разделить на отдельные звуки. У всех людей, владеющих звучащей речью, в языковую компетенцию входит понятие о том, какие гласные и согласные звуки возможны в его языке (другие звуки расцениваются либо как дефекты произношения, либо как иностранный акцент) и какие движения органов артикуляции должны им соответствовать (хотя реально в речи, особенно в беглой, эти движения зачастую смазываются).

Непросто устроены и сами звуки. Наш речевой тракт – природный резонатор. Изменяя его форму при помощи движений языка, губ, нижней челюсти, нёбной занавески, надгортанника, мы ослабляем одни частоты и усиливаем другие. У гласных такие области усиления частот получили название «форманты». Каждый гласный характеризуется собственным «узором» формант. Согласные тоже имеют свои частотные максимумы и минимумы, но распознаются в значительной степени по тому влиянию, которое они оказывают на форманты соседствующих с ними гласных. Например, после заднеязычного согласного (г или к) у последующего гласного сближаются начальные точки контуров второй и третьей формант. Если звуки в слоге поменять местами, человек услышит не слог, произнесенный наоборот, а бессмысленную абракадабру, поскольку привычные ему правила перехода от звука к звуку не будут соблюдены.

Формантные переходы между соседствующими звуками нередко позволяют нам «услышать» нужный звук даже в том случае, когда он не был реально произнесен, – и мы вполне можем не осознать, что вместо, скажем, Он – человек ответственный услышали …чек отвесный. В ходе исторического развития языка такой эффект восприятия дает почву для выпадения звуков. Так, например, латинское слово vīta (‘жизнь’) во французском языке превратилось в конце концов в vie (t между гласными сначала озвончилось в d, затем несколько ослабилось, а к XI в. выпало совсем⁶⁶).

Существует несколько теорий для объяснения того, как люди распознают речевые звуки. Согласно одной, акустическое представление связано с представлением артикуляторным: для распознаваемого звука подбирается комбинация артикуляторных движений, которая могла бы его произвести, причем эти комбинации у разных людей могут различаться⁶⁹. Так же, через подбор артикуляторных движений, осуществляется нередко распознавание зрительных образов слов. Это отчетливо видно на примере людей малограмотных или читающих на плохо знакомом языке: во время чтения они заметно шевелят губами (а иногда даже тихонько проговаривают каждое слово). Но даже у грамотных людей при чтении про себя отмечается усиление биотоков в мышцах, связанных с произнесением речевых звуков^70[13]. Как показали исследования основателя отечественной нейропсихологии Александра Романовича Лурии (впоследствии его результаты были подтверждены и дополнены), чем сложнее воспринимаемый текст, тем сильнее нарушается его понимание при искусственном затруднении артикуляции⁷¹.

Согласно другой теории, в мозге существуют акустические образы звуков речи – как должно выглядеть прототипическое а, как – б и т. д. Таких прототипов может быть более одного, поскольку в разном окружении звуки реализуются по-разному.

Третья теория предполагает, что главную роль при распознавании речевых звуков играют имеющиеся в мозге особые нейронные распознающие устройства – детекторы, настроенные на отдельные смыслоразличительные признаки фонем. Поскольку каждая фонема обладает уникальным набором таких признаков, комбинация показаний детекторов определяет фонему однозначно.

Вероятно, все эти теории в определенной мере справедливы и дополняют друг друга.

Анализатор речевых звуков работает у человека чрезвычайно быстро (быстрее, чем распознаются неречевые звуки) – до 20–30, а при искусственном ускорении речи – до 40–50 фонем в секунду⁷², поэтому вероятно, что минимальной единицей восприятия является не отдельная фонема, а слог целиком. Исследования того, как люди (здоровые и имеющие речевые нарушения) произносят слова, продемонстрировали, что двигательная программа порождения речи оперирует слогами, а не отдельными звуками⁷³. Показательно, что дети, начиная произносить свои первые, похожие на речевые звуки, произносят их не по отдельности, а в составе слогов.

Уникально ли все это для человека? Ученые (среди них следует упомянуть в первую очередь психолога из Алабамского университета Джоан Синнотт) поставили огромное количество экспериментов, призванных выяснить, могут ли животные анализировать человеческую речь, и делают ли они это так, как мы, люди, или как-то иначе. Было показано, что крысы⁷⁴ и рисовки^75[14] способны отличать один язык от другого по общей мелодике речи, что монгольские песчанки (Meriones unguiculatus)⁷⁶ могут отличить гласный [u] от гласного [i], а обезьяны и вовсе распознают все человеческие фонемы. Есть, разумеется, и отличия. Например, шиншиллы, перепела, волнистые попугайчики, макаки и люди ставят «границы» между разными фонемами в разных местах⁷⁷: если плавно менять характеристики звука, делая его все менее похожим на одну фонему и все более похожим на другую, момент, когда испытуемый начнет считать поступающий сигнал уже не первой фонемой, а второй, у разных видов наступает при разных значениях изменяемых параметров сигнала^[15].

Животные не могут оперировать формантными переходами при различении согласных разного места образования⁷⁸ (например, отличать da от ba по тому влиянию, который согласный оказывает на звук a) или при отличении слога типа stay от слога типа say⁷⁹. Внушительный список таких отличий приведен в статье Стивена Пинкера и Рея Джакендоффа⁸⁰. Для них это служит аргументом в пользу уникальности человеческой способности к пониманию речи. «Люди, – пишут они, – не ограничиваются проведением однобитовых различий между парами фонем. Они могут обрабатывать непрерывный, насыщенный информацией поток речи. При этом они быстро выделяют отдельные слова из десятков тысяч шумов, несмотря на отсутствие акустических границ как между фонемами, так и между словами, компенсируя в режиме реального времени искажения, вносимые наложением артикуляций соседних звуков, а также вариативностью, связанной с возрастом, полом, особенностями произношения – как личными, так и диалектными – и эмоциональным состоянием говорящего. И все это удается детям – причем не путем выработки условных рефлексов»⁸¹.

В то время как Пинкер и Джакендофф писали эти строки, в приматологическом центре Йеркса продолжались (и продолжаются по сей день) опыты с бонобо Канзи. Этот сообразительный антропоид, как однажды случайно выяснилось, понимает устную английскую речь – и даже без ситуационных подсказок. В 1988–1989 гг. был проведен масштабный эксперимент, в ходе которого Канзи должен был выполнить огромное количество (в общей сложности 600) команд, отданных на английском языке. Чтобы исключить возможность подсказки, экспериментатор мог надевать шлем или отдавать Канзи команды из другой комнаты по телефону. Команды могли отдавать разные люди и даже синтезатор речи. Среди команд встречались странные и даже абсурдные, например налить кока-колу в молоко. Некоторые команды различались только порядком слов: «Пусть собачка укусит змею» и «Пусть змея укусит собачку», «Положи мяч на сосновую ветку» и «Положи сосновую ветку на мяч» и т. д. Те же команды на таком же английском получала – для сравнения – девочка Аля (к началу эксперимента ей исполнилось 2 года). Она смогла правильно отреагировать на 64 % команд, Канзи – на 81 %. Правда, ему к этому времени было уже 8 лет. Описан случай, когда Канзи правильно понял предложение об обмене, выраженное условной конструкцией: «Канзи, если ты дашь эту маску Остину, я дам тебе его каши». Канзи, которому очень хотелось получить кашу шимпанзе Остина, с готовностью отдал тому свою игрушку – маску монстра – и снова показал на его кашу⁸³.

Таким образом, в том, что касается звучащей речи, главное отличие человека от его ближайших родственников – приматов – состоит в способности издавать членораздельные речевые звуки.

Но наличие членораздельных звуков все же нельзя считать определяющей характеристикой языка, поскольку жестовые языки глухих ни в коей мере не являются менее человеческими, чем языки звуковые.

Несомненно уникально количество слов, которые способны выучить люди: даже самый минимальный лексический запас человека насчитывает десятки тысяч единиц, тогда как «словарь» даже самых талантливых антропоидов исчисляется лишь сотнями знаков. Иногда встречаются упоминания о том, что Коко знает 1000 знаков, Канзи – 2000, а Панбаниша – 3000 (правда, в надежных источниках говорится лишь о сотнях знаков), но, даже если это и верно, все равно от человеческих возможностей это отличается на порядок. Впрочем, эта разница может осмысляться скорее как количественная, нежели качественная⁸⁴.

Итак, остается грамматика. Люди обычно не разговаривают репликами типа Пить чашка скорее пить скорее или Мама тыкву^[16] – слова в наших высказываниях не набросаны беспорядочной кучей, их употребление (в том числе и в жестовых языках, таких как амслен) подчиняется определенным законам. Слова могут изменять свою форму – как в зависимости от характеристик окружающей действительности (например, яблоко – если оно одно, но яблоки – если их много, ем – если это делаю «я», но едите – если это же действие производите «вы»), так и в зависимости от других, связанных с ними слов (как, например, в известной шутке: «если побежал, то заяц, а если побежала, то зайчиха»; другой пример: по-русски мы спасаем кого-то, а помогаем кому-то). Форма слова может зависеть от пола говорящего или слушающего, от степени уважения к тому, о ком говорится, от того, является ли объект съедобным или нет, и от множества других факторов. В рамках высказывания слова следуют друг за другом в определенном порядке; существуют и правила, регулирующие, какие слова могут влиять на какие другие. Например, в русском языке подлежащее может влиять на форму глагола-сказуемого, а дополнение – нет. А, скажем, в адыгейском языке на форму глагола-сказуемого влияет не только подлежащее и прямое дополнение, но и дополнение косвенное. Например, глагольная форма уахищэщт означает ‘он введет тебя в число их’ (как, допустим, в предложении «Английский язык выведет тебя в люди»): здесь у– означает ‘ты’ (в данном случае – в роли прямого дополнения при переходном глаголе), -а– ‘они’ (в роли косвенного дополнения), -х– указатель на место нахождения (в сплошной среде, т. е. внутри того, что выражено формой косвенного дополнения), -и– ‘он’ (в роли подлежащего при переходном глаголе – при непереходном форма была бы другой), -щэ– корень ‘вести’, -щт – показатель будущего времени⁸⁵.

И таких правил огромное множество, для каждого языка – свои; в ходе истории одни правила сменяются другими, какие-то правила появляются, какие-то исчезают⁸⁶. Существует гипотеза, что у людей есть врожденная универсальная грамматика (УГ) – генетически закодированный набор принципов, в соответствии с которыми могут быть устроены языки, и усвоение языка сводится лишь к пониманию того, какие именно из всех этих колоссальных возможностей реализованы в том конкретном языке, которым человек овладевает, – к чему-то, подобному установке переключателей на нужное значение тех или иных параметров^[17]. Как пишет знаменитый американский лингвист Ноам Хомский, «УГ – это система универсальных принципов, некоторые из которых содержат параметры, точки выбора, которые можно фиксировать на одной из ограниченного числа позиций. Конкретная грамматика, таким образом, сразу же выводится из УГ путем установки параметров определенным образом: итальянский, французский, китайский и т. д. – это непосредственные выражения УГ при определенных и различных наборах значений параметров»⁸⁷.

Аргументом в пользу этой теории служит прежде всего быстрое усвоение языка ребенком (в особенности – быстрое усвоение грамматики на третьем году жизни). Действительно, овладеть человеческим языком в совершенстве способен любой нормальный ребенок – несмотря на то что ему удается услышать сравнительно небольшое количество первичного языкового материала (в англоязычной литературе этот термин обозначается аббревиатурой PLD, Primary Linguistic Data). Кроме того, его не обучают специально грамматическим правилам и даже далеко не всегда поправляют (см. гл. 3).