Приключения латинского алфавита в разных языках. Почему польская и чешская латиницы такие разные? Польский szcz и чешские č, š, ž решают похожую задачу, но выглядят так, будто появились в разных мирах. Хотя языки близкие, обоим пришлось приспосабливать латиницу под звуки, для которых в исходном алфавите просто не хватало букв. В польском веками конкурировали разные способы записи, из которых постепенно сложилась система с диграфами и диакритикой. В чешском история повернула иначе: средневековая реформа сделала ставку на одну букву с дополнительным знаком вместо длинных сочетаний. Так sz и cz остались по одну сторону границы, а š и č — по другую. Но дело оказалось далеко не только в удобстве письма. На эти системы успели повлиять латынь, немецкий язык, церковь, гуситское движение и национальная политика. Поэтому история двух близких языков заодно объясняет, почему их латиницы сегодня выглядят настолько непохожими.

В древнегреческом языке не было специального слова для обозначения синего цвета. Отчасти, это миф - в 1858 году Уильям Гладстон (позже британский премьер) читал Гомера и заметил странности: море у Гомера «винно-цветное» (οἶνοψ πόντος) и решил дое разобраться. Он, не будь дураком, тут же предложил версию, что все греки были недоразвитыми, не различали вообще никаких цветов и у них вовсе не было цветовой дифференциации штанов, что, конечно, бред. Я же из этого наблюдения делаю два строго научных и обоснованных вывода: 1. В древней Греции уже была известна технология светодиодов. 2. В Древней Греции существовало Министерство Эргономики, которое на всякий случай запретило и калёным железом выжгло из умов и текстов само слово "синий" по заветам Оруэлла, чтобы наверняка. Думаю, последней каплей была какая-нибудь дикая подсветка Парфенона на китайских синих светодиодах, часть которых перегорела в первый же вечер. Заходит как-то грек в Пентёрочку и говорит кассиру - парламент винно-цветный, пожалуйста. Но что действительно интересно - в разных языках цвета появлялись в разное время и почти всегда в таком порядке: чёрный и белый → красный → зелёный/жёлтый → синий. Было такое исследование языков антропологом Брентом Берлином и лингвистом Полом Кэем, они это заметили первыми. Так что были какие-то пару веков на Руси, когда детей учили запомнинать цвета так - каждый охотник желает знать фазан. Министерство Эргономики

Приключения латинского алфавита в разных языках: английский, французский и немецкий Когда-то Mississippi вполне могло выглядеть как Miſsiſsippi, в английском алфавите жили бывшие руны, а знакомое Ye olde вообще не полагалось читать как «йе». Одного латинского набора букв европейским языкам довольно быстро стало мало. Англичане добавляли свои знаки и затем теряли их, французы обзавелись целой системой диакритики, а немцы сохранили ẞ и научились собирать для одного звука конструкции вроде SCHTSCH. Так знакомые 26 букв за века обросли правилами, исключениями и буквами-призраками, часть которых исчезла совсем, а часть до сих пор живёт в современных языках.

Как изобрели письменность? Часть девятая. Как корейцы разработали себе письмо по госпроекту и сделали его символом нации В середине XV века ван Седжон Великий задался утилитарной задачей. Крестьяне неграмотны, китайскую иероглифику знают только образованные элиты, а массово внедрить рациональные методы землепользования как-то надо. Придворной академии Чипхёнджон он поручил разработать письмо, которое любой крестьянин сможет освоить без долгого классического обучения. К 1446 году лингвисты выдали хангыль. Форма букв графически изображает то, что происходит во рту при произнесении звука, например ㄱ обозначает язык, поднятый к нёбу. Дальше начались приключения. Конфуцианские чиновники-янбаны считали новое письмо неподобающе простонародным и плели интриги ещё на стадии разработки. В 1504 году следующий ван и вовсе запретил хангыль официально. На четыре столетия он ушёл в тень как письмо женщин, которым конфуцианство не полагало образования, и городских простолюдинов. А потом внезапно стал символом нации.

Как изобрели письменность? Часть восьмая. Зачем японцам три с половиной системы письма в каждом тексте? В современном японском тексте кандзи соседствуют сразу с двумя слоговыми азбуками. Хирагана вся из мягких извилистых линий, катакана из строгих рубленых чёрточек, и функция у них по сути близкая. Логичнее было бы обойтись одной, но их именно две, и корни у них лежат в мирах, которые почти не пересекались. Одна азбука выросла из любовных писем и дневников скучающих придворных дам эпохи Хэйан, другая родилась в тишине буддийских монастырей. Дамам значения иероглифов были безразличны, монахам важнее было точно записывать сутры, и из этих двух непохожих задач проросли два разных письма. А до них японцы веками мучились с системой, где один знак читался четырьмя способами и на выбор давалось больше десятка иероглифов.

После выхода ChatGPT в ноябре 2022 люди стали писать иначе — под влиянием самого ChatGPT. Команда Pew Research проверила почти полмиллиона англоязычных страниц за пять лет и увидела, что слова вроде «delve», «testament» и «interplay» стали встречаться заметно чаще, тире — вдвое чаще, а оборот «это не X, это Y» — почти втрое. Оксфордская запятая прибавила 63%. Сейчас признаки машинного авторства есть уже у каждой десятой страницы: больше всего на .com, меньше всего на .gov и .edu, а в длинных постах LinkedIn их 41%. А дальше живые авторы стали от этих примет уходить. Руководитель работы Самуэль Бестватер встречал людей, которые теперь специально не ставят тире, чтобы их текст не приняли за нейросетевой. Получается, человек меняет свой стиль, лишь бы не походить на машину, — а машину до этого учили писать похоже на человека. «Delve» разошлось из-за обучения моделей. Том Юзек из Университета штата Флорида объясняет: оценщики раз за разом одобряли это слово как признак хорошей работы модели, и та стала употреблять его чаще. Кому-то из тех, кто размечал ответы, «delve» просто нравилось.

Мы говорим в том же ритме, что поют жаворонки Вопрос, который лингвисты и биологи задают давно: ритм нашей речи — уникальное человеческое изобретение или часть чего-то более общего? Международная команда взяла да и проверила это. Собрали записи речи на 48 языках со всех обитаемых континентов. Основа выборки — корпус DoReCo, где лежат в том числе редкие и малоизученные языки, до которых у большой науки обычно руки не доходят. И сравнили всё это с данными по коммуникации животных: рыб, тюленей, птиц. Чтобы сравнение было честным, нужна была общая единица измерения. Ею стали «интервалы между началами» — отрезок непрерывной речи плюс следующая за ним пауза. Штука в том, что именно этой мерой давно пользуются исследователи животных сигналов. Так человек и жаворонок наконец оказались в одной системе координат. Проанализировали больше 100 тысяч таких интервалов. Результат: во всех 48 языках средняя длительность оказалась около двух секунд. Ни языковая семья, ни особенности конкретного говорящего на это заметно не влияли. Дальше сравнили с животными — и человеческий ритм спокойно улёгся в тот же диапазон, что у капского морского котика, тёмного горбыля и полевого жаворонка. Откуда такое единообразие? Авторы кивают на физиологию: дыхание попросту ограничивает длину непрерывного отрезка речи. Свою роль может играть и объём рабочей памяти. То есть базовая временна́я организация нашего общения, похоже, растёт из механизмов, общих у людей и животных. Проще говоря, в том, как мы распределяем речь и паузы, мы куда ближе к птицам и тюленям, чем принято думать. @vselennayaplus

Чем меньше смешивались — тем разнообразнее говорят Логика подсказывает простое: где народы активно перемешивались, там и генов больше, значит, и языков должно быть больше. Исследователи из Университета Цюриха и Университета Кальяри проверили это на мировых данных и получили ровно обратное. Картина такая. Регионы, сформированные миграцией и смешением, действительно богаты генетическим разнообразием — но их языки структурно похожи друг на друга. А там, где популяции долго сидели в изоляции, генетическое разнообразие ниже, зато языки устроены куда разнообразнее. Как это считали. Взяли крупные генетические и лингвистические массивы данных и сопоставили генетическую вариацию между людьми со структурной вариацией между языками в каждом регионе. Отдельно вычли всё, что могло исказить результат: географическую близость, плотность населения, условия среды и глубокую историю популяций — вплоть до того, когда вообще был заселён континент. Механизм, по словам соавтора Кьяры Барбьери, довольно простой: контакт увеличивает генетическое разнообразие, но одновременно разгоняет распространение языковых черт — и языки становятся похожими. Изоляция ограничивает гены, но даёт языкам развиваться самостоятельно. Отсюда понятно, почему Новая Гвинея и Гималаи — мировые чемпионы по языковому разнообразию. Генетически они относительно изолированы, а структура их языков исключительно разнообразна. @vselennayaplus

Природа и классификация фразовых глаголов английского языка Представьте, что кто-то называет русское «зависеть от» или «смотреть за» особой грамматической конструкцией и заносит в отдельный список для заучивания. Звучит нелепо.Ровно это, по мнению автора скопусовской статьи, происходит с английскими look for, look after и depend on, которые записывают во фразовые глаголы, хотя это обычные глаголы с предлогом. Граница проходит тоньше, чем кажется. They got off the train и They got off выглядят почти одинаково, но в первом off — предлог, а во втором частица, и только второе предложение содержит настоящий фразовый глагол. Есть и ритмический признак, который объясняет, почему sync up живёт в языке, а synchronize up не существует, хотя sync и synchronize — одно и то же слово. Попробуем отличить настоящий фразовый глагол от самозванца.

Как изобрели письменность? Часть шестая. Индия: научно пересобрать алфавит в бесписьменном обществе К середине I тысячелетия до нашей эры Индия подошла почти без городов, без крупных государств, без развитой торговли и капитального строительства. Великие реки кормили и так, сложная ирригация с расчётами была не нужна. Практической нужды в письменности не было вообще — ни учёта, ни договоров, ни указов записывать. И именно здесь, а не в торговых Шумере или Египте, рождается первая научно сконструированная система письма. Брахманы боялись оговориться в ведийском гимне хоть на один звук, произнести «бх» без придыхания, и от одержимости точностью произношения выросли лингвисты, которые не приспособили чужой алфавит, а перепаяли его целиком под сложнейшую фонетику санскрита. Разберёмся, как страх ошибиться в ритуале превратился в самую продуманную письменность древнего мира.

Как изобрели письменность? Часть пятая. Арамейское письмо и его бесчисленное потомство на Востоке Арамеи теряются в истории так, что даже любитель древнего Востока не всегда сходу вспомнит, кто это и откуда. На фоне египтян, вавилонян и ассирийцев небольшие полукочевые племена где-то на территории нынешней Сирии. Сам народ давно ассимилировался и после арабских завоеваний растворился среди других, а живой арамейский остался лишь у горстки общин на стыке границ Турции, Ирана, Ирака и Сирии. При этом системами письма, выросшими из арамейского, сегодня пользуется около трети человечества. Из него произошли и арабская вязь, и еврейское квадратное письмо, и индийское брахми, из которого дальше развернулся букет письменностей вплоть до деванагари. Их письмо когда-то вытеснило клинопись с её двухтысячелетней традицией и стало языком межнационального общения для целых империй, от Ассирии до персидских Ахеменидов.

«Я попытался расшифровать манускрипт Войнича. Спойлер: не расшифровал — но выяснил, почему это не удалось и АНБ» Манускрипт Войнича почти сто лет отбивает атаки криптографов, лингвистов и штатных сотрудников АНБ, которые ещё в 1970-х официально признали задачу нерешённой. Без их квалификации и ресурсов, зато с чистым Python и транскрипцией всего текста, автор за полдня решил честно посчитать статистику вместо гадания по картинкам с русалками. Сначала всё сходилось на смысл. Кучность редких слов дала показатель 2.78, заметно выше английского эталона, будто слова кучкуются по темам, как в осмысленном тексте. Ровно на этом красивом числе обрывались все любительские разборы в интернете, и ровно здесь начинается самое интересное. Оставалось задать один вопрос, который меняет вывод на противоположный, и бессмысленная машина, собранная за тот же вечер, повторила почти весь эффект. Узнаем, какой вопрос убивает ложный сигнал и почему статистика текста в принципе не вскроет манускрипт.

M'athchomaroon! Наверняка вы смотрели Дюну или Игру престолов или просто слышали про вымышленные языки типа дотракийского, валерийского и чакобсы. И хоть названия этих языков и часть лексики придумали непосредственно авторы, то для сериалов их прорабатывал известный лингвист-конлангер Дэвид Петерсон. Он же делал это для десятков других популярных проектов и у него, кстати, есть классная книжка на эту тему. Почему бы не привлечь ИИ и сюда? Не просто для создания отдельных слов, а для поэтапной фиксации правил — какие буквы и звуки есть, как могут сочетаться, правила словообразования, синтаксис и т.д. Собственно, несколько исследователей подумали об этом, накидали немного кода и написали статью ConlangCrafter, которую приняли на ACL. Подошли к работе довольно системно, проверили консистентность перевода на получаемые языки, сравнили языковое разнообразие с естественными языками и т.д. Есть прикольные решения, например, если при переводе на ваш язык создаются новые слова, то они добавляются в текущий языковой набор (language sketch), автоматически расширяя его. Так что проект любопытный. https://conlangcrafter.github.io/

Как изобрели письменность? Часть вторая. Три с половиной тысячелетия египетской письменности от иероглифики до демотики Скажешь «египетское письмо», и в голове всплывают те самые торжественные знаки в камне, человечки и птицы на стенах храмов и обелисков. Загвоздка в том, что эта картинка описывает редкий парадный случай. Классическая иероглифика была скорее ритуальной системой для монументов, а повседневные тексты писали иначе. Больше 99% всего, что египтяне написали за три тысячи лет, оформлено не иероглификой. Вырисовывать каждого человечка и зверя на папирусе было долго, и писцы упростили фигуры до беглых линий. Получившееся письмо неспециалист сегодня даже не опознает как египетское, на глаз оно ближе к густой арабской вязи. А потом эту скоропись упростили ещё раз.

🔺 Сделал датасет Выложил небольшой датасет на языках России. 🟢 22 языка: алтайский, башкирский, бурятский, горномарийский, дигорский, кабардино-черкесский, калмыцкий, карачаево-балкарский, коми, кубачинский, марийский (луговой), мокшанский, орокский, осетинский (иронский), русский, татарский, удмуртский, хакасский, чувашский, чукотский, эрзянский, якутский. 🟢 По 1565 предложений в каждом. 🟢 Сделан по всем редакциям Маленького принца, которые собирали последние несколько лет + 3 новые (чукотский, карачаево-балкарский и дигорский). 🟢 Выравнивалось вручную при помощи lingtrain-aligner. Выверялось и корректировалось при помощи Fable. Посмотрели несколько редакций с носителями, одобряют. 🟢 В некоторых редакциях предложений не хватало, такие предложения были допереведены Fable на основе имеющейся лексики и помечены в отдельных колонках. Также была исправлена пунктуация на концах предложений для единообразия. Даёшь больше языковых датасетов! 👉 HF @doomgrad

Я тут в очередной раз услышал про герундий и собирался написать пост о том, что не признаю это понятие, потому что оно низачем не нужно и усложняет изучение английского языка. Решил для начала спросить у Гугля, зачем его вообще придумали, если это просто существительное. Ну, ответ так себе. Первый пункт тут бессмысленен, потому что «простое» и «перфектное» это не время. Последний тоже бессмысленен, потому что а что мешает к существительному приделать наречие? Только средний действительно по делу, но это проще считать правилом сочетаемости слов тем, чем целую теорию под это подводить и отдельную главу с умным словом проходить. Это я с точки зрения практического изучения иностранного языка говорю. Разумеется, если ты лингвист, то это всё интересно ковырять.

Очень лениво заниматься абсолютно всем. То ли я выгорел, то ли вконец офранцузился, то ли просто начинаю стареть — так или иначе, браться за любую задачу максимально влом. Тем не менее, есть три задачи, до которых, возможно, в ближайшие пару месяцев у меня дотянуться ручки: 1) Сделать лидерборд современных моделей по FLORES+, наподобие того, что мы недавно сделали для BOUQuET — чтобы для языков, добавленных во FLORES, но не вошедших в Букет, тоже была оценка наилучших доступных моделек. 2) Попробовать обучить свою COMET-подобную модельку для оценки качества перевода (настолько мультиязычную, насколько можно) и поучаствовать с ней в WMT2026. 3) Попробовать обучить хорошую базовую модель (хотя бы для перевода, а в идеале и для других задач) для нахско-дагестанских языков (чеченского, ингушского, лезгинского, даргинского, аварского). Буду писать, что получилось, по мере прогресса) Если есть желание как-то в этом поучаствовать, или просто дать какой-нибудь совет или просьбу, то пишите)