Палеография: на стыке лингвистики и истории. И причем тут нейросети?

Представьте себе: вы лингвист. Или историк. Вам в руки попадает древняя рукопись — скажем, пергаменная. Скажем, какое-нибудь Евангелие или Стихирарь (книга, содержащая богослужебные тексты), например, что-то вот такое:

Материал замечательный, но что мы можем по нему узнать (и неважно, кто мы: историки или лингвисты), если у нас не будет информации о том, когда и где создан документ? Конечно, немало документов, датированных напрямую. Есть и те, которые датируются по косвенным признакам, но вполне однозначно: например, знаменитое Мстиславово Евангелие, созданное в Новгороде по заказу — угадайте кого? — новгородского князя Мстислава. Да, напрямую оно нигде не датируется, однако информация о заказчике (известная из других исторических источников) дает нам вполне приличный диапазон дат, когда оно могло быть написано.

Однако большая часть документов, которые мы находим, не датируется ни напрямую, ни по косвенным признакам. И тогда на помощь приходит палеография.

Палеография — это вспомогательная дисциплина, которая занимается определением времени и места создания письменных памятников и руководствуется внешними признаками. Есть простые критерии: например, материал, на котором написан текст. Пергаменные (да, материал называется именно пергамен, а не пергамент — это не опечатка) рукописи обычно старше бумажных. Но и тут, вообще говоря, не все так просто: скажем, в Москве перешли на бумагу несколько раньше, чем в других регионах.

Но основной и наиболее точно датирующий критерий — это почерк. Кажется, достаточно заметно даже для неискушенного читателя, что почерк в следующем документе отличается от почерков на картинках выше. Разница между этими документами — в два-три века.

Славяно-русская палеография занимается письменностью трех славянских православных народов: русских (восточнославянский язык), болгар (южнославянский) и сербов (западнославянский). Конечно, нас в первую очередь интересуют восточные славяне, но не стоит забывать, что как устный язык, так и письменности влияют друг на друга и в изоляции ничего рассматривать нельзя.

Итак, каков же основной механизм работы палеографии? Все очень просто. Точно датированные рукописи формируют дискретную шкалу — то есть на хронологической шкале расставляются засечки. Определяются основные черты, свойственные каждому периоду времени и динамика их изменения. И после этого в недатированных рукописях находят эти черты и определяют, к какому примерно периоду можно их отнести. Конечно, точный год таким образом вряд ли определишь, на интервал с точностью иногда даже до нескольких десятков лет — вполне. Примерно так же решается и вторая задача палеографии — отнесение рукописи в какому-либо месту ее написания.

Попробуем разобраться, как приметы разных эпох могут взаимодействовать между собой, и как это поможет в датировании.

Ну, для начала, изменения делятся на эволюционные (накапливающиеся постепенно) и революционные. Примеры революционных изменений в письменности — это переход с глаголицы на кириллицу в X-XII вв., переход к гражданице в петровское время.

Революционные изменения прекрасны тем, что дают по крайней мере одну точную границу: не позднее или не ранее такой-то даты. Однако, конечно, большая часть изменений накапливается постепенно. Кроме того, возникает еще проблема, связанная и индивидуальными особенностями почерка каждого конкретного писца: как у нас с вами почерки иногда различаются кардинально (мы пишем, например, буквы «д» или «т» совершенно по-разному), так и несколько сот лет назад различались.

Поэтому при разногласиях разных свидетельств, конечно, выбирается то, которое говорит о самой поздней дате написания. Это логично: какие-то архаичные черты в своем почерке человек запросто может сохранять (особенно тот, который занимается переписыванием не первый десяток лет), а вот такое, чтобы он внезапно обрел способности провидца и стал использовать элементы, которые в письменности еще не появились, случится вряд ли.

Примет времени существует великое множество. Какие-то буквы изменялись с течением времени больше, какие-то — меньше, но совсем неизменными не остались практически никакие. Кроме графики менялась, конечно, и орфография.

Предположим, в нашей рукописи есть две яркие датирующие приметы. Как они могут соотноситься друг с другом?

Во-первых, подтверждать друг друга. Скажем, написание «И» как «Н» и написание «Н» как «N» сообщает нам о том, что рукопись создана в конце XI-XII вв. Приметы, подтверждающие друг друга — это здорово, но, к сожалению, такое положение дел не дает хорошей точности: любая примета говорит о довольно широком интервале дат.

Во-вторых, приметы могут друг друга опровергать. Это уже интереснее. Допустим, мы имеем бумажную (то есть достаточно позднюю) рукопись, а в почерке не наблюдаем ни одной приметы позднее XII века. Что это? Попытка стилизации? Внезапное случайное появление бумаги в месте создания рукописи, когда во всех остальных местах все еще писали на пергамене? В случае, когда приметы друг друга опровергают, приходится искать какое-либо этому объяснение, будь оно историческое или лингвистическое. А если таковое не находится — что ж, придется признать факт фальсификации.

И в-третьих, приметы могут свидетельствовать об интервалах, совпадающих совсем немного: то есть одна примета только-только появляется, а вторая — наоборот, уже почти исчезла. Это наилучшая ситуация, поскольку позволяет датировать документ иногда с точностью до десятка лет!

Если все приметы объединяются в несколько больших групп, то появляется смысл говорить о типах кириллических почерков: это устав, полуустав и скоропись. Между ними нет четкой границы (особенно между уставом и полууставом), но если взять самых ярких представителей каждого из почерков, то разница станет очевидна (примеры устава — выше):

Устав (XI-XIV вв.) — почерк эпохи письменности литургического характера. Письмо считается делом богоугодным, поэтому важно писать красиво, торжественно. При этом религиозные тексты сами по себе известны, так что четкость и понятность даже не всегда оказываются на первом месте. Отсюда характерные черты устава: архитектурность линий, малое количество сокращений, геометричность.

Полуустав (XV-XVII вв.) — это по сути несколько упрощенная и приспособленная к реальной жизни версия устава. Рамки использования письменности расширяются, становится необходимо писать больше, быстрее, понятнее. Как следствие, полуустав теряет геометричность и каллиграфическую строгость, буквы потихоньку начинают плясать, появляется наклон, и в целом почерк становится меньше и проще.

Ну, а скоропись (XVII-… вв.) — это то, чем пользуемся мы с вами. Письмо для практических целей, широко распространенное, легко осваиваемое — конечно, со всеми вытекающими особенностями, о которых и писать-то нет смысла. Откройте свои тетради и конспекты — и увидите их во всей красе.

Все это уже несколько веков пристально разглядывает дисциплина палеография. Сидят ученые, листают рукописи, разглядывают монеты, печати и надгробия, пишут научные работы.

И все же, вопрос, вынесенный в заглавие. Причем тут нейросети?

А нейросети тут при том, что сейчас в палеографии, как и в остальных социально-гуманитарных дисциплинах, весьма печально обстоят дела с объективностью. Почему мы датируем рукопись N тем или иным годом? Потому только, что так считают люди, которым свойственно заблуждаться, ошибаться, быть некомпетентными или подгонять действительное под желаемое. Конечно, это не значит, что нельзя верить никаким научным работам, но раз уж разговор идет о реальной серьезной науке и достаточно сложном процессе — датировании — требующем анализа огромного множества признаков в совокупности, то хочется максимальной объективности.

Сейчас нейросети кажутся тем самым решением, которое может эту объективность обеспечить. Как это должно работать? Нейросеть можно обучить на точно датируемых документах (их достаточно много для этой цели) — и заставить предсказывать по крайней мере век написания недатированного документа. Что интересно: совершенно не важно станет, какие именно признаки указали на какой-либо период времени.

Ведь сверточная нейросеть работает подобно человеческому мозгу: «смотрит» на изображение и сначала определяет геометрические примитивы и делает какие-то выводы, потом — простые объекты (и снова делает выводы), потом — более крупные, и так далее, пока не сможет определить и весь поданный объект.

Только ведь человек не всегда осознает, как именно он понял, что перед ним. Как мы различаем лица? Как понимаем, что перед нами не табуретка, а стол? Если напрячься, мы сможем разложить на составляющие мыслительный процесс, приведший нас к какому-то выводу. Но на самом деле этот вывод мы сделали, не задумываясь о том, как, — можно назвать это интуицией или насмотренностью. Так же и нейросеть.

Почему использование нейросетей для датирования документов действительно повышает объективность? Потому, что для нейросети есть способы измерения точности ее работы: на части размеченных данных она обучается, а еще на части — тестируется ее работа (то есть сравнивается предсказание нейросети с реальностью и подсчитывается процент попаданий). А для людей, увы, точность померить будет сложнее: вряд ли какое-нибудь светило науки согласится посидеть пару дней и податировать уже датированные рукописи с единственной целью — проверить свою компетентность.

Задача датирования рукописей лежит где-то на стыке CV и NLP — если вы интересовались нейросетями, то хоть раз встречали эти аббревиатуры: computer vision и natural language processing, то есть обработка изображений и естественного языка. Это как раз то, ради чего и были придуманы нейросети, так что перспективы их использования в палеографии выглядят очень даже многообещающе.

Вот такую вот замечательную задачу — на стыке аж трех наук: истории, лингвистики и математики — дает нам палеография.

Вера Городилина, преподавательница кафедры русского языка АПО