Stoper w głowie

Zamknij oczy i skup się na jakimś odgłosie, np. na szumie któregoś z urządzeń. Bez trudu odróżnisz, czy dźwięk dochodzi z lewa, czy z prawa. Jednak w jaki sposób mózg odgaduje, gdzie w przestrzeni ów dźwięk powstaje? Otóż ten dochodzący z lewa dociera do prawego ucha trochę później niż do lewego. W przypadku ludzi wyczuwalne opóźnienie może wynosić około 10 mikrosekund – tysiąckrotnie mniej od rozdzielczości chronometrów używanych do pomiaru czasu w biegu na 100 m w igrzyskach olimpijskich.

Nasza zdolność odmierzania czasu działa w sposób najbardziej godny podziwu w nieco dłuższej skali czasowej, w zakresie od dziesiątek milisekund do około sekundy. W tym przedziale potrafimy nie tylko szacować odstęp w czasie między dwoma zdarzeniami, lecz także analizować i interpretować złożone wzorce czasowe w muzyce i mowie. Na przykład czas trwania sylab lub pauzy w mowie pomaga wyznaczyć granice między słowami, np. w wyrażeniach „śpiewają, co się da” i „śpiewająco się da”. Czas trwania słów i tempo wypowiedzi składają się na prozodię mowy, wyrażającą stan emocjonalny mówiącego – porównajmy ospałe wypowiadanie się osoby cierpiącej na kliniczną depresję z pełną werwy mową podekscytowanego nastolatka. Może nie poświęcamy temu zbyt wiele uwagi, ale w trakcie każdej rozmowy mózg skrupulatnie odmierza czas trwania każdej sylaby i pauz między wszystkimi słowami, a także śledzi ogólny rytm strumienia dźwięków uderzających w nasze błony bębenkowe.

Dwuznaczności

Najmniejszymi jednostkami mowy są fonemy, składające się z repertuaru dźwięków wykorzystywanych w danym języku (w przybliżeniu odpowiadają one literom, lecz ta sama litera może reprezentować różne fonemy, np. litera „ż” w słowach „życie” i „młodzież”). Niekiedy taka sama sekwencja fonemów może mieć bardzo różne znaczenia, w wyniku czego powstają dwuznaczne pary słów i zwroty, np. „nie wiemy, gdzie…” i „nie, wiemy gdzie…”. Te dwuznaczności na ogół dają się rozwiązać za pomocą czasu trwania sylab, intonacji, akcentu oraz pauzy pomiędzy słowami. Jeden z najłatwiejszych sposobów ujednoznacznienia przytoczonych wyżej zwrotów polega na uwydatnieniu pauzy oddzielającej odpowiednie słowa. Tempo mowy również służy do wyrażania znaczenia oraz informacji. Weźmy zdanie: „Hostessa podziękowała dziewczynie z uśmiechem na ustach”. Kto w tym zdaniu się uśmiecha? Badania wykazują, że przyspieszenie części zdania „dziewczynie z uśmiechem na ustach” skłania ludzi do interpretacji „uśmiechniętej dziewczynie”, natomiast spowolnienie tej samej części przemawia za interpretacją „uśmiechniętej hostessy”.

Tragicznym następstwem takich dwuznaczności są osoby szwendające się wokół z błędnymi słowami swoich ulubionych piosenek na ustach. Mylnie dosłyszane słowa mogą stanowić rezultat faktu, że wokaliści niekiedy muszą na siłę wtłaczać zwroty w strukturę rytmu utworu muzycznego (choć z drugiej strony niektóre przypadki wynikają po prostu z tego, iż wokalistów nikt nie nagradza za poprawną dykcję). Słynnym przykładem takiej pomyłki jest wers z utworu Jimiego Hendrixa Purple Haze: …excuse me while I kiss the sky (Przepraszam na chwilę, ucałuję niebo), który często odbiera się jako słowa …excuse me while I kiss this guy (Przepraszam na chwilę, pocałuję tego faceta). Także i w tym wypadku w normalnej mowie takie możliwe niejasności mają częściowo związek z odmierzaniem czasu podczas wypowiadania słów i można je rozwiązać przez uwydatnienie właściwych granic między wyrazami za pomocą pauz.

Odmierzanie czasu jest również istotne w odróżnianiu od siebie poszczególnych fonemów. Na przykład różnica między fonemami „b” i „p” częściowo opiera się na czasie rozpoczęcia wymawiania: odstępie czasowym między wybuchowym uwolnieniem powietrza z ust a wprawieniem strun głosowych w drganie. Jeśli przyłożysz palce do gardła i powiesz „pa”, prawdopodobnie dostrzeżesz odstęp między otwarciem ust a momentem, w którym odczujesz, że struny głosowe zaczynają drgać. Kiedy zrobisz to samo, mówiąc „ba”, ta przerwa będzie krótsza, prawdopodobnie niedostrzegalna. W przypadku sylaby „pa” czas rozpoczęcia wymawiania przekracza na ogół 30 ms, natomiast przy wymawianiu „ba” jest on krótszy niż 20 ms. Fakt, że bez trudu słyszymy różnicę między sylabami „ba” i „pa”, oznacza, że układ słuchowy dysponuje mechanizmami odmierzania czasu umożliwiającymi rozróżnienie tych bardzo krótkich odstępów czasowych.

Rozpoznać emocje

Odmierzanie czasu na nieco dłuższą skalę od kilkuset milisekund do paru sekund ma fundamentalne znaczenie dla prozodii (rytmu albo melodyki mowy). Wykorzystujemy intonację, wyczucie czasu oraz tempo mowy do wyrażenia emocji lub sarkazmu albo zaznaczenia, czy dane wyrażenie miało być pytaniem, czy nie. Zdanie „To był dobry pomysł” w zależności od prozodii wypowiadającej je osoby może stanowić komplement albo uwagę upokarzającą. Wyniki badań wykazują, że zmiana tempa mowy poprzez przyspieszenie lub rozciągnięcie zdań zmienia ocenę stanu emocjonalnego mówcy. W jednym z badań osoby niemieckojęzyczne poproszono o wysłuchanie zdań i ocenienie stanu emocjonalnego wypowiadającej je osoby. Kiedy uczestnicy wysłuchali zdań wymówionych w taki sposób, żeby wyrażały smutek, trafnie identyfikowali stan emocjonalny mówcy jako smutek. Kiedy tempo zdań rosło, badani powszechnie oceniali stan wypowiadającej je osoby jako neutralny albo jako przerażenie. Co ważne, emocje wyrażane za pomocą prozodii mogą przekraczać bariery językowe. Kiedy te same zdania oceniali Amerykanie nieznający niemieckiego, osądzali oni afekt mówcy według takich samych wzorców co rodowici Niemcy. Pomyślmy o stłumionej rozmowie słyszanej przez ścianę: chociaż nie potrafimy rozróżnić słów, prawdopodobnie umiemy orzec, czy są wypowiadane w gniewie, czy w radosnym nastroju.

Mowa matczyna

Każdy, kto kiedykolwiek usiłował jako dorosły nauczyć się języka obcego, prawdopodobnie narzekał na to, że rodowici użytkownicy mówią za szybko. Odbiór słuchowy w obcym języku może przypominać próby rozpoznania twarzy osoby stojącej na peronie stacji metra, przez którą przejeżdża wagon – mózg usilnie stara się pochwycić obraz znajomej twarzy, lecz wszystkie zlewają się ze sobą. Spowolnienie mowy pomaga początkującym w analizie ciągów fonemów i podzieleniu ich na odrębne słowa.

Małe dzieci prawdopodobnie doświadczają podobnych trudności podczas nauki pierwszego w ich życiu języka, więc zapewne dlatego dorośli podczas rozmowy z nimi automatycznie mówią wolniej i akcentują poszczególne słowa. Taka zmiana naszych wzorców mówienia nosi nazwę mowy kierowanej do niemowląt (albo matczynej bądź rodzicielskiej). Często charakteryzuje się ona wyższą tonacją głosu, przedłużaniem samogłosek oraz pauz między słowami. Na przykład wyniki badań wykazują, że gdy dorośli rozmawiają ze sobą, pauzy między zwrotami wynoszą ok. 700 ms, lecz w rozmowie z małymi dziećmi ta wartość zwiększa się i przekracza sekundę. Badania dowodzą również, że niemowlęta, podobnie jak dorośli uczący się nowego języka, lepiej rozróżniają słowa wypowiadane ze spowolnioną i wyraźnie akcentowaną prozodią mowy matczynej. Wolniejsze mówienie pomaga dzieciom i dorosłym w analizie mowy oraz ustalaniu, gdzie jedno słowo się kończy, a drugie zaczyna, co zapobiega nakładaniu się na siebie kolejnych fonemów.

Nauka odmierzania czasu

Udowodniono, że odmierzanie czasu ulega poprawie pod wpływem ćwiczeń. Czy zatem osoby wykonujące zawody, które wymagają umiejętności dokładnego odmierzania czasu – np. muzycy – powinny osiągać wyniki lepsze od przeciętnych? Jedno z wczesnych badań tego zagadnienia przeprowadzili Richard Ivry i jego współpracownicy z University of Oregon. Badacze prosili pianistów i osoby niegrające na fortepianie o naciskanie guzika jednocześnie z serią dźwięków emitowanych co 400 ms, a następnie o dalsze wystukiwanie tego samego rytmu już po tym, jak dźwięki nadające tempo ustały. Odstępy między poszczególnymi stuknięciami w przypadku muzyków wykazywały znacznie mniejszą zmienność (miały bardziej stały rytm) niż u osób niegrających na instrumentach muzycznych. Pianiści osiągali również lepsze wyniki w zadaniu polegającym na rozróżnianiu interwałów przy odstępie standardowym o długości 400 ms. Jednak nawet wśród muzyków istnieją znaczne różnice dotyczące zdolności odmierzania czasu. Na przykład wykazano, że perkusiści odróżniają jednosekundowe interwały lepiej niż muzycy grający na instrumentach strunowych.

Utrzymywanie rytmu

Nasza naturalna skłonność do taktowania rytmu piosenki poprzez postukiwanie albo kiwanie głową stanowi jeszcze jeden przykład dowodzący faktu, że ludzki mózg to maszyna do prognozowania. Nie postukujesz stopą dopiero wtedy, gdy usłyszysz rytm – często wyznaczany uderzeniem w bęben – gdyż twój mózg raczej zagląda o kilkaset milisekund w przyszłość i przewiduje, kiedy nastąpi następne uderzenie, oraz synchronizuje twoje ruchy w taki sposób, by je dopasować. Synchronizowanie ruchów z rytmem utworu przychodzi nam tak łatwo, że niekiedy łatwiej jest wystukiwać rytm, niż się oprzeć jego urokowi. Mimo to większość zwierząt nie posiada prostej zdolności jego utrzymywania.

Nie chodzi tylko o to, że zwierzęta nie podzielają naszych muzycznych skłonności; raczej brakuje im umiejętności czuciowo-ruchowych, niezbędnych do zsynchronizowania ruchów z powtarzającym się okresowo bodźcem. W tym momencie każdy koneser portalu YouTube zaprotestuje i wskaże mnóstwo filmików z sympatycznymi domowymi zwierzakami, które z zadowoleniem kiwają łbem do rytmu jakiejś popularnej piosenki. Niektóre z tych nagrań prawdopodobnie są przykładami „efektu Mądrego Hansa”: zwierzęta nauczyły się reagować na wskazówki swoich właścicieli, jak ów słynny koń niby wykonujący działania arytmetyczne, a w istocie posłuszny przekazywanym nieświadomie przez właściciela wskazówkom niewerbalnym. Jednakże inne filmy – zwłaszcza z udziałem ptaków – mogą być autentyczne.

Naukowcy z pewnością nie wzdragają się przed pozyskiwaniem do badań bohaterów filmów na YouTube. Psycholog Aniruddh Patel i jego współpracownicy włączyli do badania gwiazdę tego serwisu, ładną białą kakadu imieniem Snowball (Śnieżka). W jednym z filmów Snowball wykonuje serię ruchów i kiwnięć łbem – którą można opisać jedynie jako taniec – do melodii utworu Everybody grupy Backstreet Boys. Żeby ustalić, czy Snowball rzeczywiście trzymała się rytmu, zamiast wykonywać zapamiętaną serię stałych ruchów, badacze odtwarzali utwór w spowolnionym lub przyspieszonym tempie i określali, jak wypadały poruszenia ptaka w stosunku do rytmu piosenki; o ile łeb papugi przy każdym uderzeniu zawsze znajdował się w takiej samej, bardziej lub mniej wyciągniętej pozycji, o tyle możemy powiedzieć, że ruchy ptaka były zsynchronizowane z rytmem muzyki. Poruszenia Snowball wyraźnie współgrały z rytmem utworu odtwarzanego w różnym tempie, co znaczyło, że papuga przewiduje poszczególne uderzenia, choć wydawało się, że woli tańczyć w szybszych rytmach.

Jednak ptaki stanowią wyjątek. Małpy mogą się nauczyć odtwarzania pojedynczego interwału wyznaczonego przez dwa dźwięki, ale z trudem wykonują proste zadanie wymagające synchronizacji. W relacji z jednego badania pisano, że nawet po roku treningu rezusy nie potrafiły naciskać guzika synchronicznie z okresowo odtwarzanymi dźwiękami, choć umiały stale uderzać w niego krótko po każdym dźwięku. Dlaczego trywialne na pozór zadanie utrzymywania rytmu sprawia naszym kuzynom z rzędu naczelnych taką trudność? Być może dlatego, że większość ssaków, w tym małpy, psy i koty, porozumiewa się za pomocą okrzyków, wycia, warknięć, szczeknięć lub miauknięć, lecz te zachowania są u nich wrodzone i odzwierciedlają bardzo prosty, ograniczony zasób „słów” – np. pies nie musi się uczyć, że warknięcie nie znaczy „witaj, zbliż się”. Stosunkowo niewiele zwierząt uczy się wydawać dźwięki w rezultacie doświadczeń i interakcji społecznych. Oprócz ludzi do gatunków zdolnych do głosowego uczenia się należą niektóre ptaki, wieloryby i słonie. Najbardziej oczywistym przykładem są papugi, które potrafią uczyć się odtwarzania dźwięków wydawanych przez inne ptaki albo imitować ograniczony repertuar wyrazów ze słownika właściciela.

Głosowe uczenie się wymaga, by mózg słuchał dźwięków, a następnie dociekał, w jaki sposób je odtwarzać za pomocą strun głosowych i układu warg. Do takiego zadania wyraźnie niezbędny jest znaczny poziom współpracy słuchowych i ruchowych ośrodków mózgu. Wysunięto hipotezę, że te same szlaki mózgowe, które umożliwiają zwierzętom uczenie się komunikacji głosowej, odpowiadają również za znacznie prostsze na pozór działanie, jakim jest reagowanie na rytm piosenki.

Mowa i muzyka to aktywne przedsięwzięcia, wymagające tworzenia przez mózg ciągłych prognoz dotyczących tego, co się stanie w następnej chwili. Zwłaszcza w muzyce chodzi o przewidzenie konkretnej nuty w określonym momencie. Zatem nic dziwnego, że zdolność reagowania na rytm to minimalny wymóg, jaki trzeba spełnić, by rozumieć muzykę, a postukiwanie synchroniczne z okresowym bodźcem stanowi jeden z podstawowych mierników umiejętności przewidywania i oczekiwania.

***

Fragmenty pochodzą z książki Deana Buonomana „Mózg władca czasu. Dlaczego dzień może być krótszy niż godzina, a minuta dłuższa od dnia”, Prószyński i S-ka. W sprzedaży od października