Текст уведомления здесь

От цифры к смыслу

О цифровых методах в гуманитарных науках

Шутки про невозможность пересечения гуманитариев и «матана» становятся все менее смешными в мире интернета, социальных сетей и больших данных. Методы компьютерных наук проникают в науки гуманитарные, заставляя лингвистов, архивистов и культурологов осваивать программирование, а в вузах появляются программы подготовки «цифровых гуманитариев». Корреспондент «Чердака» выяснил, как математика и цифровые инструменты меняют науки о человеке, обществе и культуре.
Добавить в закладки
Комментарии

Количество против качества

К 1960-м годам историки поняли, что информацию можно извлекать не только из традиционных источников — грамот, указов и дневников, но и из налоговых отчетов, записей в податных книгах и медицинской статистики. Отдельные записи в них не представляют ценности для исследователя, но, взятые в большом количестве, они дают прекрасный материал для статистического анализа.

В 1964 и 1974 годах экономист Роберт Фогель выпустил две сенсационные научные работы — «Железные дороги и рост американской экономики: эссе по эконометрической истории» (Railroads and American Economic Growth: Essays in Econometric History) и «Срок на кресте: экономика рабства американских негров» (Time on the Cross: The Economics of American Negro Slavery), которые перевернули два традиционных представления — об исключительной необходимости железных дорог для роста американской экономики во второй половине XIX века и о полной неэффективности рабского труда на юге США.

Роберт Фогель. Фото: Michael Fogel / Wikimedia Commons / CC BY-SA 3.0

Роберт Фогель. Фото: Michael Fogel / Wikimedia Commons / CC BY-SA 3.0

Исследования Фогеля показали, что дороги особой роли не сыграли и их легко можно было заменить водными путями, а рабство оказалось весьма эффективным и поддерживало доходы населения южных штатов на уровне развитых стран того времени. Рабство, таким образом, пало исключительно по социальным и политическим причинам.

К выводам обоих исследований ученый пришел, построив математическую модель на основе исторической статистики. В 1993 году он совместно с Дугласом Нортом получил за .это Нобелевскую премию. Фогель и Норт стали одними из основоположников клиометрики — применения методов математики и статистики в исторических исследованиях. Позже в СССР, например, сложилась целая школа количественных методов, основанная Иваном Ковальченко.

Клиометрические модели сделали возможным сослагательное наклонение в истории. «С именем Фогеля связано контрфактическое моделирование: добавляем в математическую модель фактор, которого не было, или убираем фактор, который точно имел место, и смотрим, что будет. Это позволяет понять действительную значимость или незначимость этого фактора», — говорит доцент Пермского государственного университета, сотрудник центра цифровой гуманитаристики и лаборатории исторической и политической информатики Динара Гагарина.

С 1950-х годов статистические методы начали применять в языкознании, а в 1960-е годы, задолго до эпохи массовой компьютеризации и поисковых систем, для этой области знания появился специальный термин — корпусная лингвистика.

Социология, которую традиционно относят к общественным наукам, была задумана Огюстом Контом как точная («социальная физика»). Максимальной точности социологи пытались достичь, применяя статистику. Правда, быстро стало понятно, что сама по себе статистика мало что дает без понимания смысла, причин и следствий исследуемых процессов.

«По мере развития истории и философии науки, те, кто ими занимается, стали задаваться вопросом: а есть ли вообще разделение общественных и не общественных, естественных и „не естественных“ наук? Это лишь две категории или целый спектр? Исследования науки показали, что некоторые области, традиционно считающиеся естественнонаучным (например, медицина), по тому, как в них устроено взаимодействие ученых, гораздо больше похожи на социологию, чем на физику», — говорит кандидат социологических наук, профессор факультета политических наук и социологии Европейского университета в Санкт-Петербурге Михаил Соколов.

Похоже, математические методы были актуальными для некоторых гуманитарных дисциплин «до того, как это стало мейнстримом». Появление интернета, компьютеров, гаджетов, поисковых систем и социальных сетей не совершило переворот в этих науках, но дало ученым новые инструменты: науку о данных (data science), интеллектуальный анализ текста (text mining), геоинформатику. Так появились «цифровые гуманитарии».

Зонтичный бренд

Термин digital humanities возник в начале 2000-х. Он оказался удачным: соответствовал «цифровому повороту» в обществе и был достаточно понятен для фондов и госструктур, чтобы просить у них деньги на проекты в этой области, считает Динара Гагарина.

На русский digital humanities обычно переводят как «цифровые гуманитарные науки» или «цифровая гуманитаристика». Определений у этого термина не один десяток, и, обобщая их, можно сказать, что DH — это все виды применения информационных технологий и математических методов к решению задач в гуманитарных дисциплинах. Сюда же относят популяризацию гуманитарного знания с помощью digital-инструментов (яркий пример — проект «1917. Свободная история»). «В некотором смысле digital humanities — это „зонтичный бренд“, объединяющий компьютерную лингвистику, историческую информатику и другие отраслевые информатики», — считает Гагарина.

Одно из видео проекта «1917. Свободная история»

По словам Динары Гагариной, цифровые гуманитарные науки решают два типа задач. Первый — сохранение и расширение доступа к историко-культурному наследию, второй — разработка средств анализа данных и сам анализ.

Впрочем, некоторые эксперты относятся к «цифровой гуманитаристике» скептически. «Digital humanities — просто модный термин, описывающий любую работу гуманитария, в которой участвует компьютер. Но какая работа сегодня делается без него? В итоге термин описывает и совершенно новые направления, и традиционные. Например, работы по оцифровке архивов, безусловно, полезны. Но называть это новым направлением, которое перевернет все, довольно сомнительно. Источники публикуются уже века два, а теперь мы просто стали вывешивать их в интернете. Но зато digital humanities вызывают позитивные ассоциации у спонсоров и позволяют просить деньги на проекты», — считает Соколов.

Big data для гуманитариев

Цифровой инструментарий, появившийся в распоряжении гуманитариев, довольно обширен. Когда вы видите новость из серии «Ученый подсчитал вероятность смерти персонажей в «Игре престолов», будьте уверены, что к тексту книги или сценарию сериала применили теорию графов. На ней базируется одна из ключевых техник современной социологии — анализ социальных сетей, который изучает связи между объектами социальной реальности: пользователями, группами, институтами. Если же вам попадается интерактивная карта письменностей, культур или исторических событий, значит специалисты соединили данные гуманитарных наук с геоинформационной системой.

Но, пожалуй, самая сложная и быстро развивающаяся область компьютерных наук, проникшая в гуманитарные науки, — технологии big data — больших, непрерывно генерируемых объемов данных разной степени структурированности.

«Большие данные появляются без запроса со стороны исследователя, просто потому что бизнес и государственные ведомства организуют рабочие процессы через информационные системы, которые автоматически накапливают информацию. Люди пользуются социальными сетями, мобильными телефонами, совершают покупки и расплачиваются банковскими картами. Все это оставляет следы, к некоторым из них ученые получают доступ, что и позволяет проводить научные исследования», — говорит младший научный сотрудник Института проблем правоприменения Европейского университета в Санкт-Петербурге Катерина Губа.

На больших данных построено машинное обучение: с их помощью нейросети учатся распознавать изображения и писать стихи, а алгоритмы поисковых систем — выдавать релевантные результаты. «Такому поисковику, как Яндекс, требуются миллионы событий, производимых миллионами людей, чтобы он выдавал нужный результат. Каждое из этих событий совершенно неинтересно. По правилам статистики они обретают смысл, только когда их много. Система учитывает десятки тысяч параметров, и формулы, которые это высчитывают, невероятно сложные», — говорит руководитель службы компьютерного зрения «Яндекса» Александр Крайнов.

По его словам, чтобы обучить нейросеть, необходимы фундаментальные математические знания, сильные аналитические способности, понимание теории алгоритмов и умение программировать. Поэтому классическим анализом данных применительно к ИИ пока занимаются в основном специалисты-«технари».

Но к данным можно подступиться и с другой стороны, и тогда мы говорим о data mining — извлечении полезной информации из «тысяч тонн информационной руды». Для этой задачи достаточно понимать теорию вероятностей и математическую статистику. К тому же для «добычи данных» появляется все больше удобных инструментов, что делает их привлекательными для гуманитарных исследований.

Анализ данных больше в чести у лингвистов, социологов и экономистов. В качестве их источника обычно выступают всевозможные электронные базы данных. Например, исследование Михаила Соколова о городских практиках культурного потребления основано на анализе системы городских библиотек ИРБИС, а Катерина Губа, изучающая, какие ученые и как ссылаются друг на друга, работает с базами научных статей Web of Science и Scopus.

Иногда в руки исследователей попадают нетипичные источники, такие как личная переписка сотрудников компании Enron, в которой содержится 600 тысяч (по другим данным — 1,6 миллиона) сообщений 158 работников высшего звена. Она представляет интерес не только для специалистов в машинном обучении, но и для лингвистов.

Большие данные помогают исследователям, когда их можно формализовать, а также найти критерий для поиска закономерностей. Одно из известных исследований на эту тему — о влиянии поведения пользователей в Facebook на политический процесс, проведенное на 60 миллионах американцев.

Специалисты искали ответ на вопрос, как одни люди влияют на решения других людей, в частности, сходить на выборы конгрессменов. 60 миллионам человек в новостной ленте показали баннер о выборах с кнопкой «I voted» (англ. «я проголосовал»). В этом сообщении не только была информация, где проходят выборы, но и показывались профили людей из числа друзей пользователя, которые уже проголосовали.

Увидев сообщение, люди могли сами нажать на кнопку и тем самым рассказать другим о том, что они проголосовали. Оказалось, что люди, которые видели это сообщение у себя в ленте, действительно делали это чаще, чем те, кому не сообщали, что их друзья нажали «I voted». При этом изменение в поведении наблюдалось у тех, кто видел среди проголосовавших своих самых близких друзей, а вот посторонние люди на поведение пользователей никак не повлияли. Так большие данные показали, что мнение близких нам людей способно влиять на наше политическое поведение.

Анализ больших данных проникает и в юриспруденцию. Судебная статистика обширна, а канцелярский язык максимально формализован, что позволяет ученым применять к ним машинное обучение. Так, команда аналитиков научила искусственный интеллект предсказывать решения Европейского суда по правам человека на основе анализа его предыдущих решений.

Наконец, благодаря большим данным в лингвистике стало возможным появление новых изданий Шекспира: с помощью машинного обучения на корпусе текстов британского драматурга отделили фрагменты текста, написанные им самим, от тех, что созданы соавторами.

Не панацея

Как и любой инструмент, большие данные не делают науку лучше сами по себе. Их ценность зависит от исследователя, который решает, как эти данные структурировать и по каким признакам отбирать.

«Но предположим, показатель для изучения выбран. Как его измерить? Хорошо физикам — у них есть килограммы и метры в секунду, а вот у историков и философов они есть не всегда. Да, некоторым областям истории повезло чуть больше: относительно легко, если есть данные источников, измерить смертность и ВВП, поэтому именно историческая демография и экономическая история претерпели наибольшую по сравнению с остальными областями истории трансформацию в связи с внедрением математики. Но как измерить уровень политической культуры или культуры в стране вообще, геополитический статус, стилистическую близость произведений искусства или текстов? Ответы на эти вопросы не всегда очевидны и общеприняты», — говорит Динара Гагарина.

Бывает, что большой объем данных не так уж и нужен для получения хорошего результата. «У больших данных перед традиционной статистикой — опросами — только два преимущества. Во-первых, они позволяют оценить значимость слабых эффектов, — объясняет Михаил Соколов, — а если эффект сильный, его видно и на небольшой выборке. Можно получить информацию о связи роста, пола и массы тела и выяснить, что мужчины тяжелее и выше женщин. Мы можем установить эту закономерность, обмерив 1000 человек, а можем получить доступ к файлам ВОЗ, если им придет в голову обмерить семь миллиардов. Но если закономерность есть, она будет видна и на тысяче человек».

«Если же связь слабая, возникает проблема с объяснением результатов. Допустим, мы обсчитали всю криминальную статистику и достоверно установили, что для людей, рожденных в мае, вероятность быть замешанными в преступлении с применением сексуального насилия на 0,001% выше, чем для тех, кто родился в ноябре. Возможно, эта информация имеет какую-то ценность для страховых агентств. Но для социальных наук она сама по себе бесполезна, поскольку социальные науки стараются найти объяснения, а тут объяснений бесконечно много. Может, дело в том, что годовые циклы сексуального поведения у разных социальных и этнических групп отличаются. А может, освещение в первые годы жизни влияет на темперамент. Это в лучшем случае отправная точка, но у социологов уже сколько угодно таких отправных точек в виде куда более сильных необъясненных корреляций», — продолжает Соколов.

Поэтому big data не дает специалистам ничего принципиально нового. Ведь в отличие, например, от древней истории проблемы социологии никогда не были связаны с недостатком данных.

«Если историки найдут в Помпеях манускрипт, сравнимый с „Историей“ Тацита, наше представление об истории Рима, вероятно, перевернется. Но в случае с социологией, экономикой или психологией наша проблема не в том, что данных нет — их было слишком много уже в XIX веке. Проблема в воображении исследователя — в том, насколько грамотно он сможет вычленить полезные паттерны, основываясь на опыте и знании теории, а большие данные сами по себе в этом совершенно не помогают», — поясняет социолог.

Второе же преимущество больших данных в том, что они дешевле и доступнее для изучения. Произвести обычный репрезентативный опрос для всей страны один аспирант не может, а качать поля «интересы, любимая музыка/фильмы/книги» из соцсети ВКонтакте — запросто.

«Мы можем скачать миллион профилей ВКонтакте, но лучше ли этот массив, чем традиционно собираемые опросы? Нет. Главная проблема больших данных — мы толком не знаем, характеристики какой группы они отражают. Чем отличаются те, кто завел аккаунт, от тех, у кого его нет, какую часть населения они представляют и тому подобное».

Где этому учат

Специализированные курсы и программы по анализу данных для гуманитариев в России только начинают появляться. Программа, где вам предстоит изучать историю и антропологию наравне с программированием и дискретной математикой, есть в Сибирском федеральном университете, цифровыми технологиями в гуманитарных исследованиях можно заняться в созданном на базе ТГУ несколько лет назад Центре социально-политических исследований технологий. Факультеты и программы подготовки по корпусной лингвистике есть в НИУ ВШЭ, СПбГУ и НГУ. Активно применяют анализ данных исследователи Европейского университета в Санкт-Петербурге. Специалистов по «Интеллектуальным системам в гуманитарной сфере» учат в РГГУ. В Пермском госуниверситете есть Центр цифровой гуманитаристики.

В Высшей школе экономики с 2017-го учебного года запускается проект Data Culture, и для всех специальностей гуманитарного факультета станет обязательным курс «Цифровая грамотность». Он состоит из лекций и семинаров, на которых студенты будут учиться прикладным навыкам, например, как программировать на Python.

«Сейчас инструменты машинного обучения и анализа данных стали настолько доступными, что не нужно быть семи пядей во лбу, чтобы выучить язык программирования. Иногда и он не нужен, так как есть визуальные инструменты. Задачи, с которыми к нам приходят специалисты из других областей, обычно не такие сложные, как обучение нейросети, машинный перевод или компьютерное зрение, — говорит соруководитель специализации «Машинное обучение и приложения» на факультете компьютерных наук ВШЭ и руководитель группы качества рекомендаций и анализа контента «Яндекса» Евгений Соколов.

По его словам, понять математический фундамент анализа данных в рамках такого курса, скорее всего, не получится, но вполне можно научиться работать с инструментами как пользователь.

Сила в сотрудничестве

Справедливости ради, цифровые инструменты все же видоизменяют гуманитарные науки. Главным образом — ускоряют поиск информации и ее обработку. А также позволяют в некоторых случаях перейти от описания к измерению.

«Студенты-историки на моих парах постоянно говорят: „История, люди, общество слишком сложны, чтобы их измерять“. К сожалению или счастью, это не так. С большой долей уверенности можно сказать, сколько людей родится, умрет, женится или поступит в университет в следующем году. Жизнь общества и поведение людей измеримы и моделируемы, иначе не работали бы политические и рекламные технологии», — говорит Динара Гагарина.

«Нужно ли гуманитариям осваивать математику и computer science? Это будет сильно зависеть от конкретной области, — рассуждает Михаил Соколов. — В литературоведении, философии и значительной части истории ни большие данные, ни статистика, ни программирование не являются необходимыми навыками. Но в социологии требования к знанию статистики, конечно, стали гораздо выше, а статистика — более продвинутой, чем 20 лет назад».

Динамическая карта ГУЛАГа. Проект Центра цифровых гуманитарных исследований НИУ ВШЭ

«Я не считаю, что каждый должен уметь программировать или владеть матметодами, — считает Гагарина. — Достаточно хорошо владеть одной технологией — той, которую вы будете использовать. Но важно понимать спектр современных возможностей для вашей науки, чтобы правильно поставить задачу и решать ее совместно с программистом или математиком».

Ученые согласны, что для действительно сложных проектов, связанных, с нейросетями и машинным обучением, удобнее всего обратиться к профильному специалисту. Цифровые гуманитарные науки ориентированы на сотрудничество ученых из разных областей, это проектно-ориентированная область, где большая часть работы должна производиться в коллаборациях.

Вне всякого сомнения, важность знания, полученного такими методами, будет повышаться, но ценность гуманитарной экспертизы — понимания смысла событий и причин явлений — не ослабеет, и даже, вероятнее, повысится, так как данных уже сейчас невероятно много, но сделать из них корректные выводы без понимания широкого социокультурного контекста невозможно.

«В ситуации с большими данными обычно нет никаких проблем, чтобы привести примеры их пользы для внешнего мира, — говорит Катерина Губа. — О научных достижениях пока говорить сложнее. За последние пять лет появилось множество статей о больших данных, но в них пока больше можно встретить разговоры о прекрасном (или ужасном) новом будущем. Настоящие прорывы все еще впереди».

Добавить в закладки
Комментарии
Вам понравилась публикация?
Расскажите, что вы думаете, и мы подберем подходящие материалы
Фрагмент Королевских ворот в Хаттусу, столицу Хеттской империиStylone / Фотодом / Shutterstock

Бронзовый коллапс, или Куда делись все эти люди

Чем был вызван кризис средиземноморских цивилизаций три тысячи лет назад

В конце второго тысячелетия до нашей эры в Греции и на Ближнем Востоке — в Месопотамии, в Древнем Египте, в Сирии, в Малой Азии — творились очень странные дела. Великие царства бронзового века одно за другим уходили в небытие, из ниоткуда появлялись новые народы, хроники повествовали о нашествиях, голоде и прочих бедствиях. Историки долго предпочитали винить во всем «народы моря», но теперь, благодаря археологическим данным, полученным в последние годы, у нас, кажется, есть основания иначе отвечать на вопрос, кто виноват в коллапсе «бронзовых» цивилизаций.
Добавить в закладки
Комментарии

Как рассказывает профессор Эрик Клайн из Университета Джорджа Вашингтона, директор Капитолийского археологического института, автор книги «1177 BC: The Year Civilization Collapsed», Средиземноморье позднего бронзового века представляло собой мир, очень похожий на современный, — глобализованное пространство с торговыми нитями, опутавшими всю ойкумену, то есть все страны, составлявшие на тот момент европейскую цивилизацию.

Торговые и культурные связи второго тысячелетия до нашей эры обеспечивали единый высокий технологический уровень городов Греции и Ближнего Востока во всем: в кораблестроении, в архитектуре, в обработке металлов. Чтобы показать протяженность и устойчивость торговых путей бронзового века, достаточно сказать, что олово для выплавки бронзовых изделий поступало, скорее всего, из Афганистана, а медь брали на Кипре.  Города были оснащены системами водоснабжения, инженерный уровень которых античным грекам тысячу лет спустя и не снился.

Все это откатилось назад со страшной скоростью в кратчайшие по меркам истории сроки, чтобы сбросить с древнего мира бронзовый век и позволить ему войти в новый век — железный, в ту историю, которую мы изучаем в школе.

За относительно короткое время — в древнеегипетских надписях зафиксирован промежуток от 1207 до 1177 года до нашей эры — весь прекрасный бронзовый мир растворяется. Торговые связи рушатся. Из известных нам царств бронзового века в более-менее нетронутом виде остается Египет, который теряет контроль над Сирией и Палестиной. Вавилон и Ассирия сохраняют разве что локальное значение. Исчезает микенская цивилизация. Разрушена Троя. [ ... ]

Читать полностью

Взяли в голову

Как паразиты управляют поведением своих хозяев

Паразитов часто обвиняют в пассивности. Дескать, они ничего не делают сами, а только все забирают у своих несчастных хозяев. Но это большое и неверное упрощение. На деле избравшему скользкую дорожку тотальной зависимости от другого приходится постоянно напрягаться, чтобы держать партнера под контролем. Управление жизнедеятельностью организма, как известно, осуществляет нервная система. Поэтому любой паразит стремится в первую очередь захватить власть над ней. Даже если у него самого нет ни малейшего намека на мозг.
Добавить в закладки
Комментарии

Паразитам, как и всем остальным живым организмам, в первую очередь требуется энергия. Она приходит в виде пищи. А ее источником для паразита, даже если он растение, по определению служат другие организмы. Истинный (на языке науки — облигатный) паразит не может отделиться от своего хозяина без потери жизнеспособности, а если уж делает это, то обычно в особо устойчивой форме для расселения, имеющей крайне заторможенный метаболизм и не нуждающейся в пище.

Короче говоря, единственный источник еды для паразита — его хозяин. По этой причине убивать его быстро крайне нежелательно: во-первых, это автоматически делает запас ресурсов конечным, а во-вторых, умерший и гниющий хозяин отравляет самого паразита. Зато имеет смысл делать так, чтобы хозяин наращивал массу, звал знакомых, дабы они тоже (ничего такого не подозревая) инфицировались, и размножался с условием, что потомки паразита заселятся в его детей.

Конечно, никому не понравится добровольно отдавать часть сил какому-то там нахлебнику. Поэтому тот, кто хочет  полностью жить за чужой счет (а у облигатных паразитов и нет другого выбора), должен «ступать осторожно и говорить шепотом». Откусывать от хозяина необходимо по чуть-чуть, да еще делать вид, будто он сам на это согласился. Можно даже давать ему что-нибудь полезное взамен — в таком случае источник пищи прослужит дольше и не надумает жаловаться. [ ... ]

Читать полностью

Попробуй спеть мертвую песню

Как и зачем лингвисты восстанавливают звучание клинописных стихов

Из шумер в греки: кто научил Гомера сочинять стихи? Ученые из Института языкознания вместе с коллегами из Института русского языка, МГУ и Вышки пробуют восстановить звучание стихотворной речи на шумерском, аккадском и хеттском, читая клинописные тексты второго тысячелетия до нашей эры.
Добавить в закладки
Комментарии

«Встала из мрака младая с перстами пурпурными Эос…» — так или как-то похоже начинал в гомеровские времена какой-нибудь сказитель свое повествование о войнах и странствованиях. Что заставляло его переходить на поэтический язык? Почему нельзя было проще — что-то вроде «Рано утром молодая Эос с пурпурными перстами встала из мрака»? Почти любой древний эпос в основном представляет собой стихи, и не случайно. Стихотворная форма: ритм, рифма, поэтические формулы — была необходима при устной передаче длинных текстов. Зачем? Да просто потому, что иначе человеку — сказителю — трудно запомнить большие объемы текста. Попробуйте выучить наизусть «Войну и мир» и согласитесь, что «Евгения Онегина» учить значительно проще.

Кроме этого, древний эпос еще и часто складывался из отдельных частей-сюжетов, которые в более раннюю эпоху могли существовать как отдельные истории с теми же или иными героями. Такие истории как будто склеивали в единый длинный рассказ. Это тоже вызвано условиями, продиктованными необходимостью устной передачи: из относительно независимых сюжетов складываются строительные блоки длинного повествования, которые передаются из поколения в поколение и запоминаются благодаря ритмизованным структурам и формулам. Склеить разнородные блоки можно с помощью одинаковых зачинов, одинаковых героев, одинакового ритма речи, строения сюжета. Так и устроены древние сказания, которые читали нараспев или, может быть, даже пели «древние старцы», один из которых нам известен под именем Гомера.

При этом гомеровский эпос, да и в целом древнегреческая поэзия, устроены довольно сложно. Очевидно, что этой традиции предшествовала большая предыдущая культурная традиция, идущая из обширного, единого в культурном отношении региона — древнего Ближнего Востока и Малой Азии II тыс. до нашей эры, времени позднего бронзового века, времени великих царств древности, времени, предшествовавшего «темным векам» начала I тыс. до н.э., когда рушились эти самые великие царства и начиналась куда более знакомая нам цивилизация, описанная в Библии и древнегреческой литературе.

Итак, чтобы быть услышанным и усвоенным последующими поколениями, эпос дописьменной эпохи должен быть поэтическим — изложенным так, чтобы при произнесении вслух возникал некий ритм, и построенным из «строительных блоков» отдельных сюжетов. Именно такими, вероятно, были сказания, сложенные в Месопотамии и зафиксированные в первых письменностях мира, на шумерском и аккадском языках, в третьем и втором тысячелетиях до нашей эры. Например, эпос о Гильгамеше собрали из шумерских сказаний аккадцы где-то в XVIII веке до нашей эры. Достоверно известно, что в те времена уже была музыка, под которую пели песни; в шумерском языке есть слова, обозначавшие песни; найдены клинописные таблички, записи которых, вероятно, позволяют реконструировать звучание шумерской и аккадской музыки; в археологических раскопках, в частности в раскопках города Ур, обнаружены лиры, а энтузиасты даже пытаются делать их копии и играть музыку, которая звучала четыре с половиной тысячи лет назад — до строительства египетских пирамид и Стоунхеджа. Безусловно, традиция напевного повествования под лиру была известна по всему Ближнему Востоку еще 5 тысяч лет назад. [ ... ]

Читать полностью