Заклинатель джиннов
Шрифт:
Я рассуждал на эта темы уже в троллейбусе, стиснутый моими ленивыми мечтательными согражданами как рубль в кулаке цыганенка. Песец с дамской шапки щекотал мне нос, чей-то локоть упирался в спину, острый край «дипломата» давил под копчик, но я терпел, обороняя сумку с документами, бутербродами и диском. Диск, к счастью, был упакован надежно, в металлический футляр, рассчитанный как раз на случай давки, мятежа, цунами, землетрясений и других катаклизмов, так что я за него не боялся. Беспокоился за свои ребра.
На остановке у Эрмитажа народ ринулся к дверям, а меня притиснули к сиденью, к какому-то старику в долгополом пальто и черной каракулевой шапке пирожком. Я взглянул на него и почувствовал, как замерло сердце. Я видел его лицо сверху и в профиль, и в этом необычном ракурсе он так походил на отца! Смугловатая кожа,
В те печальные дни я находился в Париже, на конференции по квантовой химии, и потому разыскали меня не сразу. Михалев Глеб Кириллыч – тот самый друг отца и коллега по писательскому ремеслу, обитавший в Графском – нашел мой телефон (мама уже лежала без сознания в реанимации) и принялся названивать в Кембридж, объясняя на пиджин-инглише и вологодско-французском диалекте, что у Сержа Невлюдова, ассистента профессора Диша, умер отец и умирает мать. Пока его поняли, пока разобрались, что он не шутит, пока связались со мной, пока я метался в поисках билета… Пока, пока, пока… Словом, когда я прилетел в Питер, все уже было кончено; дад и мама лежат в морге тридцать третьей больницы, а в пустой квартире жалобно мяукает забытый голодный котенок. Я не знал, не ведал, что родители завели кошку. Я и сейчас не знаю, какое имя они ей дали. Но в том ли суть?… Белладонна напоминает мне о них, и я ее люблю.
Троллейбус форсировал Дворцовый мост, остановился меж ростральных колонн и с облегчением изверг наружу десяток пассажиров вместе с Сергеем Невлюдовым. Сергей Невлюдов – то есть я – огляделся, отринул грустные мысли, почистил перышки и поскакал на истфак, прижав к груди сумку с драгоценным диском и своими дипломами. Вообще говоря, в здании истфака обитают еще философский и экономический факультеты, военная кафедра, а также университетская поликлиника, но историки доминируют над всеми, не исключая военных и докторов. Почему? – удивится какой-нибудь наивный веник. Но личность искушенная усмотрит в том неоспоримый и ясный смысл: история – это политика, а под ее дудку пляшут все: и философы, и экономисты, и генералы, и даже врачи-гинекологи. Во всяком случае, так повелось у нас в России.
Истфак, как и ожидалось, оказался на месте – стоял себе на Менделеевской линии, напротив Двенадцати коллегий, красуясь скромной своей колоннадой и заиндевевшими стенами, с которых осыпалась штукатурка. Впрочем, осыпалась она не первый год, а потому, не обращая внимания на эти мелочи, я юркнул в исторический вестибюль, стрелой промчался мимо буфета с туалетом и ринулся на второй этаж.
Моя поспешность была нелишней – буквально в пяти шагах, за Двенадцатью коллегиями, в старом университетском дворике, прямом и длинном, как атакующая анаконда, располагался дом не дом, терем не терем, но некое древнее капитальное строение, отданное щедротами ректората НИИ кибернетики. Вот в нем-то я и трудился, из дальних странствий возвратясь, и мог вполне нарваться на приятеля где-нибудь у исторического буфета или туалета. Конечно, у пас, кибернетиков, имелась своя столовая, но в буфете истфака встречались та-акие студенточки!… Вдобавок пиво там было на десять копеек дешевле, сметана гуще, сыр па бутербродах толще, и потому кибернетики исправно паслись на истфаке.
Я не хотел мозолить коллегам глаза. Сами понимаете: военкомат – святое дело; после него нормальный кадр должен кейфовать, вкушать шашлык и чебуреки, лечить нервы горячительным, а не шататься у служебных
Итак, я поднялся по лестнице, прошел по коридору с грязноватыми стенами и выщербленным паркетом в елочку, миновал кафедры новейшей истории России, просто истории России и истории политических учений (все три – догнивающие останки бывшей кафедры истории КПСС); срезал угол у лекционного зала, где кто-то бубнил о скифах и сарматах, и уперся в скромную дверь с надписью: «Кафедра древних культур». Эти культуры делились тут натрое: греко-римская, древнеславянская и все остальные. Бянус относился к остальным. Предметом его интереса были до-колумбовы цивилизации Месоамерики – ольмеки, толтеки, ацтеки и прочие инки да майя. В данное время он занимался расшифровкой узелковых письмен и жаждал осуществить этот научный подвиг с помощью какой-нибудь подходящей программы.
Разумеется, речь шла не о том, чтобы подать на вход закодированные условными символами тексты и получить на выходе индейский эквивалент «Одиссеи» или, скажем, «Слова о полку Игореве». Чудес на свете не бывает, и все обычные программы-переводчики могут работать лишь при наличии словаря и правил, фиксирующих соответствия между грамматическими конструкциями двух языков, – иными словами, эти языки должны быть вам известны. Если же язык мертв и существует лишь в виде непонятной письменности, иероглифов ронго-ронго или узелков на цветных веревочках, то разобраться с ним не проще, чем побеседовать с дельфином. В таких случаях ищут билингву – двуязычную надпись на какой-нибудь стеле вроде Розетского камня, где сообщается об одном и том же на двух языках, знакомом и неизвестном. Но если вы имеете дело с древней Америкой и Океанией, то этот метод неприменим – ведь в те края не добирались ни финикийцы, ни эллины, ни латиняне.
Тут надо идти тропинками поизвилистей, сплетая точный математический метод с эмпирикой и счастливой догадкой. На первом этапе неведомый текст, представленный набором символов, подвергают кластерному анализу, цель которого – распознать устойчиво повторяющиеся кластеры или смысловые группы. Предположим, что это слова или числа; чем больше таких кластеров вы ухитритесь найти, тем более полный словарь получится в результате. Разумеется, вам неизвестно, что означают все эти слова, но одни из них повторяются часто, другие – реже, а третьи – совсем редко. Это, само собой, примитивное качественное описание, а количественным будет частотная характеристика распределения кластеров, их статистический вес в текстах. Когда такая функция получена, вы можете предположить, что чаще всего повторяются слова «царь», «бог», «маис», «жертва» и, к примеру, «зарезать». Сообщив о своих догадках компьютеру, отправляйтесь пить кофе, ибо теперь начнется долгий и муторный процесс: перестановка значений между словами, их идентификация и попытка на этой основе разобраться с предложенным текстом. Возможно, через пару часов или суток вы получите одну-единственную осмысленную фразу, что-то вроде: «царь… бог… маис… жертва». Пляшите – ведь это великое достижение! Теперь вам осталось только заполнить пропуски между словами (конечно, от фонаря) и прочитать: «Царь возблагодарил богов за щедрый урожай маиса и повелел принести им жертву».
К сожалению, ваш коллега, пессимист и старый циник, интерпретирует эту надпись совсем иначе: «Царь неугоден богам, и солнце по их велению сожгло маис, несмотря на щедрые жертвы». Выяснить, кто же прав, можно только одним способом – снова запустить тексты в программу и посмотреть, в каком из двух вариантов получится больше осмысленных фраз. Итак, вы повторяете этот процесс снова и снова, и наконец коллега посрамлен: боги все-таки не поскупились на маис для индейцев. Теперь сядьте за стол и напишите дюжину статей.
Но у Бянуса – то есть у доцента Бранникова – дела до статей не дошли, так как он застрял на самом первом этапе, на поиске символьных групп. Он клялся и божился, что перекодировал свои узелки в символьную запись с величайшим тщанием, учитывая их расположение, размеры, способ вывязки, цвет и даже фактуру нитей. В результате каждый узелок был описан десятком признаков, а узлов этих насчитывалось двадцать тысяч без малого. С одной стороны, хорошо – большой исходный массив гарантировал приличную статистику; с другой, катастрофически плохо – ведь с матрицей двадцать на двадцать тысяч, заданной в десятимерном пространстве признаков, не справилась бы ни одна программа кластеризации.