Самый первый этап – это акустический. В последнее время учёные дискутируют, фонема или слог является строительным блоком языка. Лингвисты традиционно считают, что фонемы. Иначе говоря, звуки, которые отличают слова. Сравните слова дом и дым, пыл и пыль, кот и код. Всего один звук, и мы уже говорим о другом предмете. Одни и те же фонемы в другой последовательности дают нам уже другое слово – кот и ток.

Каждый язык имеет свой относительно небольшой набор звуков. Среднее число – 50. Все звуки делятся на гласные и согласные. При произнесении гласных воздух проходит из лёгких и гортани свободно без препятствий, а при произнесении согласных поток воздуха натыкается на какую-то преграду – губы, язык, зубы.

Самое маленькое количество гласных зафиксировано в языке йимас (Yimas, Папуа, Новая Гвинея) – всего две. Самое большое – в немецком – 14. Среднее число – 6. В британском английском – 13, а в русском – 6. Что касается согласных, то здесь среднее число – 22. Самое маленькое число – 6 в языке ротокас (Rotokas, Папуа, Новая Гвинея) – /p, t, k, b, d, g/, а самое большое 122 – в къхонг (!Хоо, Ботсвана). К согласным здесь приписали звуки-щелчки. В русском языке – 34 [14] , [15] .

При распознавании фонем возникает ряд сложностей. Во-первых, мозг должен выделить только уникальные свойства фонемы, а остальное отбросить. Во-вторых, независимо от того, кто говорит – ребёнок, мужчина, женщина, как говорит – тихо, громко, высоким или хриплым голосом. Одна и та же фонема в комбинациях с другими фонемами звучит иначе. Например, фонема [д] в слогах ди и да. В слове лодка из-за согласного к мы слышим и произносим [лотка], водка – [вотка], код – [кот], встал в три – [фстал ф три]. В-третьих, невероятная скорость речи. Мы произносим 10–15 фонем в секунду при нормальном темпе речи, при быстром – 20–30 фонем. Получается 300 слогов в минуту, один слог в 200 миллисекунд.

Левое полушарие – специалист по быстрым изменениям звуковой волны. Оно работает в диапазоне 20–50 мс и различает фонемы. А правое работает с более длинными участками информации – 150–300 мс, различает слоги.

Фонемы объединяются в слоги. В одних языках возможны такие слоги, как согласный-гласный (СГ), в других – такие как ССГСС. Например, в чешском языке возможны такие комбинации фонем, которые не встретишь в русском или английском: prst – палец, trh – рынок, vlk – волк.

Дэвид Поппель (David Poeppel) – профессор Нью-Йоркского университета. С 2014 года руководит департаментом неврологии Института эмпирической эстетики Макса Планка. Изучает основы слуховой обработки, восприятия и понимания языка в мозге [16] , [17] .

Профессор Нью-Йоркского университета Дэвид Поппель (David Poeppel) [18] с коллегами записал спектрограмму предложения Коты и крокодилы не играют вместе (Cats and crocodiles don’t play together) и магнитоэлектроэнцефаллограму (МЭГ) людей во время прослушивания этого предложения. Спектрограмма показывает непрерывную волну звучащей речи. Когда мы читаем текст, мы видим пробелы между словами. А когда его слышим, мозг сам должен их найти. Он нарезает звуковую волну на части, вставляет пробелы между словами, чтобы потом достать из памяти их значения.

Рис. 8 Спектрограмма предложения Коты и крокодилы не играют вместе (Cats and crocodiles don’t play together). (Скриншот видеолекции на Youtube https://www.youtube.com/watch?v=-1su5DWUYXo&feature=youtu.be)

Когда учёные совместили спектрограмму и энцефалограмму, оказалось, что звуковая волна идёт вверх и вниз, а мозг серфит по ней. Мозг ужасно чувствителен к любым изменениям этой волны и подстраивается под неё.

Рис. 9 Энцефалограмма следует за спектрограммой речи. (Скриншот видеолекции на Youtube https://www.youtube.com/watch?v=-1su5DWUYXo&feature=youtu.be)

То же самое установили для разных языков – английского, китайского. французского, немецкого, датского, и разных типов речи – аудиокниг, разговоров, интервью.

Пик волны вне зависимости от текста, языка, от говорящего приходился на 4–5 Гц. Это средняя длительность слога в разных языках. Чтобы проверить, есть ли определённая частота для слов и предложений, группа Поппеля провела эксперимент на разных языках – мандарине, английском, еврейском, французском, немецком, итальянском. Исследователи подобрали односложные слова длительностью 250 мс. Из них создали словосочетания и предложения. Людей поместили в МРТ, проиграли им всё это. Большой пик активности пришёлся на 4 Гц. И ещё два пика – на уровне словосочетания и предложения. Затем испытуемые прослушали слова и предложения на чужом языке. Мозг англичанина не реагировал на китайские предложения. Получается, что мозг в режиме реального времени конструирует словосочетания и предложения.

Рис. 10 Конструирование лингвистических структур, восстанавливаемое мозгом в режиме реального времени. (Скриншот видеолекции на Youtube https://www.youtube.com/watch?v=-1su5DWUYXo&feature=youtu.be)

Так что же считать строительным блоком языка – фонему или слог? Это зависит от языка, точнее его письменности. Например, для английского, датского, русского и персидского языков важны фонемы. В этих языках они передаются буквами или их сочетаниями. А вот носители китайского языка в первую очередь реагируют на слоги.