То, что смысловая и морфологическая мотивированность существуют, очевидно. Тут не о чем спорить и нечего доказывать.

Но с третьим типом мотивированности — фонетическим — все гораздо сложнее. Поскольку мы, как правило, не осознаем фонетической значимости, то, естественно, не можем сознавать и фонетической мотивированности слова. Нужны специальные доказательства того, что звучание и значение слова стремятся к взаимному соответствию. Такие доказательства как раз и можно получить, вычисляя фонетическую значимость слов и сопоставляя затем полученные результаты с признаковым аспектом значения тех же слов.

Конечно, чтобы доказательства были убедительными, нужно «просчитать» многие тысячи слов, потому что в огромных лексических запасах языка всегда можно подобрать десяток-другой примеров для подтверждения любой гипотезы. Только большой материал выявит какие-то общеязыковые тенденции. И здесь на выручку приходит электронно-вычислительная техника, с помощью которой мы вычислили фонетическую значимость десятков тысяч слов (пока только существительных).

Давайте познакомимся поближе с работой ЭВМ. Слова для расчета берутся в «звукобуквенном» виде, т.е. из звуковых характеристик учитывается только мягкость согласных и ударение. Мягкость согласных машина определяет сама по простому правилу: согласные, которые могут быть мягкими и твердыми, смягчаются перед И, Е, Ю, Я и мягким знаком. А вот место ударения нужно каким-либо способом указать. Например, с помощью апострофа. Так что слова вводятся в машину в обычном печатном виде, только с отметкой об ударении.

Конечно, «звукобуквенная» форма слова отличается от звуковой. Например, слово любовь мы произносим как [л'убоф'], но с такой формой записи нам почему-то трудно согласиться, не так ли? Все же нам кажется, что после Л' звучит не совсем У, а на конце слова — не совсем Ф'. Это происходит потому, что на восприятие этого слова в сознании влияет его буквенная форма. Ведь пишется Ю, а не У. А Ю оценивается вовсе не так, как У. На конце слова пишется ВЬ, а в других его формах (любви, любовью) звучит вовсе не Ф', а В'. Поэтому нам покажется, пожалуй, более подходящей формой Л'ЮБОВ'. Именно в таком виде рассчитает это слово машина по формуле фонетической значимости F.

«Лексикон» машины, ее словарный запас — это хранящийся в ее памяти список шкал. Так что описать фонетическую значимость слова машина может только с помощью прилагательных, задающих шкалы. По каждой шкале она рассчитывает фонетическую значимость очередного слова и сама выбирает характеристики этой значимости.

Чтобы пояснить, как она это делает, напомним, что означают показатели F. Например, после вычислений оказалось, что звуковая форма слова апельсин получила по шкале «большой—маленький» оценку 3,5 (т.е. F=3,5), а слово арбуз — оценку 2,2. (Маркировка шкалы «большой — маленький»: 1 — очень большой, 2 — большой, 3 — никакой, 4 — маленький, 5 — очень маленький.)

Мы условились считать, что нейтральная зона шкалы занимает промежуток от 2,5 до 3,5. Поэтому все величины F, которые попадают в зоны от 2,5 и меньше и от 3,5 и больше, считаются значимыми.

Оценка 2,2 меньше, чем 2,5, следовательно, она значима и обозначает, что звуковая форма слова арбуз построена в среднем из «больших» звуков. Другими словами, фонетическая значимость слова арбуз может быть охарактеризована по этой шкале признаком «большой».

Оценка 3,5 тоже значима, следовательно, для звуковой формы слова апельсин формула F дает признак «маленький».

Оценки для слов вальс, ива, лицо попадают в нейтральную зону (2,6; 3,0; 3,4), поэтому по данной шкале звуковым формам этих слов нельзя приписать никакого признака, они «никакие». Вы скажете, что между оценками 2,6 и 3,4 все же большое различие, почему же мы одинаково считаем звучание слов вальс и лицо по данной шкале «никаким»? Возможно, что различие оценок в этом случае и отражает какие-то тенденции. Но не будем забывать того, что и средние оценки звуков и частотности звуков — величины вероятностные, т.е. подверженные случайным колебаниям.

Поэтому и формула F дает величины не абсолютные, а вероятностные. В таком случае каждой из этих величин нужно обеспечить простор для возможных колебаний. Зоны шкалы и создают такой простор. Вот мы и считаем, что промежуток от 2,5 до 3,5 необходим и достаточен для случайных колебаний «нейтральной точки» (3,0), а если отклонения выйдут за эти границы, они перестанут быть случайными — окажутся значимыми.

Отсюда легко вывести четкое правило для машины: если для некоторого слова по данной шкале F<2,5, то для характеристики фонетической значимости слова выбирается первый антоним шкалы, если F>3,5 — второй. По этому правилу машина отбирает из своего лексикона признаки и печатает их с указанием соответствующих величин F. Например, результат анализа фонетической значимости слова бык выглядит так: БЫК — большой (2,0), грубый (4,0), мужественный (4,0), темный (3,5), сильный (2,4), громкий (2,3), могучий (2,2).

Поскольку этот набор характеризует содержательность звуковой формы, а не значение слова, то нет надобности, скажем, согласовывать признаки со словами в роде или числе. И если для слова белка по шкале «быстрый — медленный» F=2,4, то соответствующий признак приписывается слову в форме «быстрый», а не «быстрая», потому что это признак звучания комплекса б'-е-л-к-а, но не зверька под названием «белка».

Однако понятно, что результаты такого «автоматического» анализа имеют смысл только в том случае, если полученные характеристики содержательности звучаний слов сопоставляются с характеристиками признакового аспекта их значения.

Такую, казалось бы, «сознательную» часть работы тоже может выполнить электронно-вычислительная машина, если, конечно, мы дадим ей необходимую информацию о признаковых аспектах значений слов, причем информация должна быть выражена количественно. А для этого необходимо измерить признаковое значение слов. И желательно получить результаты измерения в тех же единицах, в которых уже измерена фонетическая значимость слов.

А что это за единицы? Во всех наших измерениях такими единицами являются деления шкал. Так, может быть, измерять признаковые значения слов на тех же признаковых шкалах? Оказывается, вполне возможно. Например, мы задаем информантам шкалу «хороший—плохой» в точно таком же виде, как для измерения значимости звуков (очень хороший — 1, хороший — 2, никакой — 3, плохой — 4, очень плохой — 5), и предлагаем для оценки не звуки, а слова. Информанты, понятно, будут реагировать отнюдь не на звучание, а на значение слов, и мы измерим как раз то, что хотели, — признаковый аспект значения. Причем средние оценки будут получены в тех же единицах шкалы, что и для звуков!

Так, по ответам информантов средняя оценка для слова дом составляет 2,2. Это значит, что в коллективном сознании носителей языка со словом дом связано представление о чем-то хорошем. Показатель фонетической значимости звукового комплекса того же слова (F) оказывается равным 2,3, т.е. звучание этого слова тоже оценивается как «хорошее». Сопоставив эти две цифры (2,2 и 2,3), можно уверенно сказать, что по этому признаку звучание и значение слова дом находятся в соответствии.

Имея в своей памяти оценки признакового значения слов, машина легко сопоставляет их с вычисленными ею оценками фонетической значимости тех же слов и делает вывод о сходстве или различии сравниваемых аспектов. Такой способ сопоставления точен и объективен.

Но у нас с вами несколько иная задача. Мы хотим обнаружить фонетическую мотивированность слов, проследить за взаимоотношениями между их звучаниями и значениями, и готовые «машинные» ответы мало нам в этом помогут. Будет гораздо нагляднее, если мы станем оперировать не цифрами, а непосредственно содержательными характеристиками звучания и значения.