Оглавление
| Введение | 3 |
| 1. Анализ текста | 7 |
| 2. Синтез текста | 11 |
| 3. Понимание текста | 13 |
| Заключение | 15 |
| Список использованной литературы | 16 |
| Приложения | 17 |
Введение
Искусственный интеллект (ИИ) применяется сегодня во многих прикладных областях. Практически все они, может быть, и не так быстро, как хотелось бы, но неуклонно и непрерывно развиваются. В последние годы современные ИТ-технологии совершили очень резкий скачок вперед, в основном за счет повышения производительности массовых процессоров и стремительного удешевления памяти (как оперативной, так и "жесткой"). Это привело к появлению приложений, в которых воплощены серьезные теоретические наработки ИИ.
При этом можно отметить две тенденции. С одной стороны крупнейший в мире финансист исследований по ИИ (особенно по робототехнике) – это военное научное агентство DARPA1. Современное оружие немыслимо без подходов ИИ (преимущественно нейронных технологий, нечетких экспертных систем и интеллектуальных решателей), позволяющих с помощью относительно малых ресурсов получать достаточно точные результаты, для нахождения которых классическими методами численной математики потребовались бы мощности суперкомпьютеров. Например, реализация режима автономного полета на небольшой высоте в плохих погодных условиях без использования заранее подготовленной компьютерной базы рельефа требует применения высокоэффективных механизмов синхронизации движения с данными, получаемыми от системы навигации GPS, видеокамер, радаров и других датчиков. В связи с этим состояние определенных направлений в ИИ закрыто от посторонних глаз.
При создании домашних автономных устройств подчас возникает больше проблем, чем при создании военных и космических роботов. Хотя в жилых домах не бывает перепадов температур в сотни градусов, а превышение скорости на десятки сантиметров несущественно (что в условиях невесомости может сразу привести к аварии), требование максимальной безопасности значительно осложняет жизнь разработчикам.
Быстрее всего сегодня развивается рынок автономных домашних пылесосов. Такие модели оборудованы навигационной системой и всевозможными периферийными датчиками. Роботы-пылесосы перемещаются по квартире по случайным траекториям, собирая мусор и объезжая статические предметы, и удирают от движущихся объектов (людей и животных). Кроме того, умные пылесосы способны самостоятельно возвращаться на свое "место жительства" для подзарядки.
Другой перспективный рынок – автономные газонокосилки. Например, фирма Electrolux выпускает косилки, способные подзаряжаться от солнечной батареи, запасаться энергией на ночь и работать практически круглосуточно.
Более совершенные модели интеллектуальных бытовых устройств помимо уборки мусора способны выполнять множество дополнительных функций – например, подносить напитки и тапочки. Робот Cye фирмы Probotics, постоянно подключенный к ПК, дистанционно управляется заложенной в компьютер программой. С помощью удобного визуального инструмента пользователь может, используя план комнат, определить для Cye траектории передвижения, доступные и запрещенные области в квартире. Общение с роботом выполняется по протоколу, содержащему 35 команд и 20 ответных сообщений от робота. Немаловажно, что ПО Cye открыто для совершенствования, позволяет расширять базовые возможности системы и создавать на его основе собственные программы управления роботом. В будущих версиях Cye будет поддерживаться навигационная система GPS, и он сможет передвигаться не только по комнатам, но и на приусадебном участке.
Спрос на подобные устройства растет, и известная компания NEC уже представила модель Personal Robot R100, которая поступит в продажу в 2001 г. Сейчас модель проходит тестирование в исследовательском центре компании, и журналисты уже могли лицезреть, как робот высотой 44 см и весом 8 кг въезжает в комнату руководительницы проекта Йошихиро Фуджито, вращает телеглазом, распознает ее лицо среди лиц других присутствующих и обращается к ней со словами: "Мама! Вам что-нибудь надо?". В общей сложности робот способен произносить 300 фраз, понимать сотни команд и различать 10 лиц.
R100 может приносить мелкие вещи, вынимать почту из ящика, включать и выключать телевизор и кондиционер, записывать видеосообщения и передавать их по назначению. Он подключен к ПК и имеет встроенный процессор Intel 486 DX4. На основе этой модели NEC планирует в будущем выпускать робокошек и робособак.
Сотрудники лаборатории ИИ Массачусетского института считают, что робот – это не просто прислуга. Он обязательно должен взаимодействовать с окружающим миром и выполнять социально значимые функции. Исходя из этой посылки, они разрабатывают робота Cog, своим внешним видом и отчасти устройством напоминающего человека. Чтобы придать роботу привычную людям походку, допустимые углы сгибания его рук и ног сделаны примерно равными человеческим. В качестве глаз робота применяются четыре видеокамеры (по две на каждый "глаз"), распознающие оттенки серого и имитирующие режим бинокулярного зрения. В ушных раковинах, работающих по принципу локатора, установлены микрофоны, на конечностях и туловище – датчики давления (имитация осязания).
Вестибулярный аппарат моделируется тремя гироскопами, расположенными в голове робота. Единственное, что пока не реализовано по аналогии – обоняние.
Система управления представляет собой сложную иерархию устройств, от периферийных микроконтроллеров управления положением ступни до сети цифровой сигнальной системы обработки видео- и аудиоинформации. В большинство узлов Cog встроены процессоры Motorola 68332 16 МГц, на которых выполняется интерпретатор L (версия Common Lisp). Интенсивная обработки информации происходит в сети промышленных 200 МГц процессоров в ОС реального времени QNX.
Университет Северной Каролины разрабатывает роботов, способных перемещаться в завалах и спасать людей, оказавшихся под развалинами в результате различных катастроф. Робот Moccasin II, напоминающий сегментированного червяка, может проползать в туннелях диаметром 20 см и поворачивать на 90 градусов в любых направлениях, анализируя информацию от видеокамеры с подсветкой и датчиков давления, с помощью которых он "ощущает" стены и их изгибы. Moccasin II использует не электрический, а пневматический двигатель (потому что электрические искры могут спровоцировать взрыв скоплений газа) и передвигается как обычный червяк – сжимая и растягивая свое тело. Следующие модели робота можно будет без опаски применять при обследовании крупных технологических конструкций (танкеров, самолетов).
НАСА создала робота величиной с небольшой мячик. Он понимает голосовые команды, снабжен видеокамерой, датчиками температуры, давления и газовыми анализаторами и способен самостоятельно путешествовать внутри космических станций, выполняя мониторинг их состояния.
Американская Ассоциация по ИИ на Национальной конференции 1999 г. организовала интересный турнир. Согласно его условиям роботы должны были самостоятельно добраться до зала заседаний. Для этого им требовалось выстоять в очереди на регистрацию, подняться по эскалатору, получить цветной баджет на "шею", выйти (или выползти) на сцену, в течение 2 минут рассказать о себе и попробовать ответить на простейшие вопросы. При этом учитывалась степень внешней похожести робота на человека. В первом турнире роботы двух университетских команд, добираясь до конференц-зала, пробовали хитрить – один просил окружающих подсказать ему правильное направление движения, а второй легонько подталкивал людей, обращаясь к ним с просьбой отнести его в зал.
Стремительное развитие робототехники делает проблему поддержания разговора между человеком и роботом всё более актуальной, появляется особый класс роботов, называемых Виртуальными собеседниками (англ. chatterbot). Это компьютерная программа, которая создана для имитации речевого поведения человека при общении с одним или несколькими пользователями. По отношению к виртуальным собеседникам употребляется также название программа-собеседник.
Одним из первых виртуальных собеседников была программа Элиза, созданная в 1966 году Джозефом Вейзенбаумом. Элиза пародировала речевое поведение психотерапевта, реализуя технику активного слушания, переспрашивая пользователя и используя фразы типа «Пожалуйста, продолжайте».
Предполагается, что идеальная программа-собеседник должна пройти Тест Тьюринга2. Проводятся ежегодные конкурсы программ-собеседников (в основном англоязычных). Один из самых известных — конкурс Лебнера.
Данная проблема с каждым днём становится всё более и более актуальной в связи с высокими темпами развития технологий, возрастающими потребностями в общении человека и машины.
1. Анализ текста
Лингвисты давно изучают, как устроен текст, и, прежде всего, предложение, играющее роль кирпичика, из совокупности которых складывается текст. Но лишь с появлением компьютеров эти исследования приобрели новое направление. Группа американских лингвистов выдвинула дерзкую идею, получившую название Джорджтаунский проект, — автоматизировать процесс перевода текстов с одного языка на другой, используя для этого ЭВМ. Идея заинтересовала лингвистов многих стран и активизировала работы в области анализа текстов.
В ходе этих работ надо было ответить, прежде всего, на вопрос: "Существуют ли строгие формальные правила, по которым строится структура предложения и структура текста?" Если о структуре предложения лингвисты накопили много материала, то структура текста ими не изучалась.
В результате проведенных исследований стало ясно, что за каждым текстом (в том числе и за отдельным предложением, являющимся своего рода мини-текстом) скрывается не одна, а несколько формальных структур, которые можно разделить на три уровня:
- синтаксический
- семантический
- прагматический.
Интерес к компьютерному анализу текста проявился с желанием добиться качественного машинного перевода. Со временем проблема машинного перевода переросла в отдельную научно-техническую проблему и фактически обрела черты отдельного научного направления с одноименным названием. Это направление возникло на стыке таких наук, как математика, кибернетика, лингвистика и программирование. Параллельно с этой проблемой учёных не покидала мечта о создании полноценного искусственного интеллекта. Активно начинались разработки так называемых виртуальных собеседников, способных поддерживать естественный диалог с человеком.
Данное выше виртуальным собеседникам определение не совсем точно. Дело в том, что цели конкретных диалогов между людьми различаются. Можно просто «поболтать», а можно обсудить важную проблему. Реализация последнего типа диалога представляет дополнительную проблему: научить программу мыслить. Поэтому функциональность большинства современных программ ограничивается возможностью ведения незатейливой беседы.
Программы, способные понимать отдельные высказывания пользователя, образуют класс программ с естественно-языковым интерфейсом. Смотрите, например, Вопросно-ответная система.
Создание виртуальных собеседников граничит с проблемой общего искусственного интеллекта, то есть единой системы (программы, машины), моделирующей интеллектуальную деятельность человека.
Виртуальные собеседники работают с «живым» языком. Обработка естественного языка, особенного разговорного стиля, — острая проблема искусственного интеллекта. И конечно, современные программы-собеседники — лишь попытки имитировать разумный диалог с машиной.
Как любая интеллектуальная система, виртуальный собеседник имеет базу знаний. В простейшем случае она представляет собой наборы возможных вопросов пользователя и соответствующих им ответов. Наиболее распространённые методы выбора ответа в этом случае следующие:
Реакция на ключевые слова: Данный метод был использован в Элизе. Например, если фраза пользователя содержала слова «отец», «мать», «сын» и другие, Элиза могла ответить: «Расскажите больше о вашей семье».
Совпадение фразы: Имеется ввиду похожесть фразы пользователя с теми, что содержатся в базе знаний. Может учитываться также порядок слов.
Совпадение контекста: Часто в руководствах к программам-собеседникам просят не использовать фразы, насыщенные местоимениями, типа: «А что это такое?» Для корректного ответа некоторые программы могут проанализировать предыдущие фразы пользователя и выбрать подходящий ответ.
Своеобразной мини-проблемой являются идентификация форм слова и синонимов.
Обработка естественного языка (Natural Language Processing, NLP) — общее направление искусственного интеллекта и математической лингвистики. Оно изучает проблемы компьютерного анализа и синтеза естественных языков. Применительно к искусственному интеллекту анализ означает понимание языка, а синтез — генерацию грамотного текста. Решение этих проблем будет означать создание более удобной формы взаимодействия компьютера и человека.
Теоретически, построение естественно-языкового интерфейса для компьютеров — очень привлекательная цель. Ранние системы, такие как SHRDLU3, работая с ограниченным «миром кубиков» и используя ограниченный словарный запас, выглядели чрезвычайно хорошо, вдохновляя этим своих создателей. Однако оптимизм быстро иссяк, когда эти системы столкнулись со сложностью и неоднозначностью реального мира.
Понимание естественного языка иногда считают AI-полной задачей, потому как распознавание живого языка требует огромных знаний системы об окружающем мире и возможности с ним взаимодействовать. Само определение смысла слова «понимать» — одна из главных задач искусственного интеллекта.
Качество понимания зависит от множества факторов: от языка, от национальной культуры, от самого собеседника и т. д.
Анализ текста — процесс получения высококачественной информации из текста на естественном языке. Как правило, для этого применяется статистическое обучение на основе шаблонов: входной текст разделяется с помощью шаблонов, затем производится обработка полученных данных.
При анализе письменной речи очень важно учитывать наличие ошибок со стороны человека: отсутствие пунктуационных знаков, нарушение порядка слов, опечатки, орфографические ошибки и т.д. В связи с этим понимание текста может быть ещё более затруднено. Примером могу служить самые первые виртуальные собеседники, которые могли определить, является ли предложение вопросительным, только по наличию соответствующего пунктуационного знака, завершающего фразу. Однако, к сожалению, не всегда спонтанная письменная речь обладает идеальным уровнем грамотности, в связи с чем, первое поколение виртуальных собеседников не могло претендовать даже на приближение к прохождению теста Тьюринга.
На данном этапе составлены обширные электронные словари самых различных типов. Особенным удобством и популярностью отличаются с
Самые первые программы работали, анализируя текст пословно, что было не слишком эффективно и расходовало слишком много времени и ресурсов. В последствии, «научив» программу определять тип предложения и разбивать текст на упорядоченные конструкции, выделяя тема-рематические отношения, анализ лексем начал проходить быстрее и качественнее, что приблизило диалог к естественному.
Синтез текста
Задача синтеза может рассматриваться как обратная по отношению к анализу. Если заданы некоторая тема и цель будущего текста, то можно считать заданной прагматическую структуру текста. Ее надо декомпозировать в прагматические структуры отдельных предложений и для каждого предложения пройти все этапы анализа в обратном направлении. На сегодняшний день здесь еще масса нерешенных проблем. Неизвестно, как генерировать прагматическую структуру текста из тех целей, которые стимулируют создание текста. Непонятно, как эту структуру разбить на прагматические структуры предложений и как от этих частных прагматических структур перейти к глубинным семантическим структурам. Более известны методы дальнейшего движения по пути генерации текста.
Одним из первых примеров естественно-языковых систем, способных синтезировать тексты, является автоматическая система создания текстов волшебных сказок, созданная в Московском энергетическом институте в 70-х гг. и называемая TALE (Информатика). На первом шаге она выдает тексты примерно такого вида: "Жил-был X. Не было у него желаемого У. Стал просить Х Бога. Бог обещал. Появился У. Вырос У. Ушел раз Х и не велел У делать Z. Но У сделал Z. Вернулся X. У нет. Понял X, что У сделал Z. Пошел Х искать У..." В памяти рассматриваемой системы хранились данные для заполнения так называемых актантов, а одинаковые переменные показывают, что на эти места всюду надо поставить одни и те же заполнители. Так возникает текст: "Жил-был царь. И не было у царя желаемого наследника. Стал царь просить Бога. Бог обещал. Появился наследник. Вырос наследник..." Существует пример такой сказки, сочиненной этой программой4.
В качестве другого примера системы автоматического синтеза можно привести систему, умеющую слагать стихи. Примеров таких систем уже немало, хотя с сочинением стихов дело обстоит несколько сложнее. Программа в состоянии учесть характер рифмы, количество слогов в соответствующих строках стихотворения, метрическую форму стихотворения и провести грамматический анализ. Однако содержание будущего стихотворения в значительной степени оказывается произвольным и зависит от содержания исходного словаря. Можно привести пример машинного стихотворения5.
В настоящее время автоматический синтез текстов необходим также при создании:
- интеллектуальных систем, способных объяснять пользователю ход решения той или иной задачи,
- систем поддержки принятия решений, способных помогать пользователю принять то или иное решение на основе выработанных альтернатив,
- информационно-справочных систем различного назначения, способных подсказать пользователю наиболее оптимальный путь поиска и/или заказа той или иной информации (например, в системах заказа билетов),
- различных диалоговых систем.
3. Понимание текста
Проблема понимания текстов на естественном языке включает не только лингвистические аспекты. С ней тесно связаны задачи, традиционно решаемые в рамках психологии, философии и семиотики. Рассказывая о проблеме анализа текстов, мы несколько раз ссылались на то, что сам анализ служит инструментом для понимания содержания текста. Пожалуй, самое важное значение проблема понимания имеет в так называемых диалоговых системах.
В начале 70-х гг. специалисты в области искусственного интеллекта удивляли далеких от науки людей системами общения на естественном языке, демонстрирующими на первый взгляд почти безграничные возможности созданного ими интеллектуального интерфейса общения. Любой человек мог общаться с системой на произвольную тему, используя все богатство доступного ему языка. При этом система поддерживала разговор, поражая собеседника своими способностями. Вот один из примеров такого разговора, в котором в качестве интеллектуального интерфейса использовалась программа, реализованная на ЭВМ, получившая название "Элиза"
Внешне диалог напоминает светскую беседу двух не слишком знакомых людей. Это, скорее, игра в общение, чем общение по существу. Но и такая игра занимает в жизни людей немалое место. "Элиза" в подобных разговорах оказывается вполне "на уровне". Многие даже считают, что их просто разыгрывают и с ними общается не программа, реализованная на компьютере, а живой собеседник. Подобные примеры диалоговых систем сейчас можно найти в сети Интернет, где эти системы получили название языковых чатов6.
Уровень общения, который демонстрируют "Элиза" и другие подобные ей программы, по сути, самый низкий из всех возможных. Это уровень так называемого фактического диалога. В таком диалоге партнеры (или один из них) практически не слушают друг друга. Это лишь видимость беседы, а для поддержания ее используются стандартные "домашние заготовки".
Одной из особенностей мышления человека (едва ли не основной для возможности самого мышления) является его разномодальность. Психологи пользуются этим термином, чтобы подчеркнуть, что наши представления об окружающем мире и о нас самих могут иметь различную природу (различную модальность). Можно "мыслить словами", но можно представлять себе какие-то зрительные картинки, как часто бывает в снах. Есть люди, для которых многие воспоминания состоят из запахов или вкусовых впечатлений. Словом, все наши органы чувств дают свою модальность в мышлении. Но две модальности: символьная (текстовая) и зрительная — являются для человека основными (Информатика).
Легко проверить, что между этими модальностями имеется весьма тесная связь. Обычно называние чего-то или текстовое описание некоторой ситуации тут же вызывает зрительные представления об этих объектах и ситуациях. И наоборот, стоит нам увидеть нечто, как мы тут же готовы описать увиденное с помощью нашего родного языка. Так текст и сопутствующая ему зрительная картина оказываются объединенными в нашем сознании и интегрированными в некоторое единство. Текст как бы "живет" в виде некоторого образного представления. И изучение того, как происходит эта интеграция и как по одной составляющей представления появляется вторая, — одна из увлекательных задач, стоящих перед специалистами в области компьютерной лингвистики и их коллегами — создателями интеллектуальных систем. Уже найдены некоторые важные законы интеграции текстов и зрительных образов. Созданы первые экспериментальные модели этого процесса и первые интеллектуальные системы, способные описывать в виде текста предъявляемую им картинку (например, пейзаж), а также воссоздавать одну из возможных картин, соответствующих введенному в систему тексту.
Заключение
Появление искусственных систем, способных воспринимать и понимать человеческую речь (пока в весьма ограниченном объеме) и тексты на естественном языке, создало предпосылки для непосредственного общения человека и компьютера. Это, в свою очередь, повысило интерес лингвистов к процессам, сопутствующим организации и ведению диалога. Примерами могут служить:
- способ построения сценария диалога на основе тех целей, которые активная сторона в диалоге ставит перед собой;
- поддержка выбранного сценария с учетом интересов партнера и его возможного противодействия тому сценарию, который используется;
- нахождение средств маскировки истинных намерений говорящего;
- организация пассивной поддержки коммуникационного процесса и т.д.
Эти пять направлений, которые активно развиваются в компьютерной лингвистике, естественно, не исчерпывают всего содержания этой науки. Но и сказанного вполне достаточно, чтобы оценить ее важность и значимость не только для самой лингвистики, но и для создания технических систем, по способностям к диалогу, не уступающих человеку.
Список использованной литературы
Апресян Ю.Д. Избранные труды, том I. Лексическая семантика: 2-е изд., испр. И доп. – М.: Школа «Языки русской культуры», Издательская фирма «Восточная литература» РАН, 1995
Апресян Ю.Д. Избранные труды, том II. Интегральное описание языка и системная лексикография. – М.: Школа «Языки русской культуры», 2005.
Попов Э.В. Общение с ЭВМ на естественном языке. М. Наука. 2000.
Davies , K.H., Biddulph, R. and Balashek, S. (1952) Automatic Speech Recognition of Spoken Digits, J. Acoust. Soc. Am. 24(6) pp.637 – 642
Guariano N., Giaretta P. Ontologies and Knowledge Bases. Towards a Terminological Clarification // Towards Very Large Knowledge Bases: Knowledge Building and Knowledge Sharing. Amsterdam: IOS Press, 1995. P. 25–32.
Загорулько Ю.А. Построение порталов научных знаний на основе онтологий//Вычислительные технологии.т.12,спецвып.2,-2007.–С.169–177.
Using Dublin Core. http://dublincore.org/documents/usageguide/
Боровикова О.И., Загорулько Ю.А., Сидорова Е.А. Подход к автоматизации сбора онтологической информации для интернет-портала знаний // Компьютерная лингвистика и интеллектуальные технологии: Труды международной конференции Диалог'2005 (Звенигород, 1-5 июня 2005 г.). – Москва: Наука, 2005. -С. 65–70.
Андреева О.А., Боровикова О.И., Загорулько Ю.А. и др. Археологический портал знаний: содержательный доступ к знаниям и информационным ресурсам по археологии // Труды 10-й нац. конф. по искусственному интеллекту с международным участием КИИ'2006. М.: Физматлит, 2006. -Т.3, -С.832–840.
Black P. Компьютерная лингвистика // Компьютерные Вести. – 1999. – № 26 ; То же [Электронный ресурс]. – URL: www.kv.by/index1999262201.htm (21.11.09).
Приложения
1) DARPA (англ. Defense Advanced Research Projects Agency — агентство передовых оборонных исследовательских проектов) — это агентство Министерства обороны США, отвечающее за разработку новых технологий для использования в вооружённых силах.
Тест Тьюринга — эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence), опубликованной в 1950 году в философском журнале «Mind». Тьюринг задался целью определить, может ли машина мыслить. Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга. Если судья не может сказать определенно, кто из собеседников является человеком, то считается, что машина прошла тест. Чтобы протестировать именно интеллект машины, а не её возможность распознавать устную речь, беседа ведется в режиме «только текст», например, с помощью клавиатуры и экрана (компьютера-посредника). Переписка должна производиться через контролируемые промежутки времени, чтобы судья не мог делать заключения, исходя из скорости ответов. Во времена Тьюринга компьютеры реагировали медленнее человека. Сейчас это правило необходимо, потому что они реагируют гораздо быстрее, чем человек. По состоянию на 2009 год ни одна из существующих компьютерных систем не приблизилась к прохождению теста.
SHRDLU — ранняя программа понимания естественного языка, разработанная Терри Виноградом в MIT в 1968—1970 годах. Она была написана на языках Micro Planner и Лисп на компьютере DEC PDP-6 и использовала графический терминал DEC. Впоследствии в лаборатории компьютерной графики в университете штата Юта была внесена возможность полноценной трёхмерной отрисовки «мира» SHRDLU.
ОДНАЖДЫ В ТРИДЕВЯТОМ ЦАРСТВЕ, В ТРИДЕСЯТОМ ГОСУДАРСТВЕ ЖИЛ ЦАРЬ. ЦАРЬ ИМЕЛ ДОЧЬ. ЦАРЬ ОТПРАВИЛСЯ НА ОХОТУ ПООХОТИТЬСЯ. ЦАРЬ ЗАПРЕТИЛ ДОЧЕРИ ВЫХОДИТЬ ИЗ ДОМА. НАРУШИЛА ДОЧЬ ЗАПРЕТ. НАЛЕТЕЛ КОЩЕЙ. УНЕС КОЩЕЙ ДОЧЬ. ИВАН ОТПРАВИЛСЯ КУДА ГЛАЗА ГЛЯДЯТ ИСКАТЬ ДОЧЬ. ДОЛГО ЛИ, КОРОТКО ЛИ ШЕЛ ИВАН. ВСТРЕТИЛ ИВАН СТАРУШКУ.СТАРУШКА ПОГИБАЛА, УМИРАЛА С ГОЛОДА. ПОМОГ ИВАН СТАРУШКЕ, НАКОРМИЛ. РАССКАЗАЛ ИВАН СТАРУШКЕ, КУДА ПУТЬ ДЕРЖИТ. ДАЛА СТАРУШКА ИВАНУ КЛУБОЧЕК, КУДА ПОКАТИТСЯ, ТУДА И ИДИ. ПОКАТИЛ ИВАН КЛУБОЧЕК. ПОШЕЛ ДАЛЬШЕ ИВАН. ВСТРЕТИЛ ИВАН СТАРЕНЬКУЮ СТАРУШКУ. СТАРЕНЬКАЯ СТАРУШКА ПОГИБАЛА БЕЗ ВОДЫ. ПОМОГ ИВАН СТАРЕНЬКОЙ СТАРУШКЕ, НАПОИЛ. РАССКАЗАЛ ИВАН СТАРЕНЬКОЙ СТАРУШКЕ, КУДА ПУТЬ ДЕРЖИТ. ДАЛА СТАРЕНЬКАЯ СТАРУШКА ИВАНУ СЕРЕБРЯНЫЙ КЛУБОЧЕК, КУДА ПОКАТИТСЯ, ТУДА И СТУПАЙ СЕБЕ. ПОКАТИЛ ИВАН СЕРЕБРЯНЫЙ КЛУБОЧЕК. ПОШЕЛ ДАЛЬШЕ ИВАН. ВСТРЕТИЛ ИВАН СОВСЕМ СТАРЕНЬКУЮ СТАРУШКУ. СОВСЕМ СТАРЕНЬКАЯ СТАРУШКА ПОГИБАЛА, ПАДАЛА ПОД ТЯЖЕСТЬЮ НОШИ. ПОМОГ ИВАН СОВСЕМ СТАРЕНЬКОЙ СТАРУШКЕ ДОНЕСТИ НОШУ. РАССКАЗАЛ ИВАН СОВСЕМ СТАРЕНЬКОЙ СТАРУШКЕ, КУДА ПУТЬ ДЕРЖИТ. ДАЛА СОВСЕМ СТАРЕНЬКАЯ СТАРУШКА ИВАНУ ЗОЛОТОЙ КЛУБОЧЕК, КЛУБОЧЕК ПОКАТИТСЯ, А ТЫ ЗА НИМ ИДИ. ПОКАТИЛ ИВАН ЗОЛОТОЙ КЛУБОЧЕК. ПОШЕЛ ДАЛЬШЕ ИВАН. ПРИШЕЛ ОН В ПОДЗЕМНОЕ ЦАРСТВО КОЩЕЯ. ВИДИТ ИВАН ЗАМОК ИЗ ЗОЛОТА И СЕРЕБРА. ВОШЕЛ ИВАН В ЗАМОК. СИДИТ В ЗАМКЕ КОЩЕЙ БЕССМЕРТНЫЙ. СПРАШИВАЕТ КОЩЕЙ ИВАНА: ЗАЧЕМ ПОЖАЛОВАЛ КО МНЕ? ОТВЕЧАЕТ ИВАН КОЩЕЮ: ИЩУ ДОЧКУ ЦАРСКУЮ, ЧТО ТЫ УКРАЛ. ГОВОРИТ КОЩЕЙ: ВЫПОЛНИШЬ РАБОТУ, ЧТО Я ЗАДАМ, — ТВОЯ ЦАРЕВНА, НЕ ВЫПОЛНИШЬ — ДО КОНЦА ЖИЗНИ ПОД ЗЕМЛЕЙ ОСТАНЕШЬСЯ. КОЩЕЙ ЗАДАЛ ИВАНУ РАБОТУ: ЗА ОДНУ НОЧЬ ВЫРУБИТЬ ДРЕМУЧИЙ ЛЕС, ЗЕМЛЮ ВСПАХАТЬ, ПШЕНИЦУ ПОСЕЯТЬ, МУКУ СМОЛОТЬ, ПИРОГОВ НАПЕЧЬ И МНЕ НА СТОЛ ПОДАТЬ! ИВАН ВЫПОЛНИЛ РАБОТУ, ПРИНЕС ПИРОГИ. КОЩЕЙ ЗАДАЛ ИВАНУ РАБОТУ: ЗА ОДНУ НОЧЬ ПЧЕЛ РАЗВЕСТИ, ВОСК СОБРАТЬ, ДА ИЗ ВОСКА ДВОРЕЦ ПОСТРОИТЬ. ИВАН ВЫПОЛНИЛ РАБОТУ. К УТРУ-СВЕТУ БЫЛ ГОТОВ ДВОРЕЦ ИЗ ВОСКА. КОЩЕЙ ЗАДАЛ ИВАНУ РАБОТУ: ПРИЙТИ НА ЗЕЛЕНЫЙ ЛУГ, ПОЙМАТЬ ТАМ КОНЯ НЕЕЗЖЕНОГО, ДА ПРИЕХАТЬ КО МНЕ НА ТОМ КОНЕ! ИВАН ВЫПОЛНИЛ РАБОТУ, ОБЪЕЗДИЛ КОНЯ. КОНЬ ШАТАЕТСЯ, ИЗО РТА ПЕНА ПАДАЕТ. ОСВОБОДИЛ ИВАН ЦАРЕВНУ. ВЗЯЛ ИВАН ЦАРЕВНУ. ПОВЕЗ ИВАН ЦАРЕВНУ ВО ДВОРЕЦ. ЖЕНИЛСЯ ИВАН НА ЦАРЕВНЕ. ИВАН ПОЛУЧИЛ ПОЛЦАРСТВА.
Добрый реет шелест
Плачет пустота
Слушают качели
И поет беда
Стань покорно горе
Томно лишь летит
И прозрачно море
Тайно шелестит
И бежит земная
Незаметно тень
Медленно лесная
Славит влажный день.
6) Собеседник: Сегодня прекрасная погода, не правда ли?
"Элиза": Вы любите прекрасную погоду?
С.: Конечно. Кто же ее не любит?
"Э.": Да. Прекрасная погода — это хорошо.
С.: Интересно, какие виды в этом году на урожай?
"Э.": Вас это интересует?
С.: Ну, более-менее. А вас?
"Э.": Более-менее.
1 Приложение1
2 Приложение2
3 Приложение3
4 Приложение4
5 Приложение5
6 Приложение6
21