У собак нашли человеческий принцип восприятия речи: почему животные ориентируются на согласные звуки

Звуковая волна человеческой речи не содержит физических пауз между словами. На аудиограмме разговорная фраза выглядит как непрерывный сигнал с меняющейся амплитудой и частотой. Паузы в естественной речи возникают для вдоха или смыслового разделения предложений, но внутри отдельных фраз слова перетекают одно в другое без каких-либо акустических пробелов.

Чтобы понимать речь, мозг должен непрерывно решать задачу сегментации — делить сплошной звуковой поток на отдельные слова. Взрослый человек делает это автоматически, но физиологические и математические механизмы этого процесса долго оставались предметом споров среди лингвистов и нейробиологов.

Главная трудность сегментации связана с физическими свойствами звуков. Гласные звуки акустически заметнее согласных: они громче, длятся дольше и содержат существенно больше звуковой энергии. Гласные формируются свободным прохождением воздуха через голосовые связки и открытый рот, что создает сильный резонанс. Согласные звуки, напротив, возникают при смыкании или сближении органов речи (губ, языка, зубов). Они тише, короче и часто состоят из быстрых шумов или резких щелчков.

Логично было бы предположить, что мозг слушателя должен ориентироваться на самые громкие и физически заметные элементы потока — на гласные. Именно так поступают младенцы в первые месяцы жизни, а также обезьяны: при анализе звуков они опираются на гласные. Однако уже к концу первого года жизни человек полностью перестраивает восприятие. Взрослый мозг начинает использовать согласные звуки как главные ориентиры для определения границ слов. В науке это явление называют смещением в сторону согласных (consonant bias).

Долгое время считалось, что такое смещение — чисто человеческая черта, которая возникает только вместе с освоением языка, грамматики и словарного запаса. Предполагалось, что без внутренних языковых знаний мозг не способен игнорировать физическую громкость гласных ради информативности согласных.

Исследовательская группа из Будапештского университета имени Лоранда Этвёша (ELTE) доказала, что это представление ошибочно. В статье, опубликованной в журнале Science, ученые продемонстрировали: домашние собаки (Canis familiaris) при анализе незнакомой человеческой речи демонстрируют точно такое же смещение в сторону согласных, что и люди. Чтобы вычислять границы слов по согласным звукам, животному не требуется владеть речью — достаточно самого факта регулярного нахождения в речевой среде.

Почему объектом исследования стали собаки

Для проверки природы речевой сегментации ученым требовалось животное, которое постоянно слышит человеческую речь, но при этом само не обладает способностью говорить и не использует синтаксис. Лабораторные животные (крысы или живущие в вольерах обезьяны) для этого не подходили: их слуховой опыт изолирован от естественного языка человека.

Домашние собаки оказались оптимальной моделью по трем причинам. Во-первых, они живут в человеческих семьях и ежедневно слышат речь в самых разных контекстах. Во-вторых, предыдущие поведенческие и томографические эксперименты уже доказали, что собаки распознают отдельные слова, различают интонации и способны извлекать простые статистические закономерности из звуков. В-третьих, у собак существует естественная разница в истории жизни: одни попадают к людям щенками, а другие проводят первые месяцы или годы жизни на улице или в приютах, где контакт с речью сведен к минимуму. Это позволило проверить, зависит ли работа слухового анализатора от возраста, в котором животное начало слышать человеческие разговоры.

Механика эксперимента: искусственный язык без подсказок

Чтобы исключить влияние знакомых слов, интонаций и контекста, авторы работы создали искусственный речевой поток. Он состоял из бессмысленных трехсложных псевдослов (например, «бенико», «мозите», «пуфуга»).

Все звуки синтезировались компьютером со строгими физическими параметрами:

• длительность каждого отдельного звука (фонемы) составляла ровно 125 миллисекунд;
• длительность каждого слога составляла 250 миллисекунд, что задавало слоговой ритм 4 герца (четыре слога в секунду);
• длительность каждого псевдослова из трех слогов составляла 750 миллисекунд, что соответствовало частоте 1,33 герца (одно слово каждые 0,75 секунды).

В сгенерированном аудиоряде полностью отсутствовали привычные речевые подсказки. Слова не выделялись паузами, ударениями, изменением высоты тона или перепадами громкости. Гласные звуки во всех условиях оставались громче согласных и несли основную часть звуковой энергии. Распознать границы слов можно было только одним способом — вычислить математическую закономерность, с которой звуки следовали друг за другом.

Исследователи составили три варианта звукового потока:

1. Поток со структурой на основе согласных. В этом условии слова объединялись устойчивыми тройками согласных звуков (например, цепочки б_н_к_, м_з_т_, п_ф_г_). Гласные внутри этих слов непрерывно менялись. Слушатель мог определить границы слова, только если отслеживал повторение согласных.
2. Поток со структурой на основе гласных. Здесь закономерность строилась на гласных звуках (например, цепочки _е_у_а, _о_е_у), а согласные между ними постоянно заменялись новыми.
3. Случайный поток (контроль). Те же слоги воспроизводились в абсолютно хаотическом порядке, где не было никаких постоянных слов или закономерностей.

Как измеряли реакцию мозга

В исследовании приняли участие 20 взрослых людей и 20 взрослых домашних собак различных пород. Главным методом стала неинвазивная электроэнцефалография (ЭЭГ). На головы участников помещали электроды, фиксирующие суммарную электрическую активность нейронов коры. Чтобы сопоставление было корректным, ученые анализировали показатели трех электродов, расположенных по средней линии черепа в анатомически схожих зонах мозга у человека и собаки.

Для обработки сигналов ЭЭГ авторы применили два независимых инструмента:

1. Межпробная когерентность (Intertrial Coherence, ITC). Этот параметр измеряет фазовую синхронизацию мозговых волн: насколько одинаково нейроны коры активируются в ответ на ритмически повторяющийся стимул. Если мозг не понимает структуры и слышит хаос, нейроны разряжаются несинхронно, и когерентность близка к нулю. Если мозг успешно группирует три слога в одно слово, в электрической активности появляется устойчивый пик на частоте слов — ровно 1,33 герца.
2. Связанные с событиями потенциалы (Event-Related Potentials, ERP). Это анализ амплитуды электрического ответа мозга в строго заданные отрезки времени после начала стимула. Исследователи сосредоточились на интервале от 350 до 550 миллисекунд после появления первого звука слова. В нейрофизиологии этот диапазон связывают с компонентом N400 — показателем того, что мозг идентифицировал смысловую или структурную речевую единицу.

Результаты измерений: избирательность слуха собак

Данные измерений показали, что мозг человека и мозг собаки обрабатывают эти стимулы принципиально схожим образом, но с важным отличием в глубине восприятия.

У людей синхронизация нейронов на частоте слов (1,33 Гц) возникала при прослушивании обоих структурированных потоков. Человеческий мозг сумел обнаружить границы слов как по гласным, так и по согласным звукам. Однако реакция на поток с постоянными согласными оказалась достоверно выше. Это подтвердило, что взрослый человек всегда отдает приоритет согласным, даже если может вычислить закономерность и по гласным.

У собак проявилась крайняя форма этой избирательности:

• В потоке с постоянными согласными мозг собак показал четкую и сильную синхронизацию на частоте слов 1,33 Гц (p < 0,001). Животные уверенно объединяли слоги в слова, когда ориентиром служили согласные.
• В потоке с постоянными гласными синхронизация полностью отсутствовала. Показатели мозговой активности собак в этом тесте ничем не отличались от реакции на полностью случайный, хаотичный набор слогов (p = 0,238).

Анализ потенциалов ERP подтвердил этот результат: в окне от 450 до 550 миллисекунд электрический ответ мозга собак был резко выражен для слов из постоянных согласных и полностью отсутствовал для слов, построенных на гласных.

Собачий мозг оказался полностью нечувствителен к закономерностям, основанным на гласных звуках, но мгновенно вычислял скрытые правила, заданные согласными.

Проверка гипотезы о раннем возрасте: приют против дома

В психолингвистике общепринята теория критического (или сенситивного) периода развития. Считается, что способность эффективно анализировать звуки речи может сформироваться только на раннем этапе жизни, пока мозг обладает максимальной пластичностью. Если этот период упущен, слуховая система утрачивает гибкость.

У собак период первичной социализации завершается очень рано — примерно между 12-й и 14-й неделями жизни. Исследователи разделили протестированных животных на две группы:

• 11 собак были взяты в дом щенками (до 12 недель) и росли в постоянном контакте с человеческой речью;
• 9 собак провели первые месяцы жизни в условиях изоляции от регулярной речи (в уличных стаях или приютах) и попали к владельцам уже взрослыми.

Статистический анализ показал отсутствие различий между группами (p = 0,588). Собаки, лишенные постоянного речевого окружения в щенячьем возрасте, вычленяли слова по согласным с той же эффективностью, что и выращенные в семьях с рождения.

Это доказывает, что механизм статистического анализа звуков не зависит от узких возрастных окон. Способность извлекать закономерности из звукового потока работает на протяжении всей жизни животного и активируется по мере накопления слухового опыта.

Разница в частотах: слог целиком или звуки по отдельности

Несмотря на одинаковое предпочтение согласных, детальный частотный анализ выявил границу между возможностями человеческого и собачьего мозга.

Исследователи изучили активность мозга участников на двух других частотах:

1. Частота 4 герца соответствует длительности одного слога (250 миллисекунд). На этой частоте и у людей, и у собак была зафиксирована четкая нейронная синхронизация. Мозг обоих видов легко фиксирует чередование слогов, поскольку на этой скорости меняется общая громкость речевого сигнала.
2. Частота 8 герц соответствует длительности отдельного звука внутри слога (125 миллисекунд). Здесь проявился разрыв: мозг человека уверенно синхронизировался с частотой 8 Гц (p < 0,001), тогда как у собак отклик на этой частоте полностью отсутствовал.

Человек способен воспринимать звуки внутри одного слога по отдельности: слуховая кора фиксирует переход от начального согласного к последующему гласному за доли секунды. Мозг собаки не отслеживает эти сверхбыстрые переходы внутри слога. Для нее минимальной единицей звукового потока служит слог целиком.

Именно этим объясняется неспособность собак распознавать слова, построенные на постоянных гласных. В потоке, где гласные оставались одинаковыми, согласные звуки внутри слогов постоянно менялись. Поскольку собака воспринимает слог как неделимый акустический блок, каждый слог с новым согласным звучал для нее как абсолютно новый, незнакомый сигнал. В результате мозг животного не мог связать слоги между собой и воспринимал дорожку как бессмысленный шум.

Физика звука и история одомашнивания

Почему мозг млекопитающего, не умеющего говорить, отдает предпочтение тихим согласным звукам? Ответ лежит в области теории информации и эволюционной истории псовых.

С точки зрения передачи информации согласные звуки гораздо функциональнее гласных. Препятствия, которые речевой тракт создает на пути воздуха при произнесении согласных, формируют резкие перепады спектра. Эти перепады служат четкими метками, указывающими на смену одного элемента сообщения другим. Гласные звуки из-за широкого и плавного резонанса легко смешиваются с фоновым шумом окружающей среды, затухают при удалении от говорящего и сильно искажаются в зависимости от акустики помещения. Опора на согласные позволяет слуховой системе игнорировать физическую нестабильность гласных и выделять устойчивую последовательность данных.

Кроме того, важную роль сыграла сама история одомашнивания собаки. Дикие родственники собак — волки — в естественной среде используют преимущественно гармонические, гласноподобные звуки с выраженной тональностью: вой, скулеж, рычание. Эти сигналы оптимизированы для передачи на большие расстояния в лесу или степи, но имеют низкую информационную плотность.

В ходе совместной эволюции с человеком акустический репертуар собаки резко изменился. Главной формой вокализации стал лай — громкий, короткий, широкополосный шумовой сигнал с резким началом. По своей физической структуре собачий лай гораздо ближе к согласным звукам человеческой речи, чем к вою предков. Постоянная жизнь рядом с человеком и отбор на понимание сигналов привели к тому, что слуховая система собаки приспособилась к выделению наиболее информативных акустических маркеров из человеческого разговора.

Значение для когнитивных наук

Результаты исследования меняют представления о фундаментальных механизмах языка. Долгое время лингвисты считали смещение восприятия в пользу согласных звуков продуктом специализированных языковых модулей мозга, доступных только человеку разумному.

Эксперимент на собаках показывает, что первичная обработка речи опирается на более древние и универсальные механизмы статистического обучения. Мозгу не требуется знать значение слов, владеть абстрактными категориями или понимать грамматику, чтобы распределить входящие звуки по степени их информационной значимости. Под воздействием внешней звуковой среды нейронные сети способны самостоятельно настраиваться на вычисление вероятностей и находить границы дискретных смысловых отрезков.

Это подтверждается и исследованиями современных больших языковых моделей (LLM): искусственные нейросети, обучаясь на терабайтах текстов, также вырабатывают внутреннее предпочтение к согласным звукам при сегментации фонетических потоков, не обладая при этом биологическим телом или языковым сознанием.

Собака слушает человеческую речь не как хаотичную эмоциональную мелодию. Ее слуховая кора проводит непрерывный анализ звуковых частот, отбрасывая громкие гласные звуки и используя цепочки согласных, чтобы разделить сплошной акустический сигнал на отдельные структурные единицы.

Источник: Science