Манускрипт Войніча. Маньчжурський кандидат

Манускрипт Войніча (МВ або VMS) називають чашею Грааля криптографії. За декілька сотень років тисячі людино-днів було витрачено та продовжують витрачатися у спробах розгадати його зміст та переклад. Причому намагалися люди дуже різні, в тому числі видатні світові криптографи. Поки що виходить не дуже. Дві з невеликим сотні пергаментних сторінок, невідомий алфавіт, невідома мова, каліграфічний впевнений почерк, десятки рисунків невідомих рослин та оголених жінок, що купаються у дивних каналах, зодіакальні астрологічні діаграми — безліч зачіпок, але поки нічого, що дозволило б дешифрувати рукопис. Для будь-кого, хто хоч трохи спробував порозгадувати гачки, МВ є ідеальною головоломкою — яка не має поки відомої розгадки.

Сторінка 16v

Бачив декілька місяців тому пост на Хабрі про ацтекську мову та ботаніків, які розпізнали декілька центральноамериканських рослин, але все-таки дістану з чернеток свої записи. Їх ціль — познайомити читачів зі світом розгадувачів VMS та моїм не дуже глибоким аналізом однієї з відносно недавніх гіпотез — про маньчжурську мову манускрипта.


Прогулятися по сканам високої роздільної здатності можна тут: Voyage the Voynich Manusript

Вперше з МВ я познайомився із давньої статті в паперовій Комп'ютеррі, але трохи позайматися ним захотілося зараз, після інтерв'ю Лента.ру з автором останнього дослідження Марчелло Монтемурро, опублікованим на PLoS One. Раджу ознайомитися зі статтями у Вікіпедії та Комп'ютеррі та інтерв'ю на Ленті.

Граф статистичної пов'язаності між частинами манускрипта — рисунок зі статті Монтемурро

За історію розгадування рукопису з'явилася сила-силенна гіпотез про її мову — від європейських (одною або їх суміші) та близькосхідних до зовсім рідкісних та далеких, типу давньояванської або індіанських, носії яких з Європою 15 століття не контактували; не обійшлося і без перекладу з давньоукраїнської. Одні з останніх «проривів» початку цього року — це розшифровка десятка слів британським лінгвістомСтівеном Бексом та спроби прив'язати деякі рисунки та підписи до центральноамериканських ендеміків та індіанських мов. Також чимало дослідників зневірилися та вирішили, що текст — підробка або нісенітниця, абракадабра, створена з метою напустити туману або вразити покупців. Але все ж тих, хто вірить, що МВ — реальний зашифрований текст — набагато більше. Є причини вважати, що це так:
1. Наявність складної структури тексту. Як і всі реальні мови, МВ підкоряється закону Ципфа, тобто частота слова обернено пропорційна його порядковому номеру у відсортованій за частотою послідовності.
2. За ентропійними характеристиками текст близький до європейських мов — латинської, англійської

Пам'ятається, в одній з автобіографічних книг Річарда Фейнмана описується його аналіз альбомних листів нібито невідомих книг з ієрогліфами Майя. У тому оповіданні Фейнману досить швидко вдалося розколоти підробку за допомогою статистичних оцінок та логічних міркувань. Далі він із захватом фантазує — як було б чудово, якщо хтось наважився б створити по-справжньому круту підробку, з урахуванням всіх закономірностей в таких текстах. Якщо комусь колись така підробка вдалася — то це МВ.

У 2003-2004 деякий польський дослідник Збігнев Банасік (Zbigniew Banasik) запропонував маньчжурську версію. Посилань на нього, окрім його листа про Войніча, я не знаходив, лише при написанні цієї статті знайшов публікацію у польській газеті. Google дає переклад, це аматор-лінгвіст та поліглот із села під Вроцлавом… Він запропонував трансляцію алфавіту манускрипта у латиницю та дав початкове тлумачення першої сторінки. Перша сторінка манускрипта 1r — одна з головних цілей атак на VMS, вважається, що розгадавши хоча б її частину, можна отримати ключі до всього рукопису.

Коротка довідка про маньчжурську мову.

Є стаття російської Вікіпедії. Коротко, маньчжури — народ, що жив у північній частині сучасного Китаю та трохи далекосхідній Росії, родом з Прибайкалля та Алтаю. Більш древня назва — чжурчжені. У 17 столітті напали та захопили Китай, спалили Шаолінь, заснували династію Цин, яка правила до початку 20 століття. У цей період офіційний документообіг Піднебесної вівся маньчжурською мовою, у китайських архівах скупчилося колосальне число документів, до яких у дослідників не дійшли руки. Вважається, що хороший історик-китаїст повинен опанувати маньчжурську хоча б для того, щоб прочитати найважливіші документи епохи в оригіналі. З 17 століття у маньчжур був оригінальний алфавіт, але потім вони перейшли на китайські ієрогліфи. Китайці сильно розвинули мову завойовників, додали в неї безліч слів, перевели на маньчжурський Дао Де Цзин та військовий трактат Сунь-Цзи, та в кінці 19 століття успішно асимілювали Маньчжурію. Зараз майже всі маньчжури говорять китайською за виключенням невеликої відособленої народності Сібо. Вже в кінці 19 століття маньчжурську мову вважали вимираючою, зараз її можна вважати майже мертвою.

Історично в Росії XIX ст. склалася потужна школа маньчжурознавців, яка, як пишуть, здала в XX ст. через війни та революції. У мережі можна знайти скан у pdf глибоко пророблений «Повний маньчжурсько-російський словник» І.І. Захарова видання 1875 р. Але в даному випадку зручніше користуватися оцифрованим маньчжурсько-англійським словником Дж.Нормана. Тут можна послухати пісеньку ARKI UCUN з латинським підрядником. Як я зрозумів, назва перекладається на зразок «давайте вип'ємо» або якось подібно.

Маньчжурський офіцер династії Цин, пізні 1700ті, картинка з Вікіпедії

Опис методики

Алфавіт та трансляція

В цілому, я взяв дуже багато з роботи, яку проробив William Porquet. На його сторінці є великий пост A Manchu Skeleton Key to the Voynich Manuscript. З головної сторінки там посилань на нього немає, але він гуглиться, та також я багато цікавого знайшов у кореневій веб-папці, де лежить стаття. Крім цього він залишав посилання на статтю на різних форумах войнічезнавців.

Отже, взявши алфавіт Банасика та його розширення, яке запропонував Porquet, можна перевести текст манускрипта у декілька варіантів тексту на латиниці з невеликим числом додаткових букв. Далі рухаючись у припущенні, що ми отримали деякий текст маньчжурською мовою або ж на одному з його діалектів — вимерлим або змішаним з додатковими словами з іншої мови, ми можемо спробуватися отримати варіанти перекладів кожного слова та фраз із декількох слів. Одне з головних припущень полягає в тому, що слова були написані на слух або ж людиною, що володіла мовою без глибокого знання граматики та орфографії — якщо така була на момент створення. Це значить, що одне слово може бути записане декількома схожими варіантами. На користь цього говорять особливо розповсюджені закінчення ain, aiin, aiiin, daiin, ітд. у нотації EVA (European Voynich Alphabet).

Першим ділом я створив базу для аналізу тексту. По ряду причин було обрано Oracle 11g. Oracle згадано через те, що приклади запитів будуть наводитися на його версії SQL. Зі скриптами ви можете ознайомитися у репозиторії Github. Там викладений набір скриптів, що створюють схему, таблиці та ряд DML SQL скриптів, що наповнюють даними таблиці манускрипта, маньчжурсько-англійського словника та деяких інших.

Отже, нескладною послідовністю регулярних виразів з текстових записів манускрипта в EVA та в розширеному алфавіті Банасика отримуємо скрипти, що імпортують VMS по-рядково, де індекс рядка виглядає як

<page_numberSIDE_LETTER.row_number>

. Наприклад, другий рядок першої сторінки рукопису має індекс

<b><1r.2></b>

:

Перші 2 рядки VMS у нотації EVA виглядають так (взято з www.voynich.nu/analysis.html):



fachys.ykal.ar.ataiin.Shol.Shory.cThres.y,kor.Sholdy
sory.cKhar.or,y.kair.chtaiin.Shar.are.cThar.cThar,dan

Трансляція буде виглядати так:

'<1r.1>   ', 'fachys.ykal.ar.ataiin.Shol.Shory.cThres.y,kor.Sholdy'

'<1r.1>   ', 'cušil i cum us uhungg tom tosi jolkl i cos tombi'

'<1r.2>   ', 'sory.cKhar.or,y.kair.chtaiin.Shar.are.cThar.cThar,dan'

'<1r.2>   ', 'losi gus os i cuks šhungg tus url jus jus bug'

Підпис в кінці п'ятого рядка першого параграфа ydaraiShy перетворюється в ibusurti. Мені здається, що це якесь ім'я власне. У маньчжурському словнику такого слова немає, як я з'ясував через простий пошук в facebook, це може означати людина родом з міста Сурат ( «сонячне місто») на півдні Індії — по-російськи як суртієць. Правда, не маньчжурською, а на хінді або гуджараті…

Порівняння функції подібності

Слова та словосполучення, переведені таблицею з VMS у латиницю, потрібно зіставити зі словами зі словника Нормана. Один запис у словнику містить одне слово або словосполучення з декількох маньчжурських слів великими буквами та їх англійський переклад, що може мати декілька значень. Наприклад:

CŪŠILE crystal
NIYOHOMBI to have sexual intercourse

В CŪŠILE транслюється перше слово fachys на першій сторінці 1r, друге неодноразово миготить у рукописі, включаючи граматично вірні відмінювання у маньчжурському. У цьому ж слові зручно показати додаткові букви: C звучить як тверде «ч», Š — як «ш», Ū — приблизно як «ю».

SOUNDEX

Для початку, щоб проіндексувати та зіставити словник та рукопис я взяв просту функцію SOUNDEX. Це найстаріший фонетичний алгоритм, створений аж в 1918 році та по-моєму використовувався ще до комп'ютерів при переписі населення США. Створивши у таблиці словника та у таблиці, де зберігаються словникові фрагменти рукопису, стовпці з індексом SOUNDEX, можна за ним подивитися варіанти перекладу.
На жаль, SOUNDEX загрібає занадто багато зайвого. Він бере перші 2-3 склади зі слова, переводить їх у літерно-цифровий код, де групи схожих звуків (тобто літер) переводяться в один символ. Детальніше — у наведеному посиланні у Вікі. Але він дає варіанти перекладу на англійську! Це перше наближення, і воно дуже важливе.

METAPHONE

Розвиток фонетичних алгоритмів призвів до створення Metaphone та потім — Double Metaphone. Це більш просунутий варіант порівняння слів. Замість літерно-цифрового коду зі слова або фрази обчислюється чисто літерний код, приведений до одного регістру. Зазвичай голосні прибираються, парні або схожі приголосні згортаються в одного представника. Всі роздільники та нелітерні символи ігноруються. Metaphone з'явився на межі 80х-90х, Double Metaphone — в середині 90х, Metaphone 3 — в 2009. Останній є комерційним софтом, продається разом з невеликою базою для порівняння імен та прізвищ, написаних англійською. Є реалізації Double Metaphone для різних мов, що враховують вимову в них латинських літер та літеросполучень. Є і для російської. Для маньчжурської немає. Я знайшов вільну реалізацію Double Metaphone на PL/SQL, та трохи розширив її, додавши вищеописані літери та ще парочку подібних. У репозиторії вона доступна, там буквально декілька рядків змінено. Так, особливості морфології мови зі всілякими відмінюваннями, суфіксами та приставками він не зловить, але навіть те, що вийшло — дуже цікаво.

З'єднання таблиці з по-слівним нарізанням манускрипта та маньчжурського словника по полю коду METAPHONE (MPH_CODE) через LEFT JOIN.
Нижче в таблиці показані варіанти перекладу першого рядка першої сторінки <1r.1>. Більшість слів має декілька варіантів, але для слова 5 ( uhungg ) та 8 ( jolkl ) їх немає жодного.

'<1r.1>   ', 'fachys.ykal.ar.ataiin.Shol.Shory.cThres.y,kor.Sholdy'

'<1r.1>   ', 'cušil i cum us uhungg tom tosi jolkl i cos tombi'

N — номер слова у рядку <1r.1>
NWORD — слово у запропонованому алфавіті
MPH_CODE — метафонівський код слова NWORD
WORD — варіант маньчжурського слова зі словника Нормана, у якого метафонівський код дорівнює коду від NWORD
TRANSLATION — переклад маньчжурського слова

N	NWORD	MPH_CODE	WORD	TRANSLATION
1	cusil	CSL	CUSILE	crystal
2	i	I	I	1. he, she 2. the genitive particle 3. an interjection used to get the attention of subordinates
2	i	I	IO	oil, paint, lacquer
2	i	I	II	see i i
2	i	I	IOI	1. a musical instrument made in the shape of a lying tiger--the toothed ridge down the back is stroked with a wooden stick at the conclusion of a musical selection 2. one of the five tones; cf. yumk'a
2	i	I	I I	1. (onom.) the sound of sobbing 2. an interjection of derision
3	cum	CM	CIME	a salt-water fish resembling the salmon
3	cum	CM	COMO	see coman
4	us	US	USE	seed, egg (of an insect)
4	us	US	UCE	door
4	us	US	USA	exclamation used to get someone's attention
5	uhungg
6	tom	TM	TOOME	see tome
6	tom	TM	TOMOO	frame used for weaving nets
6	tom	TM	TIMU	topic, theme
6	tom	TM	TOME	(postposition) every, each
6	tom	TM	TAMA	sole (fish)
7	tosi	TS	TEISU	1. assigned place, designated place, responsibility, one's part 2. corresponding, matching, facing, opposite
7	tosi	TS	TESU	original, local
7	tosi	TS	TOOSE	1. weight (for a balance) 2. power, authority, right 3. spindle
7	tosi	TS	TOSE	see toose
7	tosi	TS	TESE	plural of tere: those, they
7	tosi	TS	TES	(onom.) the sound of rope, thread, or a leather thong breaking under stress
7	tosi	TS	TOSI	white spot on the forehead of an animal
7	tosi	TS	TSU	vinegar
7	tosi	TS	TUSA	profit, gain, benefit, advantage
7	tosi	TS	TUSY	chieftain of a native tribe
8	jolkl
9	i	I	II	see i i
9	i	I	IOI	1. a musical instrument made in the shape of a lying tiger--the toothed ridge down the back is stroked with a wooden stick at the conclusion of a musical selection 2. one of the five tones; cf. yumk'a
9	i	I	I I	1. (onom.) the sound of sobbing 2. an interjection of derision
9	i	I	IO	oil, paint, lacquer
9	i	I	I	1. he, she 2. the genitive particle 3. an interjection used to get the attention of subordinates
10	cos	CS	CECE	silk gauze
10	cos	CS	CASI	in that direction, thither, there
10	cos	CS	CESE	register, official record
10	cos	CS	CISE	vegetable or flower garden
10	cos	CS	CAISI	see caste
10	cos	CS	CISU	private, private interest or profit
10	cos	CS	CISUI	out of one's own interest, on one's initiative, naturally (see also ini cisui), privately, on one's own
10	cos	CS	COS	the sound of ricocheting or rebounding
10	cos	CS	CUSE	1. bamboo 2. silk 3. a cook
10	cos	CS	CAISE	1. hairpin 2. a cake made of fried vermicelli
11	tombi	TMB	TUMBI	to hunt, to pursue
11	tombi	TMB	TOOMBI	to scold, to rail at, to abuse, to curse
11	tombi	TMB	TEMBI	1. to sit 2. to reside, to live 3. to occupy (a post)
11	tombi	TMB	TAMBI	1. to get caught on something, to get entangled and trip over something 2. to get caught in a trap or net
11	tombi	TMB	TUMBI	to hit, to beat, to pound; cf. dumbi
11	tombi	TMB	TOMBI	see toombi

Як бачите, деякі слова схожі на вигляд, деякі відстоять далеченько, через майже повне вирізання голосних у коді від слова видаються всі варіанти маньчжурських слів, у яких між приголосними зовсім інші голосні звуки. Короткі одно- та двох-буквенні слова — взагалі «пальцем в небо». Але вже цікаво — набагато цікавіше, ніж шукати за словником вручну з Ctrl-F.

Всього використовувалося три модифікації метафону — початкова англійська та ще дві модифіковані, із додатковими літерами та зі змінами правил згортки.

Пересилання на синоніми у полі перекладу

Невелика корекція словника — до поля перекладу, що містить пересилання «see SOME_OTHER_WORD» через роздільник додається переклад цього синоніма.
Пересилання на синоніми ловляться регулярним виразом.

Наприклад приведений вище у таблиці:
TOSE see toose

відразу доповнюється перекладом посилання:
TOSE see toose :: 1. weight (for a balance) 2. power, authority, right 3. spindle

Морфологія. Відмінювання дієслів за часами

Йдемо далі. Можна зануритися у мову глибше. Дієслова у маньчжурському відмінюються за часами додаванням закінчення. Ось тут наведена таблиця відмінювань з прикладами та відповідностями англійським часам. Можна помітити, що на один англійський Present Continious або Past Continious є декілька різних маньчжурських варіантів. Мабуть вони відображають якісь незрозумілі мені тонкощі або це просто синоніми, але для пошуку відповідностей у Войнічі це не важливо. З таблиці словника робимо та зберігаємо вибірку дієслів у формі інфінітива — тобто всі слова, що закінчуються на інфінітивне закінчення -MBI та мають у полі перекладу підрядок " to ". Прибравши закінчення та зберігши результат в окрему таблицю, отримуємо список дієслівних маньчжурських коренів MANCHU_VERB_STEM.
Наприклад, дієслово AKŪMBI (to die) зберігається як: AKŪ.

З вказаного вище посилання беремо таблицю відмінювань та робимо довідкову таблицю MANCHU_VERB_SUFFIX:



Всі можливі варіанти відмінювань дієслів — це фактично декартовий добуток цих таблиць. Причому пошук у манускрипті проводиться точно так само, за кодом Metaphone, а при відмінюванні до коду кореня дієслова додається метафонівський код закінчення-суфікса. Через це