Download the full version of the textbook now at textbookfull.

com

The Ethical Algorithm The Science of Socially

Aware Algorithm Design 6th Edition Kearns

https://textbookfull.com/product/the-ethical-
algorithm-the-science-of-socially-aware-algorithm-
design-6th-edition-kearns/

Explore and download more textbook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

The Algorithm Design Manual 3rd Edition Steven S. Skiena

https://textbookfull.com/product/the-algorithm-design-manual-3rd-
edition-steven-s-skiena/

textbookfull.com

Algorithm Design with Haskell Richard S. Bird

https://textbookfull.com/product/algorithm-design-with-haskell-
richard-s-bird/

textbookfull.com

The Everyday Life of an Algorithm Daniel Neyland

https://textbookfull.com/product/the-everyday-life-of-an-algorithm-
daniel-neyland/

textbookfull.com

Sensing and Control for Autonomous Vehicles Applications

to Land Water and Air Vehicles 1st Edition Thor I. Fossen

https://textbookfull.com/product/sensing-and-control-for-autonomous-
vehicles-applications-to-land-water-and-air-vehicles-1st-edition-thor-
i-fossen/
textbookfull.com
Medical education at a glance First Edition Forrest

https://textbookfull.com/product/medical-education-at-a-glance-first-
edition-forrest/

textbookfull.com

Information and Communication Technology for Competitive

Strategies Proceedings of Third International Conference
on ICTCS 2017 Simon Fong
https://textbookfull.com/product/information-and-communication-
technology-for-competitive-strategies-proceedings-of-third-
international-conference-on-ictcs-2017-simon-fong/
textbookfull.com

Stein Manifolds and Holomorphic Mappings The Homotopy

Principle in Complex Analysis Ergebnisse der Mathematik
und ihrer Grenzgebiete 3 Folge A Series of Modern Surveys
in Mathematics Franc Forstneri■
https://textbookfull.com/product/stein-manifolds-and-holomorphic-
mappings-the-homotopy-principle-in-complex-analysis-ergebnisse-der-
mathematik-und-ihrer-grenzgebiete-3-folge-a-series-of-modern-surveys-
in-mathematics-franc-forstneric/
textbookfull.com

The Arrhythmic Patient in the Emergency Department A

Practical Guide for Cardiologists and Emergency Physicians
1st Edition Massimo Zecchin
https://textbookfull.com/product/the-arrhythmic-patient-in-the-
emergency-department-a-practical-guide-for-cardiologists-and-
emergency-physicians-1st-edition-massimo-zecchin/
textbookfull.com

Popular Opinion in the Middle Ages Channeling Public Ideas

and Attitudes Charles W. Connell

https://textbookfull.com/product/popular-opinion-in-the-middle-ages-
channeling-public-ideas-and-attitudes-charles-w-connell/

textbookfull.com
Resilience to Climate Change Candice Howarth

https://textbookfull.com/product/resilience-to-climate-change-candice-
howarth/

textbookfull.com
THE ETHICAL ALGORITHM
 MICHAEL KEARNS
AND
AARON ROTH

THE ETHICAL ALGORITHM

The Science of Socially Aware Algorithm

Design
 Oxford University Press is a department of the University of Oxford. It furthers the
University’s objective of excellence in research, scholarship, and education by publishing
worldwide. Oxford is a registered trade mark of Oxford University Press in the UK and
certain other countries.
Published in the United States of America by Oxford University Press
198 Madison Avenue, New York, NY 10016, United States of America.
© Michael Kearns and Aaron Roth 2020
All rights reserved. No part of this publication may be reproduced, stored in a retrieval
system, or transmitted, in any form or by any means, without the prior permission in
writing of Oxford University Press, or as expressly permitted by law, by license, or under
terms agreed with the appropriate reproduction rights organization. Inquiries concerning
reproduction outside the scope of the above should be sent to the Rights Department,
Oxford University Press, at the address above.
You must not circulate this work in any other form and you must impose this same
condition on any acquirer.
Library of Congress Cataloging-in-Publication Data
Names: Kearns, Michael, 1971– author. | Roth, Aaron (Writer on technology), author.
Title: The ethical algorithm : the science of socially aware algorithm design / Michael Kearns
and Aaron Roth.
Description: New York : Oxford University Press, 2019. |
Includes bibliographical references and index. |
Identifiers: LCCN 2019025725 |
ISBN 9780190948207 (hardback) | ISBN 9780190948221 (epub)
Subjects: LCSH: Information technology—Economic aspects. |
Technological innovations—Moral and ethical aspects.
Classification: LCC HC79.I55 K43 2019 | DDC 174/.90051—dc23
LC record available at https://lccn.loc.gov/2019025725

1 3 5 7 9 8 6 4 2
Printed by Sheridan Books, Inc. United States of America
Dedicated to our families
MK: Kim, Kate, and Gray
AR: Cathy, Eli, and Zelda
 CONTENTS

Introduction
1 Algorithmic Privacy: From Anonymity to Noise
2 Algorithmic Fairness: From Parity to Pareto
3 Games People Play (With Algorithms)
4 Lost in the Garden: Led Astray by Data
5 Risky Business: Interpretability, Morality, and the
Singularity
Some Concluding Thoughts

Acknowledgments
References and Further Reading
Index
THE ETHICAL ALGORITHM
 INTRODUCTION

ALGORITHMIC ANXIETY
We are allegedly living in a golden age of data. For practically any
question about people or society that you might be curious about,
there are colossal datasets that can be mined and analyzed to
provide answers with statistical certainty. How do the behaviors of
your friends influence what you watch on TV, or how you vote?
These questions can be answered with Facebook data, which records
the social network activity of billions of people worldwide. Are people
who exercise frequently less likely to habitually check their email?
For anyone who uses an Apple Watch, or an Android phone together
with the Google Fit app, the data can tell us. And if you are a retailer
who wants to better target your products to your customers by
knowing where and how they spend their days and nights, there are
dozens of companies vying to sell you this data.
Which all brings us to a conundrum. The insights we can get from
this unprecedented access to data can be a great thing: we can get
new understanding about how our society works, and improve public
health, municipal services, and consumer products. But as
individuals, we aren’t just the recipients of the fruits of this data
analysis: we are the data, and it is being used to make decisions
about us—sometimes very consequential decisions.
In December 2018, the New York Times obtained a commercial
dataset containing location information collected from phone apps
whose nominal purpose is to provide mundane things like weather
reports and restaurant recommendations. Such datasets contain
precise locations for hundreds of millions of individuals, each
updated hundreds (or even thousands) of times a day. Commercial
buyers of such data will generally be interested in aggregate
information—for example, a hedge fund might be interested in
tracking the number of people who shop at a particular chain of
retail outlets in order to predict quarterly revenues. But the data is
recorded by individual phones. It is superficially anonymous, without
names attached—but there is only so much anonymity you can
promise when recording a person’s every move.
For example, from this data the New York Times was able to
identify a forty-six-year-old math teacher named Lisa Magrin. She
was the only person who made the daily commute from her home in
upstate New York to the middle school where she works, fourteen
miles away. And once someone’s identity is uncovered in this way,
it’s possible to learn a lot more about them. The Times followed
Lisa’s data trail to Weight Watchers, to a dermatologist’s office, and
to her ex-boyfriend’s home. She found this disturbing and told the
Times why: “It’s the thought of people finding out those intimate
details that you don’t want people to know.” Just a couple of
decades ago, this level of intrusive surveillance would have required
a private investigator or a government agency; now it is simply the
by-product of widely available commercial datasets.
Clearly, we have entered a brave new world.
And it’s not only privacy that has become a concern as data
gathering and analysis proliferate. Because algorithms—those little
bits of machine code that increasingly mediate our behavior via our
phones and the Internet—aren’t simply analyzing the data that we
generate with our every move. They are also being used to actively
make decisions that affect our lives. When you apply for a credit
card, your application may never be examined by a human being.
Instead, an algorithm pulling in data about you (and perhaps also
about people “like you”) from many different sources might
automatically approve or deny your request. Though there are
benefits to knowing instantaneously whether your request is
approved, rather than waiting five to ten business days, this should
give us a moment of pause. In many states, algorithms based on
what is called machine learning are also used to inform bail, parole,
and criminal sentencing decisions. Algorithms are used to deploy
police officers across cities. They are being used to make decisions
in all sorts of domains that have direct and real impact on people’s
lives. All this raises questions not only of privacy but also of fairness,
as well as a variety of other basic social values including safety,
transparency, accountability, and even morality.
So if we are going to continue to generate and use huge datasets
to automate important decisions (a trend whose reversal seems
about as plausible as our returning to an agrarian society), we have
to think seriously about some weighty topics. These include limits on
the use of data and algorithms, and the corresponding laws,
regulations, and organizations that would determine and enforce
those limits. But we must also think seriously about addressing the
concerns scientifically—about what it might mean to encode ethical
principles directly into the design of the algorithms that are
increasingly woven into our daily lives. This book is about the
emerging science of ethical algorithm design, which tries to do
exactly that.

SORTING THROUGH ALGORITHMS

But first, what is an algorithm anyway? At its most fundamental
level, an algorithm is nothing more than a very precisely specified
series of instructions for performing some concrete task. The
simplest algorithms—the ones we teach to our first-year computer
science students—do very basic but often important things, such as
sorting a list of numbers from smallest to largest. Imagine you are
confronted with a row of a billion notecards, each of which has an
arbitrary number written on it. Your goal is to rearrange the
notecards so that the numbers are in ascending order—or, more
precisely, to specify an algorithm for doing so. This means that each
step of the process you describe must be unambiguous, and that the
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
process must always terminate with the notecards arranged in
ascending order, regardless of the numbers and their initial
arrangement.
Here is one way to start. Scan through the initial arrangement
from left to right to find the smallest of the numbers (you’re allowed
to use a pencil and paper as storage or memory to help you), which
perhaps is written on the 65,704th notecard. Then swap that
notecard with the leftmost notecard. Now the smallest number
comes first in the list, as desired. Next, rescan the cards starting
second from left to find the second-smallest number, and swap its
notecard with the second from left. Continue in this fashion until
you’ve completely sorted the list. This is an algorithm—it’s precisely
specified, and it always works.
It’s also a “bad” algorithm, in the sense that there are
considerably faster algorithms for the same problem. If we think
about it for a moment, we see that this algorithm will scan through
the list of a billion numbers a billion times—first from leftmost to
rightmost, then from second from left to rightmost, then from third
from left to rightmost, and so on—each time placing just one more
number in its proper position. In the language of algorithms, this
would be called a quadratic time algorithm, because if the length of
the list is n, the number of steps or “running time” required by the
algorithm would be proportional to the square of n. And if n is in the
billions—as it would be, for example, if we wanted to sort Facebook
users by their monthly usage time—it would be infeasibly slow for
even the fastest computers. Fortunately for Facebook (and the rest
of us), there are algorithms whose running time is much closer to n
than to its square. Such algorithms are fast enough for even the
largest real-world sorting problems.
One of the interesting aspects of algorithm design is that even for
fundamental problems such as sorting, there can be multiple
alternative algorithms with different strengths and weaknesses,
depending on what our concerns are. For example, the extensive
Wikipedia page on sorting lists forty-three different algorithms, with
names like Quicksort, Heapsort, Bubblesort, and Pigeonhole Sort.
Some are faster when we can assume the initial list is in a random
order (as opposed to being in reverse sorted order, for example).
Some require less memory than others, at the expense of being
slower. Some excel when we can assume that each number in the
list is unique (as with social security numbers).
So even within the constraint of developing a precise recipe for a
precise computational task, there may be choices and trade-offs to
confront. As the previous paragraph suggests, computer science has
traditionally focused on algorithmic trade-offs related to what we
might consider performance metrics, including computational speed,
the amount of memory required, or the amount of communication
required between algorithms running on separate computers. But
this book, and the emerging research it describes, is about an
entirely new dimension in algorithm design: the explicit
consideration of social values such as privacy and fairness.

MAN VERSUS MACHINE (LEARNING)

Algorithms such as the sorting algorithm we describe above are
typically coded by the scientists and engineers who design them:
every step of the procedure is explicitly specified by its human
designers, and written down in a general-purpose programming
language such as Python or C++. But not all algorithms are like this.
More complicated algorithms—the type that we categorize as
machine learning algorithms—are automatically derived from data. A
human being might hand-code the process (or meta-algorithm) by
which the final algorithm—sometimes called a model—is derived
from the data, but she doesn’t directly design the model itself.
In traditional algorithm design, while the output might be useful
(like a sorted list of Facebook usage times, which could help in
analyzing the demographic properties of the most engaged users),
that output is not itself another algorithm that can be directly
applied to further data. In contrast, in machine learning, that’s the
entire point. For example, think about taking a database of high
school information about previously admitted college students, some
of whom graduated from college and some of whom did not, and
using it to derive a model predicting the likelihood of graduation for
future applicants. Rather than trying to directly specify an algorithm
for making these predictions—which could be quite difficult and
subtle—we write a meta-algorithm that uses the historical data to
derive our model or prediction algorithm. Machine learning is
sometimes considered a form of “self-programming,” since it’s
primarily the data that determines the detailed form of the learned
model.
This data-driven process is how we get algorithms for more
human-like tasks, such as face recognition, language translation, and
lots of other prediction problems that we’ll talk about in this book.
Indeed, with the aforementioned explosion of consumer data
enabled by the Internet, the machine learning approach to algorithm
design is now much more the rule than the exception. But the less
directly involved humans are with the final algorithm or model, the
less aware they may be of the unintended ethical, moral, and other
side effects of those models, which are the focus of this book.

HOW THINGS CAN GO WRONG

The reader might be excused for some skepticism about imparting
moral character to an algorithm. An algorithm, after all, is just a
human artifact, like a hammer, and who would entertain the idea of
an ethical hammer? Of course, a hammer might be put to an
unethical use—as an instrument of violence, for example—but this
can’t be said to be the hammer’s fault. Anything ethical about the
use or misuse of a hammer can be attributed to the human being
who wields it.
But algorithms—especially models derived directly from data via
machine learning—are different. They are different both because we
allow them a significant amount of agency to make decisions without
human intervention and because they are often so complex and
opaque that even their designers cannot anticipate how they will
behave in many situations. Unlike a hammer, which is designed to do
only one thing exceptionally well, algorithms can be tremendously
general-purpose, closer to the human mind in their flexibility of
purpose than to something you’d find in a carpenter’s toolbox. And
unlike with a hammer, it is usually not so easy to blame a particular
misdeed of an algorithm directly on the person who designed or
deployed it. In this book, we will see many instances in which
algorithms leak sensitive personal information or discriminate against
one demographic or another. But how exactly do these things
happen? Are violations of privacy and fairness the result of
incompetent software developers or, worse yet, the work of evil
programmers deliberately coding racism and back doors into their
programs?
The answer is a resounding no. The real reasons for algorithmic
misbehavior are perhaps even more disturbing than human
incompetence or malfeasance (which we are at least more familiar
with and have some mechanisms for addressing). Society’s most
influential algorithms—from Google search and Facebook’s News
Feed to credit scoring and health risk assessment algorithms—are
generally developed by highly trained scientists and engineers who
are carefully applying well-understood design principles. The
problems actually lie within those very principles, most specifically
those of machine learning. It will serve us well later to discuss those
principles a bit now.
As we’ve suggested, many of the algorithms we discuss in this
book would more accurately be called models. These models, which
make the actual decisions of interest, are the result of powerful
machine learning (meta-) algorithms being applied to large, complex
datasets. A crude but useful sketch of the pipeline is that the data is
fed to an algorithm, which then searches a very large space of
models for one that provides a good fit to the data. Think of being
given a cloud of 100 points on a piece of paper, each labeled either
“positive” or “negative,” and being asked to draw a curve that does a
good but perhaps imperfect job of separating positives from
negatives (see Figure 1). The positive and negative points are the
data, and you are the algorithm—trying out different curves until you
settle on what you think is the best separator. The curve you pick is
the model, and it will be used to predict whether future points are
positive or negative But now imagine that instead of 100 points,
there are 10 million; and instead of the points being on a 2-
dimensional sheet of paper, they lie in a 10,000-dimensional space.
We can’t expect you to act as the algorithm anymore, however
smart you might be.
Fig. 1. Building a model to predict collegiate success from high school data.
Imagine that each point represents the high school GPA and SAT score of a
college student. Points labeled with “+” represent students who successfully
graduated from college in four years, while points labeled with “–” represent
students who did not. The straight dashed line does an imperfect but pretty good
job of separating positives from negatives and could be used to predict success
for future high school students. The solid curve makes even fewer errors but is
more complicated, potentially leading to unintended side effects.

The standard and most widely used meta-algorithms in machine

learning are simple, transparent, and principled. In Figure 2 we
replicate the high-level description or “pseudocode” from Wikipedia
for the famous backpropagation algorithm for neural networks, a
powerful class of predictive models. This description is all of eleven
lines long, and it is easily taught to undergraduates. The main
“forEach” loop is simply repeatedly cycling through the data points
(the positive and negative dots on the page) and adjusting the
parameters of the model (the curve you were fitting) in an attempt
to reduce the number of misclassifications (positive points the model
misclassifies as negative, and negative points the model misclassifies
as positive). It’s doing what you would do, except in a perhaps more
systematic, mathematical way, and without any limits on how many
data points there are or how complex they are.

Fig. 2. Pseudocode for the backpropagation algorithm for neural networks.

So when people talk about the complexity and opaqueness of

machine learning, they really don’t (or at least shouldn’t) mean the
actual optimization algorithms, such as backpropagation. These are
the algorithms designed by human beings. But the models they
produce—the outputs of such algorithms—can be complicated and
inscrutable, especially when the input data is itself complex and the
space of possible models is immense. And this is why the human
being deploying the model won’t fully understand it. The goal of
backpropagation is perfectly understandable: minimize the error on
the input data. The opacity of machine learning, and the problems
that can arise, are really emergent phenomena that result when
straightforward algorithms are allowed to interact with complex data
to produce complex predictive models.
For example, it may be that the model that minimizes the overall
error in predicting collegiate success, when used to make admissions
decisions, happens to falsely reject qualified black applicants more
often than qualified white applicants. Why? Because the designer
didn’t anticipate it. She didn’t tell the algorithm to try to equalize the
false rejection rates between the two groups, so it didn’t. In its
standard form, machine learning won’t give you anything “for free”
you didn’t explicitly ask for, and may in fact often give you the
opposite of what you wanted. Put another way, the problem is that
rich model spaces such as neural networks may contain many “sharp
corners” that provide the opportunity to achieve their objective at
the expense of other things we didn’t explicitly think about, such as
privacy or fairness.
The result is that the complicated, automated decision-making
that can arise from machine learning has a character of its own,
distinct from that of its designer. The designer may have had a good
understanding of the algorithm that was used to find the decision-
making model, but not of the model itself. To make sure that the
effects of these models respect the societal norms that we want to
maintain, we need to learn how to design these goals directly into
our algorithms.

WHO ARE WE?

Before we embark on our journey intertwining technology, society,
ethics, and algorithm design, it will be helpful to know a little about
who we are and how we came to be interested in these apparently
disparate topics. Our backgrounds will in turn illuminate what this
book is and is not intended to be about, and what we are more and
less qualified to opine upon.
For starters, we are both career researchers in the field known as
theoretical computer science. As the name somewhat generically
suggests, this is the branch of computer science with particular
interest in formal, mathematical models of computation. We
deliberately say “computation” and not “computers,” because for the
purposes of this book (and perhaps even generally), the most
important thing to know about theoretical computer science is that it
views computation as a ubiquitous phenomenon, not one that is
limited to technological artifacts. The scientific justification for this
view originates with the staggeringly influential work of Alan Turing
(the first theoretical computer scientist) in the 1930s, who
demonstrated the universality of computational principles with his
mathematical model now known as the Turing machine. Many
trained in theoretical computer science, ourselves included, view the
field and its tools not simply as another scientific discipline but as a
way of seeing and understanding the world around us—perhaps
much as those trained in theoretical physics in an earlier era saw
their own field.
So a theoretical computer scientist sees computation taking place
everywhere—certainly in computers, but also in nature (in genetics,
evolution, quantum mechanics, and neuroscience), in society (in
markets and other systems of collective behavior), and beyond.
These areas all embody computation in the general sense that
Turing envisioned. Certainly the physical mechanisms and details
differ—computation in genetics, for example, involves DNA and RNA
instead of the circuits and wires of traditional electronic computers,
and is less precise—but we can still extract valuable insights by
treating such varied systems as computational devices.
This worldview is actually shared by many computer scientists,
not only the theoretical ones. The distinguishing feature of
theoretical computer science is the desire to formulate
mathematically precise models of computational phenomena and to
explore their algorithmic consequences. A machine learning
practitioner might develop or take an algorithm like backpropagation
for neural networks, which we discussed earlier, and apply it to real
data to see how well it performs. Doing so doesn’t really require the
practitioner to precisely specify what “learning” means or doesn’t
mean, or what computational difficulties it might present generally.
She can simply see whether the algorithm works well for the specific
data or task at hand.
In contrast, a theoretical computer scientist would be inclined to
approach machine learning by first giving a precise definition (or
perhaps multiple variations on an underlying definition) of “learning,”
and then to systematically explore what can and cannot be achieved
algorithmically under this definition. With tongue only slightly in
cheek, we can view the typical practitioner as following Nike’s “Just
Do It” mantra, while the theorist follows the “Just Define and Study
It” mantra. When put this way, people might naturally wonder what
the practical value of theoretical computer science is, and it’s true
that in many scientific disciplines theory often lags behind practice.
But we would argue (and suspect many of our colleagues would
agree) that the theoretical approach is essential when the right
definition is far from clear, and when getting it right matters a lot, as
with concepts such as “privacy” and “fairness.”
Writing down precise definitions that capture the essence of
critical and very human ideas without becoming overly complex is
something of an art form, and it is inevitable that in many settings,
simplifications—sometimes painful ones—are necessary. We will see
this tension arise repeatedly throughout this book. But we should
keep in mind that this tension is not an artifact of the theoretical
approach per se; instead, it reflects the inherent difficulty of being
precise about concepts that previously have been left vague, such as
“fairness.” We believe that the only way to make algorithms better
behaved is to begin by specifying what our goals for them might be
in the first place.
Our training notwithstanding, our research and interest in the
topics described here have not been formulated in a vacuum of
abstraction and mathematics. We’ve both always been interested in
applying that approach to problems in machine learning and artificial
intelligence. We are also neither adverse to nor inexperienced in
experimental, data-driven work in machine learning—often as a test
of the practicality and limitations of our theories, but not always.
And it was the very trends we describe in these pages—the
explosive growth of consumer data enabled by the Internet, and the
accompanying rise in machine learning for automated decision-
making—that made us and our colleagues aware of and concerned
about the potential collateral damage.
We have spent much of the last decade researching the topics
that we cover in this book, and engaging with a variety of
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
stakeholders. We’ve spent many hours talking to lawyers, regulators,
economists, criminologists, social scientists, technology industry
professionals, and many others about the issues raised in these
pages. We’ve provided testimony and input to congressional
committees, corporations, and government agencies on algorithmic
privacy and fairness. And between us we have extensive, hands-on
professional experience in areas including quantitative trading and
finance; legal, regulatory, and algorithmic consulting; and technology
investing and start-ups—all of which are beginning to confront the
social issues that are our themes here.
We are, in short, modern computer scientists. We also know what
we are not, and should not pretend to be. We are not lawyers or
regulators. We are not judges, police officers, or social workers. We
are not on the front lines, directly seeing and helping the people
who suffer harms from privacy or fairness violations by algorithms.
We are not social activists with a deep, firsthand sense of the history
and problems of discrimination and other forms of injustice.
Because of this, we’ll tend to say relatively little on important
matters where such expertise is essential, such as designing better
laws or policies, proposing how to improve social agencies to reduce
unfairness in the first place, or opining on whether and how to stem
labor displacement resulting from technology. It’s not that we don’t
care about these topics or have opinions on them; we do. But doing
justice to them would have fundamentally altered the nature of the
book we wanted to write, which is about scientific approaches and
solutions to what we might call socio-algorithmic problems.
So we will stick to what we know well and have thought hard
about: how to design better algorithms.
WHAT THIS BOOK IS (NOT) ABOUT
It doesn’t take much searching to discover many recent books, news
stories, and scientific articles documenting cases in which algorithms
have caused harms to specific people, and often to large groups of
people. For instance, controlled online experiments have
demonstrated racial, gender, political, and other types of bias in
Google search results, Facebook advertising, and other Internet
services. An explosive controversy over racial discrimination in the
predictive models used in criminal sentencing decisions has recently
consumed statisticians, criminologists, and legal scholars. In the
domain of data privacy, there have been many cases in which
sensitive information about specific people—including medical
records, web search behavior, and financial data—has been inferred
by “de-anonymizing” data that was allegedly made “anonymous” by
algorithmic processing (as in the aforementioned New York Times
case about location data and Lisa Magrin). Turbocharged by
algorithmic data analysis tools that make it faster and more efficient
to search for correlations in data, there has even been a rash of
reported scientific findings that turn out not to be true, costing both
dollars and lives. It has become very clear that modern algorithms
may routinely trample on some of our most cherished social values.
So the problems are becoming obvious. What about the
solutions? Much of the discussion to date has focused on what we
might consider to be “traditional” solutions, such as new laws and
regulations focused on algorithms, data and machine learning. The
European Union’s General Data Protection Regulation is a sweeping
set of laws designed to limit algorithmic violations of privacy and to
enforce still-vague social values such as “accountability” and
“interpretability” on algorithmic behavior. Legal scholars are
immersed in discussions of the ways existing laws do or do not apply
to previously human-centric arenas that are increasingly dominated
by algorithms, such as Title VII’s prohibition of discrimination in
employment decisions in the United States. The tech industry itself is
starting to develop self-regulatory initiatives of various types, such
as the Partnership on AI to Benefit People and Society. Government
organizations and regulatory agencies are struggling to figure out
how the algorithmic landscape affects their missions; the US State
Department even held a workshop on the role and influence of AI in
foreign policy.
There are important conversations going on, even as we write,
about the proper role of data collection in our society: maybe there
are certain things that just shouldn’t be done, because the long-term
social consequences aren’t worth the gains. It might be beside the
point whether or not facial recognition algorithms have higher error
rates on black people compared to white people; maybe we
shouldn’t be engaging in large-scale facial recognition at all, simply
because it leads us closer to being a surveillance state. All of this
activity and debate is healthy, important, and essential and has been
written about at length by others.
So rather than covering familiar ground, our book instead dives
headfirst into the emerging science of designing social constraints
directly into algorithms, and the consequences and trade-offs that
emerge. Despite our focus on concrete technical solutions in the rest
of this book, we are not under the misapprehension that technology
alone can solve complicated social problems. But neither can
decisions about our society be made in a vacuum. To make informed
decisions, we need to be able to understand the consequences of
deploying certain kinds of algorithms, and the costs associated with
constraining them in various ways. And that is what this book is
about.
At this juncture you’d be forgiven for feeling a tad queasy about a
book on ethical algorithms written by theoretical computer scientists.
The same people who brought you the disease have now proposed
the cure—and it’s more algorithms! But we indeed believe that
curtailing algorithmic misbehavior will itself require more and better
algorithms—algorithms that can assist regulators, watchdog groups,
and other human organizations to monitor and measure the
undesirable and unintended effects of machine learning and related
technologies. It will also require versions of those technologies that
are more “socially aware” and thus better-behaved in the first place.
This book is about the new science underlying algorithms that
internalize precise definitions of things such as fairness and privacy—
specified by humans—and make sure they are obeyed. Instead of
people regulating and monitoring algorithms from the outside, the
idea is to fix them from the inside. To use one of the nascent field’s
acronyms, the topics we examine here are about the FATE—fairness,
accuracy, transparency, and ethics—of algorithm design.
There is no getting around the fact that the people who have
developed a particular branch of science or technology in the first
place are almost always the ones most deeply familiar with its
limitations, drawbacks, and dangers—and possibly how to correct or
reduce them. So it’s essential that the scientific and research
communities who work on machine learning be engaged and
centrally involved in the ethical debates around algorithmic decision-
making. Consider the Manhattan Project to develop the atomic bomb
during World War II, for instance, and the subsequent efforts of
many of its scientists to curtail the use of their own invention for
years after. Of course, the loss of human life from algorithms has,
mercifully, been far less severe (at least so far) than from the use of
nuclear weapons, but the harms are more diffuse and harder to
detect. Whatever one believes about the ultimate role that
algorithms should play in our society, the idea that their designers
should inform that role is fundamentally sound.
The efforts described in these pages in no way propose that
algorithms themselves should decide, or even be used to decide, the
social values they will enforce or monitor. Definitions of fairness,
privacy, transparency, interpretability, and morality should remain
firmly in the human domain—which is one of the reasons that the
endeavor we describe must ultimately be a collaboration between
scientists, engineers, lawyers, regulators, philosophers, social
workers, and concerned citizens. But once a social norm such as
privacy is given a precise, quantitative definition, it can be
“explained” to an algorithm that then makes sure to obey it.
Of course, one of the greatest challenges here is in the
development of quantitative definitions of social values that many of
us can agree on. And we’ll see that this challenge has been met
relatively well so far (if inevitably imperfectly) in areas such as
privacy, is making good but murkier progress in areas such as
fairness, and has a much longer way to go for values such as
interpretability or morality. But despite the difficulties, we argue that
the effort to be exceedingly precise by what we mean when we use
words such as privacy and fairness has great merit in its own right—
both because it is necessary in the algorithmic era and because
doing so often reveals hidden subtleties, flaws, and trade-offs in our
own intuitions about these concepts.

A BRIEF PREVIEW
In this book we will see how it is possible to expand the principles
on which machine learning is based to demand that they incorporate
—in a quantitative, measurable, verifiable manner—many of the
ethical values we care about as individuals and as a society.
Of course, the first challenge in asking an algorithm to be fair or
private is agreeing on what those words should mean in the first
place—and not in the way a lawyer or philosopher might describe
them, but in so precise a manner that they can be “explained” to a
machine. This will turn out to be both nontrivial and revealing, since
many of the first definitions we might consider turn out to have
serious flaws. In other cases we will see there may be several
intuitive definitions that are actually in conflict with each other.
But once we’ve settled on our definitions, we can try to internalize
them in the machine learning pipeline, encoding them into our
algorithms. But how? Machine learning already has a “goal,” which is
to maximize predictive accuracy. How do we introduce new goals
such as fairness and privacy into the code without “confusing” the
Random documents with unrelated
content Scribd suggests to you:
The Project Gutenberg eBook of Aucassin ja
Nicolette: Laulutarina
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Aucassin ja Nicolette: Laulutarina

Translator: Eino Palola

Release date: January 11, 2020 [eBook #61145]

Language: Finnish

Credits: Tapio Riikonen

*** START OF THE PROJECT GUTENBERG EBOOK AUCASSIN JA

NICOLETTE: LAULUTARINA ***
 E-text prepared by Tapio Riikonen

AUCASSIN JA NICOLETTE
Laulutarina

Muinais-ranskasta suomentanut

Eino Palola

Hämeenlinnassa, Arvi A. Karisto Oy, 1918.

Kaikkina aikoina, niin kauas kuin meidän tietomme ihmissuvun

vaiheista ja kohtaloista ulottuvat, ovat ihmiset mielihalulla kuulleet
satuja ja tarinoita kerrottavan ja lauluja laulettavan. Tuolla
voimakkaalla, kirkastetulla elämällä, mikä satuun tai tarinaan
keskittyy, olkoon se sitten kuviteltua tai todellista, on ollut sama
elähyttävä vaikutus kaikkina aikoina — ja jo varhain on pyritty
myöskin huolittelemaan kerrottavan muotoa kauniiseen asuun, — jo
aikaisin huomataan erotus "huonosti ja hyvin sanotun" välillä. Se,
joka osaa miellyttävimmin, sievimmin ja havainnollisimmin kertoa, se
saa myöskin runsaimman kuulijakunnan ja suurimman maineen.
Kertominen, kirjaileminen kehittyy vähitellen taiteeksi, sitä
korkeammaksi ja tietoisemmaksi, mitä ylemmällä kulttuuriasteella
esittäjä ja yleisö ovat.

Kaikkien euroopalaisten kansojen kirjallisuuden ensimäiset tuotteet

ovat säilyneet meille runomuodossa, ja ne on useimmiten esitettykin
laulamalla. Ne ovat paraasta päästä eepillisiä, kuten saksalaisten
jylhä Hildebrandslied ja ranskalaisten mahtava Chanson de Roland
(Roland-laulu). Runous näyttää siis olleen taidemuotona aikaisemmin
tunnustettu kuin suorasanainen kertomus; esim. Ranskassa tämä
pääsee pinnalle vasta XlV:llä vuosisadalla, jolloin vanhoja eepoksia
alettiin uudelleen kertoa proosamuodossa.

Varsinkin keskiaika on meistä kuin suuri tarukammio täynnä mitä

ihmeellisimpiä kertomuksia ja tarinoita. Ja etenkin on Ranska se
keskus, mihin nuo kertoelmat lopulta kokoontuvat saavuttaakseen
muodollisen ja sisällyksellisen viimeistelynsä huipun ja levitäkseen
sieltä taas muualle, enimmiten Saksaan ja Italiaan, uusina
käännöksinä ja muodostelmina.

Ranskassa tapaamme ensin nuo komeat, kansalliset eepokset,

joiden etunenässä kohoaa mahtava Roland-laulu, — komeudessa ja
jylhyydessä, rakenteen järkkymättömässä tyyneydessä ja
sankarikuvien suurenmoisessa hahmoittelussa antamatta paljoakaan
perää itse Homeroksen lauluille. Kuulemme kumman tarinan Kaarle
Suuren pyhiinvaellusmatkasta (Le pélerinage de Charlemagne)
merkillisine urotekoinensa ja voimanäytteineen, joita koko
Konstantinopolikin, ihmeitten kaupunki, suuresti hämmästeli.
Ludvigin kruunaus (Le couronnement de Louis), Cambrain Raoul,
Narbonnen Aimeri XII:lta vuosisadalta j.n.e. kertovat kaikki
eläneiden tai kuviteltujen sankarien suurtöistä ja taisteluista. Läpi
kaiken uhkuu sankarillinen henki, loistava kunnian ja maineen
palvelus, jonka rinnalla muu on tyhjää ja turhaa.

Mutta noin XII:lla vuosisadalla alkaa innostus historiallisiin

aiheisiin, sotiin ja taisteluihin vähetä. Toisenlaiset aiheet pyrkivät
esille. Sotaisen sankarin aika on mennyt, rakkauden sankari astuu
sijaan. Nyt tulevat muotiin nuo vanhat brittiläiset tarut, jotka elivät
Bretagnessa ja Cornwallissa: Kuningas Artus pyöreän pöydän
ritareineen, merkillinen taikuri Merlin, keijukaiset ja hengettäret
astuvat näyttämölle. Varsinkin ne tarinat, jotka jollakin lailla liittyivät
kertomuksiin Artus-kuninkaasta, saavuttivat tavattoman
menestyksen, eikä muutamien niiden viehätys ole vielä nytkään
haihtunut, siitä suosiosta päättäen, missä esim. kertomukset
Tristanista ja Isoldesta ja Parsifalista ovat pysyneet aina meidän
päiviimme saakka.

Ne kertovat merkillisistä seikkailuista ja urotöistä, mielen

jaloudesta ja tapojen hienoudesta, onnellisesta tai onnettomasta
rakkaudesta, suurista meristä ja mainioista kansoista. Niiden
ihanteena ei enää ole läänityslaitoksen raaka soturi, vaan sivistynyt
ritari, joka jalostuneemmasta tunne-elämästään huolimatta kykenee
minkälaisiin urotöihin hyvänsä rakastamansa naisen tähden. Ja
usein, kuten Graal-tarinoissa, saa niiden sisällys syvemmän,
vertauskuvallisen merkityksenkin.

Tältä ajalta on meille säilynyt pari nimeäkin, joita siihen aikaan —

ja osaksi vielä nytkin — ympäröi kuuluisuuden sädekehä: Marie de
France, Euroopan ensimäinen naiskirjailija, ja Crestien de Troyes,
trouvèrien kuningas, hieno hovimies ja runoilija. Edellinen kirjoitti
lyhyitä, runomuotoisia tarinoita (laisses), joissa merkillisen
miellyttävä kertomistapa ja rikas mielikuvitus viehättää
herkkätunteisuuteen ja runolliseen käsitykseen yhtyneenä.
Jälkimäinen sepitti suuret runomuotoiset "romaanit" Tristanista,
Erec'istä, Cligéstä, Lancelotista, Yvainistä ja Parsifalista, jotka
edustavat suurimpia saavutuksia alallaan, ja joissa kuvastuu
senaikuisten korkeimpien yhteiskuntaluokkien ihanteet ja tavat.

Chrestieniä käyttivät mallinaan myöskin saksalaiset eepikot joko

kääntäen tai uudelleen muodostellen hänen tarinansa. Hartmann von
Aue, Gottfried von Strassburg, Wolfram von Eschenbach ovat kaikki
suuremmassa tai pienemmässä määrässä Chrestienin oppilaita ja
seuraajia. Mutta vielä kolmannelta taholta tuli aiheita ja vaikutteita.
Itämaat ovat aina olleet satujen luvattuja maita, ja sieltä tulvi nyt —
varsinkin ristiretkien aikana — runsas määrä satuja ja tarinoita, jotka
liikkuivat merkillisissä mielikuvitusmaailmoissa, oudoissa oloissa, tai
olivat räikeän satiirisia suuntautuen varsinkin naissukua vastaan, ja
tullen tuon ominaisuutensa vuoksi varsin kiitollisiksi aseiksi
askeettisten pappien ja saarnaajien käsissä.

Erittäinkin juuri itämaisista aineksista on muodostunut hyvin rikas

fabliaux-kirjallisuus. Ne olivat pieniä runomuotoisia, huvittavia
juttuja, joissa useimmissa on ivailun kärki. Sieltä ovat kotoisin
monenmoiset eläintarinat ja pelkät kansansadut, pyhimysten
elämäntarinat sekä kertomukset Aleksanteri Suuresta ja Troijan
sodasta, monilla mielikuvituksen laatimilla lisäpiirteillä melkein
tuntemattomiksi sommiteltuina.

*****
 Tähän itämaiseen tarinaryhmään kuuluu kertomus Aucassinista ja
Nicolettestakin, mutta ennen kuin ryhdymme sitä tarkemmin
käsittelemään, lienee syytä ottaa selville, kuinka kirjalliset tuotteet
siirrettiin yleisön nautittaviksi, kuinka ne levisivät ja kulkivat edelleen.

Kuten tunnettua oli lukutaito keskiajalla varsin vähän levinnyt.

Lukea osasivat oikeastaan vain papit ja jotkut korkeimpiin
säätyluokkiin kuuluvat henkilöt, harvoin muut. Tästä seurasi, ettei
kirjallisuutta silloin useimmissa tapauksissa luettu, vaan kuunneltiin,
ja tämä kirjallisten tuotteiden esittäminen jäi erityisesti sitä varten
valmistuneiden henkilöiden hoidettavaksi.

Näitä oli kolmea päälajia: kelttiläiset ja germaaniset laulajat

(bardit), kuljeskelevat teinit ja roomalaisilta perityt temppuilijat, jotka
lopulta melkein kokonaan syrjäyttivät edellämainitut, muodostaen
keskiajan elämään oleellisesti liittyvän luokan.

Jo Rooman vallan aikana näki tuollaisen kuljeskelevan

soittoniekan, temppuilijan ja näyttelijän kirjavan, erivärisistä tilkuista
ommellun puvun vilahtelevan kaikkialla koko suuressa
valtakunnassa. Ja kun valtakunta hajosi, eivät soittoniekat silti
kadonneet. Nyt näki heidät taas Attilan hovissa, näki Italiaan
tunkeutuneiden germaanikuninkaiden valta-istuimen portailla,
kaikkialla, missä vain oli kuuntelevia korvia, väen kokouksia tai
juhlatilaisuuksia. Heidän nimityksensäkin periytyi romaanisiin kieliin
(lat. joculator, ransk. jogleor, provenc. joglar).

Heidän päätehtävänään oli siis kirjallisten tuotteiden esittäminen

kertomalla tai laulamalla, jota he säestivät useimmiten
viuluntapaisella soittokoneella (viele), harpulla tai jollakin muulla
monista senaikuisista soittoneuvoista. Missä vain oli suurempi väen
kokous, sinne he runsaslukuisina saapuivat ansaitsemaan leipäänsä
lauluillaan tai tempuillansa, hiukan kujeilemaan ja mahdollisesti
vähän varastamaankin. He olivat mukana yhtä hyvin maallisissa kuin
kirkollisissakin juhlissa. Ritarien linnoissa huvittivat he vieraita
aterioitten aikana, markkinoilla rahvasta vikkelillä taidonnäytteillään.

Heidän kuljeksivan elämänsä ja vallattomien tapojensa tähden ei

varsinkaan kirkko katsellut heitä hyvin silmin. Jo pyhä Augustinus
sanoo soittoniekoille osoitettua anteliaisuutta "viheliäiseksi synniksi",
ja läpi koko keskiajan pauhaavat saarnaajat ja munkit heitä vastaan
sangen tuloksettomasti selittäen, "että he kaikkine temppuineen ovat
paholaisen palvelijoita".

Useissa paikoin ei heillä ollut minkäänlaista lain suojaa, ja

ehtoollisen epäsi heiltä kirkko kokonaan.

On olemassa kuuluisa keskiaikainen tarina, jossa soittoniekkojen

asema selvästi kuvastuu. Se on Neitsyt Maarian tanssija (Le jongleur
de Notre Dame). [Kts. Söderhjelm: Kirjoituksia ja tutkielmia, joissa
runo on painettu O. Mannisen suomentamana.]

Kiertävä mies on vihdoinkin väsynyt temppuihinsa ja tansseihinsa

ja hakee jo lepoa ja rauhaa. Tässä mielessä joutuu hän luostariin ja
jää sinne katumuksen tekijäksi. Mutta hän ei osaa luostarin menoja,
ei osaa edes Pater nosteria eikä Ave Mariaa; kaikki muut
luostariveljet nauravat hänelle, ja hän alkaa jo joutua epätoivoon
sielunsa autuuden takia. Mutta silloin keksii hän keinon. Hän
piiloutuu hiljaiseen paikkaan Neitsyt Maarian kuvan eteen, ja kun
hän ei osaa rukoilemalla hyvittää Jumalan äitiä, hän esittää iki-
pyhälle parhaat tanssinsa, näyttää parhaimmat temppunsa, niin että
lopulta sortuu väsyneenä maahan. Mutta kas! Silloin erkanee taivaan
kuningatar puitteistaan, kumartuu ja pyyhkii suloisesti hymyillen
hikikarpalot hänen otsaltaan.
 Mutta eräs luostariveli onkin sattunut näkemään kohtauksen, ja
seuraavana päivänä kutsuu apotti katumuksen tekijän luoksensa.
Hän pelkää kovin, syleilee apotin polvia ja tunnustaa olevansa
arvoton jäämään luostariin. Mutta hänen hämmästyksensä on suuri,
kun apotti puhuukin päinvastaista, — niin suuri, että hän tulee ilosta
sairaaksi, ja hänen kuollessaan tulee enkelien kuoro kantamaan
hänen sielunsa taivaaseen.

Toinen tarina Pyhästä Pietarista ja soittoniekasta (De Saint Pierre

et du Jongleur) antaa heti alussa hyvin selvän kuvan soittoniekan
elämästä.

"Sensissa oli kerran köyhä ja kurja soittoniekka, jonka nimeäkään

en tiedä. Harvoin oli hänellä ehyttä pukuakaan, sillä noppapeli
vietteli häntä liiaksi. Hänet puhdistettiin usein ihoa myöten. Monasti
kiskottiin häneltä pois viulu ja jousi, takki ja housut. Ja niin sai hän
tuulessa ja sateessa paitasillaan juosta kotiin. Rääsyisenä, rikkinäisin
kengin kulki hän taas ansioillaan, mutta jälleenkin meni kaikki
parittajille ja kapakoitsijoille, kaikki hupeni peliin, lempeen ja
ryyppyihin krouveissa."

Lopulta kuolee tietysti soittajamme ja joutuu luonnollisesti, koko

entisen elämänsä perusteella, helvettiin. Ensin luulee häntä
paholainen varkaaksi tai ryöväriksi, mutta soittajamme saavuttaa
viimein niin suuren luottamuksen, että pääsee helvetin lämmittäjäksi.
Paholaiset poistuvat ja miehemme jää yksin hornaa hoitamaan.
Mutta taivas on viekas, silläkin on omat konstinsa ja koukkunsa.
Pyhä Pietari tulee astuen tietä pitkin noppapeli kädessään, suuri
kukkaro vyöllä, ja pyytää soittajaamme pelitoverikseen. Tämä ei
ensin tahdo suostua, kun ei tiedä mitä panna peliin. Pyhä Pietari
ehdottaa, että soittaja asettaisi vartioitavansa sielut hänen
kolikoitansa vastaan. Ja nyt alkaa vilkas peli, jonka riita ja tappelu
välistä keskeyttää, kunnes Pyhä Pietari on tyhjentänyt koko helvetin.
Nyt tulee paholainen joukkoineen kotiin ja suuttuu hirveästi,
paiskaten soittaja-paran ovesta ulos maantielle. Hänellä ei ole muuta
neuvoa kuin kiivetä taivaan portille, ja siellä ottaa Pyhä Pietari hänet
ystävällisesti vastaan. Ja nyt on taivas avoinna kaikille kiertäjille,
kiitos pyhän noppapelin.

Noppapeli olikin taiteilijoittemme suurin pahe. Siihen meni,

niinkuin tarinassa kerrotaan, kaikki aivan pintaa myöten. Ja jos
heidän elämänsä joskus oli kurjaakin, oli sillä kuitenkin omat
juhlahetkensä, ja lahjat, joita he saivat, olivat joskus aivan
ruhtinaallisia. Runsaskätisimpiä oli kai keisari Henrik V, joka häissään
lahjoitti soittoniekka-parvelle silkkikankaita, kulta- ja hopeaesineitä,
muuleja ja ratsuja, turkiksia ja samettia, monta täyskultaista
sormusta, sopulin ja kärpän nahkoja.

Anteliaita olivat myöskin kuningas Filip Augustin herrat. He

lahjoittivat soittajille manttelinsa, maksettuansa niistä 20-30 naulaa
hopeaa, jolla 20-30 köyhää olisi voinut elää kokonaisen vuoden.
Galeazzo Visconti jakoi häissään Milanossa 7,000 kallisarvoista
kangasta soittoniekoille, ja kun keisari Kaarle IV jouluna v. 1356 tuli
Metziin, ratsastivat vaaliruhtinaat hevosillaan aivan pöydän luo ja
syötyään luovuttivat ne soittajille.

Niin kulkivat soittoniekat, yksin tai joukollakin, — suurempiin

juhlatilaisuuksiin saattoi heitä kertyä tuhansittain — kaupungista
toiseen ja maasta maahan useimmiten köyhinä ja halveksittuina,
harvoin rikkaina ja hyvinvoipina. Näillä retkillään joutuivat he joskus
Itämaiden kaukaisiin hoveihin, Turkkiin ja Persiaan saakka, kuullen
siellä uusia tarinoita ja tuoden niitä muassaan Euroopaan. Heidän
ohjelmansa kasvoi kasvamistaan, ja ihmiset kuuntelivat heitä aivan
yhtä mielellään. Voi sanoa heidän hävinneen vasta uutena aikana, tai
saattaisipa väittää, että sirkusseurueet ja monet muut kiertueet
vieläkin jatkavat heidän ammattiansa.

Lyyrilliset laulunsa esittivät he ulkoa, suuremmat eepilliset olivat

taas kirjoitetut muistiin, ja niitä käsikirjoituksia kantoi esittäjä
matkoillaan mukana. Saattoipa sitäpaitsi tapahtua, että joku
asianharrastaja jäljennytti itselleen suurta mieltymystä herättäneen
tuotteen, ja tällaisina käsikirjoituksina ovat monet noista lauluista,
tarinoista ja kertovista runoista säilyneet meillekin. Suurin osa on
tietysti kadonnut, ja monista tiedämme vain toisten käsikirjoitusten
mainintain tai sattumalta säilyneiden kertomusten perusteella.

Käsikirjoituksena — ja vieläpä vain yhtenä — on myös Aucassin ja

Nicolette meille säilynyt. Sen on julkaissut sekä kieli- ja
tekstikriitillisillä selityksillä varustanut professori Hermann Suchier,
Hallen yliopistosta. Alkuaan on se kirjoitettu Picardien murteella, ja
sen tekijä on kai ollut kotoisin Hainautin maakunnasta, johon
muutamat paikalliset seikat kertomuksessa viittaavat.

Tarinan lähteitä ei tunneta, mutta kaikki siinä haastaa itämaisesta

alkuperästä. Niinpä oli tuo runona ja suorasanaisena vaihteleva
esitysmuoto hyvin tavallinen itämaisissa romaaneissa, vaikka runo-
osat niissä tavallisesti sisälsivät vain siveellisiä opetuksia ja neuvoja,
itse kertomuksen jatkuessa suorasanaisena. Miehisen päähenkilön
nimi taasen on arabialaista alkuperää: Al Casim = Aucassin, ja esim.
miesten makaaminen lapsivuoteessa on verrattain tavallinen aihe
itämaisissa romaaneissa. [Kts. Selityksiä lopulla.]

Tarinamme on muuten aivan yksinäinen ilmiö. Ranskan

keskiaikaisessa kirjallisuudessa ei ole toista, joka muodon tai
sisällyksen puolesta sitä muistuttaisi. Ainoastaan romaani Floire et
Blancheflor lähenee sitä kohdittain. Emme tiedä, onko se aina ollut
näin erikoinen, vai onko se ainoa meille jäänyt näyte laulutarinasta
(cantefable). Kaikissa tapauksissa osoittaa kielellinen muoto, että se
on sepitetty noin 1200-luvun alussa, samaan aikaan kuin ensimäiset
ranskalaiset proosanovellitkin syntyivät.

Varmaksi voimme todeta ainoastaan sen, että "Aucassinin ja

Nicoletten" tuntematon tekijä on ollut etevä runoilija, niin etevä, että
hänen teoksellaan on täysi viehätys vielä nykypäivinäkin. Tekijä oli
kaiketi vain kiertävä soittoniekka, mutta siinä tapauksessa oli hänellä
tavallista suurempi taiteellinen kyky, mahdollisesti tavallista suurempi
sivistyskin. Hän on itsetietoinen taiteestaan, kuten selvemmin
huomaa hänen luonteenkuvaus-tavastaan. Pikku piirteillä,
luonteenomaisia puolia esiintuoden, saa hän henkilönsä esiintymään
täysin elävinä edessämme.

Varsinkin on Nicoletten siro kuva mitä tarkimmin piirretty. Tuo

pikkuinen päättäväisyys ja toimintatarmo tytön luonteessa antaa
hänelle oudon, tuoreen viehätyksen, mikä pakostakin saapi
ihailemaan häntä — ominaisuus, joka hänen rakastetultaan, niin
ritarillinen ja urhoollinen kuin hän muuten onkin, melkein kokonaan
puuttuu. On kyllä totta, että tekijä kertomuksen lopulla jättää
sielullisen kuvauksen syrjemmälle, huvittaakseen lukijaa vain
merkillisillä jutuilla Toreloren oudosta maasta, tai jännittääkseen
hänen mieltänsä seikkailuilla. Mutta tarinalla on kokonaisuudessaan
niin harvinainen tenho, että se sellaisenaan on keskiajan parhaiden
taiteellisten saavutusten tasalla.

Siihen vaikuttaa vielä kertomistavan eloisuus, siinä tuon tuostakin

esiin puhkeava raitis runous ja hyväntahtoinen huumori, niinkuin
tuossa kuuluisassa kohtauksessa, jossa Aucassin selittää, miksei hän
tahdo mennä taivaaseen.

Ja lopulta vielä tuo tunnehehku, niin luonnollinen ja naivi, että se

on harvinaista keskiajankin tuotteissa, ollen hengeltään melkein
nykyaikainen. Rakkaus ei ole tuhoava intohimo kuten "Tristanissa", ei
joutava ajankuluke kuten monissa kevyemmissä jutelmissa, — siinä
on jotakin inhimillistä, nuorta ja kukkivaa, jonka me hyvin
ymmärrämme.

Tunnetuksi tultuaan on "Aucassin ja Nicolette" käännetty melkein

kaikille sivistyskielille, ainakin saksaksi, englanniksi, nykyis-ranskaksi.
Sitäpaitsi on sitä käytetty näytelmien ja oopperain, runojen ja
kertomusten aiheena, onpa vielä parodioitukin.

*****

Vielä huomautus suomennoksen muotoon nähden. Runosäkeissä

on tekijä ajan tavan mukaan käyttänyt assonansseja, puolisointuja,
niin että lopputavun ääntiö joka runossa oli sama ja pienet
puolisäkeet lopussa aina soivat yhteen keskenänsä. Suomalaista
korvaa ei puolisointu tyydyttäne — sitä on tosin joskus yritetty (Eino
Leino: "Tietäjän tupa"), ja siksi on assonanssien sijaan otettu
loppusoinnut niinkuin saksalaisessa ja englantilaisessakin
käännöksessä, yrittämättä kuitenkaan antaa niille täyttä
voimakkuutta.

Teoksista, jotka käsittelevät esipuheessa ja selityksissä

kosketeltuja seikkoja, mainittakoon:

Hertz, Wilhelm, Spielmannsbuch. 3. Aufl. Stuttgart 1905.

Mason, Eugen, Aucassin and Nicolette, and other mediaeval
Romances
and Legends. London 1915.
Paris, Gaston, La litterature irancaise au moyen âge. 3. éd.
Paris 1905.
Schück, Henrik, Hufvuddragen af den medeltida kulturens historia.
Stockholm 1907.
Suchier, Hermann, Aucassin et Nicolette. Texte critique. 6. éd.
Paderborn 1906.
Suchier, Hermann, u. Adolf Birsch-Hirschfeld, Geschichte der
französischen Litteratur. 2. Aufl. Leipzig 1912.
Vedel, Vald., Mittelalterliche Kulturideale II: Ritterromantik.
Leipzig 1911.

Tampereella syyskuussa 1917.

Suomentaja.
AUCASSIN JA NICOLETTE

Ken nyt kuulla haluaa lohtuisata laulelmaa kahden lapsen

kohtalosta, pälkäistä ja palkinnosta? Kuinka kärsi nuori mies
armaan vuoksi, jonka ties suovan kirkkaan katsehen
mainetöille urhojen. Sieväksi se laulu luontuu, soinnut sorjat
joukkoon juontuu. Niin ei ole murheen omaa, vaivoiltansa
vailla lomaa, sokaistua, sorron alla, ken ei tällä laulannalla
elpyis, terveheksi tointuis sydän selkeäksi sointuis, niin se on
sievä.[1]

Nyt tarinoidaan, kerrotaan ja jutellaan että Valencen kreivi Bougar

kävi Beaucairen[2] kreiviä Garinia vastaan niin suurta, ihmeellistä ja
turmiollista sotaa, ettei kulunut päivääkään hänen tulemattaan
vihollisensa kaupungin porttien, muurien ja sulkupuomien luo
mukanaan sata ritaria ja kymmenen tuhatta asepalvelijaa jalan ja
ratsain polttamaan tämän maata, hävittämään hänen perintöänsä ja
surmaamaan hänen miehiänsä.

Beaucairen kreivi Garin oli vanha ja heikko, jo aikansa elänyt.

Hänellä ei ollut perillistä, ei poikaa eikä tytärtä, paitsi nuorukainen
sellainen kuin teille nyt kerron. Aucassin oli hänen nimensä; kaunis
oli hän, komea ja miellyttävä ja kookasvartinen, ja hänen säärensä ja
jalkansa ja runkonsa ja käsivartensa olivat sopusuhtaisesti
muodostuneet. Hänellä oli vaaleat ja hyvin kiharat hiukset,[3] silmät
siniset ja nauravat, kasvot kirkkaat ja pitkähköt, nenä korkea ja
oikealla paikallaan, ja niin oli hän varustettu hyvillä ominaisuuksilla,
ettei hänessä ollut mitään pahaa. Ja niin oli hän kaikki voittavan
rakkauden[4] vallassa, ettei hän tahtonut ottaa osaa ritarillisiin
harjoituksiin, ei mennä turnajaisiin, eikä tehdä mitään, mitä hänen
säätyasemaansa olisi kuulunut.

Hänen isänsä ja äitinsä kyllä muistuttivat hänelle:

"Poikani, tartu toki aseisiin ja nouse ratsaille, puolusta maatasi ja

auta miehiäsi. Kun he saavat nähdä sinut keskuudessaan, he
puolustavat paremmin henkeään ja omaisuuttansa ja sinun ja minun
maatani."

"Isäni", sanoi Aucassin, "mitä te nyt puhutte? Älköön Jumala

antako minulle mitään, mitä häneltä pyydän, jos minä otan osaa
aseharjoituksiin, nousen ratsaille ja käyn hyökkäykseen tai
taisteluun, ja vaihdan iskuja ritarin tai jonkun muun kanssa, jollette
anna minulle Nicoletteä, suloista armastani, jota suuresti rakastan."

"Poikani", vastusti isä, "se ei ole mahdollista. Jätä Nicolette

mielestäsi! Hänhän on vanki, joka tuotiin tänne vierailta mailta.
Tämän kaupungin varakreivi[5] osti hänet saraseeneiltä ja toi tähän
kaupunkiin; hän kantoi tytön kasteelle, otti kummityttärekseen ja
antaa kai hänet jonakin päivänä nuorukaiselle, joka kunniallisesti
ansaitsee hänelle leipää. Siinä ei sinulla ole mitään tekemistä, ja jos
tahdot naida vaimon, annan sinulle kuninkaan tai kreivin tyttären.
Ranskassa ei ole niin rikasta miestä, ettet saisi hänen tytärtään, jos
tahtoisit."
 "Voi isäni!" sanoi Aucassin. "Missä on maailmassa niin korkeita
kunnioita, etteivät ne joutuisi hyvään käytäntöön, jos Nicolette,
minun suloisin armaani, ne omistaisi? Vaikkapa hän olisi
Konstantinopolin tai Saksan keisarinna, tai Ranskan tai Englannin
kuningatar, olisi sekin liian vähän hänelle; niin jalo ja hieno ja
viehättävä hän on, ja kaikilla hyvillä ominaisuuksilla varustettu."

Nyt lauletaan:

Beaucairesta kotoisin on tuo uljas Aucassin. Unhottamaan

armastaan hänt' ei saada milloinkaan. Isä monta uhkasanaa
ärjyy, äiti morkkaa, manaa: "Mitä, hupsu, hourinetkin, Nicolea
aatteletkin, jonka kerran Kartagosta juutalainen taisi ostaa.
Katso naista meidän maan, — ylvään saat ja arvokkaan."
"Äiti, tuot' en tehdä voi, Nicolette tenhon toi. Armaat silmät,
kasvot sen kirkastavat sydämen. Häntä koskaan heitä en, niin
hän on hellä."

Nyt kerrotaan, tarinoidaan ja jutellaan:

Kun Beaucairen kreivi Garin huomasi, ettei hän voinut sammuttaa

poikansa rakkautta Nicoletteen, meni hän kaupungin varakreivin luo,
joka oli hänen alaisensa, ja puhui hänelle näin:

"Herra varakreivi! Lähettäkää pois Nicolette, kummityttärenne!

Olkoon kirottu se maa, josta hänet näille seuduille tuotiin! Sillä
hänen takiansa kadotan minä Aucassinin, niin ettei hän enää käy
ritarillisissa harjoituksissa, eikä halua tehdä sitä, mitä hänen
asemaansa kuuluu. Ja tietäkää, että jos minä saan tytön käsiini,
poltan minä hänet tulessa, ja te saatte myöskin suuresti peljätä
omasta puolestanne."
 "Herra", lausui varakreivi, "minua surettaa, että Aucassin alituiseen
käy hänen luonansa ja puhelee hänen kanssaan. Minä olen ostanut
hänet rahallani, kantanut hänet kasteelle ja ottanut hänet
kummitytökseni ja olisin jonakin päivänä antanut hänet
nuorukaiselle, joka kunniallisesti ansaitsisi leipää hänelle. Teidän
pojallanne Aucassinilla ei ole mitään tekemistä siinä. Mutta koska tuo
on teidän tahtonne ja toiveenne, lähetän minä tytön sellaiseen
maahan ja sellaiseen valtakuntaan, ettei Aucassin koskaan näe häntä
silmäinsä edessä."

"Pitäkääkin siis siitä huolta", virkkoi kreivi Garin, "muutoin voisi

siitä koitua teille paljon pahaa!"

Ja niin he erosivat. Ja varakreivi oli sangen rikas mies, jolla oli

komea palatsi puutarhan puolella. Hän sulki Nicoletten sinne
erääseen huoneeseen ja vanhan mummon hänelle seuraa ja hupia
pitämään. Ja asetti sinne leipää ja lihaa ja mitä hän muuta tarvitsi.
Sitten antoi hän ummistaa oven, ettei mitään tietä voinut päästä ulos
eikä sisään, paitsi että puutarhan puolella oli aivan pieni akkuna,
josta heille tuli hiukan puhdasta ilmaa.

Nyt lauletaan:

Tyttö niin jää vankilaan, värjyy holvihuoneessaan:

Taidetaulut turhaan loistaa, ei voi veistoksetkaan poistaa
synkkyyttä, kun akkunaan nojaa raukka murheissaan. Hiukset
häll' on vaaleat, kulmakarvat kaartuvat; kasvot kirkkautta
hohtaa. Koskaan kauniimpaa et kohtaa! Luona
huojuhongiston puhjennut juur' ruusu on, siellä laulaa lintu
arka; mutta miettii tyttö-parka: "Miksi jouduin, onneton,
vankiluolaan kolkkohon? Siksi, ettei armahain lempimästä
lakkaa vain, siksi jouduin vankilaan, suureen
 holvikammitsaan, miss' on päivä murheinen. Kautta Herran
rakkauden, — karkaan täältä nopeaan, enkä viivy kauankaan,
— kohta kun saatan!"

Nyi kerrotaan, jutellaan ja tarinoidaan:

Nicolette oli vankina tuossa huoneessa, niinkuin olette kuulleet ja

tajunneet. Koko maata ja valtakuntaa kiersi huuto ja huhu, että
Nicolette oli kadonnut. Muutamat sanoivat, että hän oli paennut pois
maasta, ja toiset sanoivat, että Beaucairen kreivi Garin oli hänet
murhauttanut. Jos joku siitä iloitsi, ei se ainakaan ollut Aucassin. Hän
lähti kaupungin varakreivin luo ja sanoi hänelle näin:

"Herra varakreivi, mitä olette tehnyt Nicolettelle, suloiselle

armaalleni, sille, jota maailmassa enimmin rakastan? Oletteko te
ottanut tai varastanut hänet minulta? Tietäkääkin, että jos minä siitä
kuolen, vaaditaan teille kostoa, ja täydellä syyllä. Sillä te olette
tappanut minut omilla käsillänne, ottaessanne minulta sen olennon,
jota maailmassa enimmin rakastin."

"Hyvä herra", vastasi varakreivi, "älkää puhuko noin! Nicolette on

vanki, jonka minä toin vierailta mailta, missä minä omilla rahoillani
ostin hänet saraseeneiltä. Minä kannoin hänet kasteelle ja otin
omaksi kummitytökseni. Olen hänet kasvattanut, ja annan hänet
jonakin päivänä nuorukaiselle, joka kunniallisesti ansaitsee leipää
hänelle. Mitä te hänestä tahdotte! Ottakaa kuninkaan tai kreivin
tytär! Ja mitäpä te sitäpaitsi luulette voittavanne, jos tekisitte
hänestä rakastajattarenne ja veisitte vuoteeseenne? Hyvin vähän
olisitte sillä voittanut, sillä ikuisiksi päiviksi olisi ruumiinne kirottu, ja
sitten menisi teidän sielunne helvettiin, sillä paratiisiin ette koskaan
pääsisi."
 "Mitä minulla on paratiisissa tekemistä? Minä en ollenkaan halua
päästä sinne, jollen saa Nicoletteä, suloista armastani, jota suuresti
rakastan. Paratiisiin menevät sellaiset ihmiset kuin minä teille sanon:
Sinne menevät nuo vanhat papit, nuo raajarikkoiset ja rammat, jotka
kaiken päivää ja yötä ryömivät alttarien edessä ja vanhoissa
hautaluolissa, ovat puetut vanhoihin, repaleisiin viittoihin ja
vanhoihin ryysyihin; ovat alastomina ja paljain jaloin ja säärin ja
kuolevat nälkään, kylmään ja kurjuuteen. Ne menevät paratiisiin, ja
mitä minä niiden seurassa! Mutta helvettiin tahdon minä mennä, sillä
sinne tulevat viisaat mestarit, ja komeat ritarit, jotka ovat kuolleet
turnajaisissa ja mainioissa sodissa, ja reippaat aseenkantajat ja
vapaat miehet. Heidän kanssaan tahdon minä mennä. Ja sinne
menevät kauniit, viehkeät naiset, joilla on kaksi tai kolme ystävää
paitsi omat parooninsa. Ja sinne menee kulta ja hopea, turkikset ja
koreat kankaat, ja sinne menevät harpunsoittajat ja kiertävät
viuluniekat ja maan kuninkaat. Heidän kanssaan tahdon minä
mennä, mutta vain sillä ehdolla, että Nicolette, minun suloisin
armaani, on muassani".[6]

"Tosiaan", sanoi varakreivi, "on kaikki puhelu turhaa, te ette

koskaan saa nähdä häntä. Ja jos te puhuttelette häntä ja teidän
isänne saa tietää sen, polttaa hän minut sekä tytön tulella, ja te
itsekin saatte suuresti peljätä puolestanne."

"Se surettaa minua", sanoi Aucassin. Ja hän lähti murheissaan pois

varakreivin luota.

Nyt lauletaan:

Poies lähti Aucassin mielin mustin, katkerin. Poissa pikku

armas on, siit' on sydän lohduton, eikä missään neuvojia.
Palatsinsa portahia kulkee synkkään huoneeseen, piilee sinne
 suruineen, itkee, kaipaa ystäväänsä, murehesta päästäjäänsä:
"Nicolette, sulokukka, sipsuttaja kultatukka, henki hellä joka
hetken, leikinlaskun, lemmenretken, — soma sull' on
suukonanto, äänen sointu, kaulan kanto; sinun tähtes huolta
kannan, elämäni mennä annan, armahin sisko."

Nyt kerrotaan, jutellaan ja tarinoidaan:

Sillaikaa kun Aucassin oli huoneessaan ja murehti armasta

Nicoletteänsä, ei Valencen kreivi Bougar, jonka piti johtaa loppuun
sotansa, ollut toimeton. Hän oli kutsunut kokoon jalka- ja
ratsuväkensä ja samosi linnan luo piirittämään sitä. Ja melu ja huuto
nousi ja ritarit ja asemiehet asestuivat ja juoksivat porteille ja
muureille puolustamaan linnaa, ja porvarit kapusivat muurien
puolustuskäytäville heittääkseen kiviä ja teräviä paaluja alas.

Juuri kun hyökkäys oli suurimmillaan ja voimakkaimmillaan, tuli

Beaucairen kreivi Garin huoneeseen, missä Aucassin suri ja kaipasi
Nicoletteä, suloista armastaan, jota hän suuresti rakasti.

"Hoi, poika", virkkoi hän. "Minkätähden olet raukka ja onneton,

vaikka näet, että sinun parasta ja vahvinta linnaasi piiritetään. Ja
tiedäkin, että jos sinä sen menetät, olet sinä perinnötön. Poika, ota
aseesi ja nouse ratsaille ja puolusta maatasi, auta miehiäsi ja käy
ryntäykseen. Vaikkapa et anna iskuja kenellekään eikä toiset sinulle,
puolustavat miehemme paremmin omaisuuttaan ja henkeänsä ja
sinun ja minun maatani, kun he näkevät sinut keskessään. Ja sinä
olet niin kookas ja vahva, että hyvin voit sen tehdä, ja sinun
täytyykin."

"Isä", sanoi Aucassin, "mitä te nyt puhutte? Älköön Jumala

koskaan antako minulle, mitä häneltä pyydän, jos minä menen
ritarillisiin harjoituksiin, nousen ratsaille ja käyn hyökkäykseen,
annan iskuja ritareille ja he minulle, jollette te anna minulle
Nicoletteä, suloista armastani, jota syvästi rakastan."

"Poika", epäsi isä, "se on mahdotonta. Mieluummin tulisin minä

perinnöttömäksi ja menettäisin kaiken omaisuuteni, kuin antaisin
sinulle Nicoletten vaimoksi tai puolisoksi."

Hän kääntyi pois. Ja kun Aucassin näki hänen menevän, kutsutti

hän isänsä takaisin.

"Isä", sanoi Aucassin, "tulkaa tänne. Teen teille hyvän

ehdotuksen."

"Ja minkä, rakas poika?"

"Minä tartun aseisiin ja menen taisteluun sillä ehdolla, että jos

Jumala tuo minut takaisin terveenä ja Ioukkaantumattomana, te
sallisitte minun nähdä Nicoletteä, suloista armastani, sen verran, että
saan virkkaa hänelle kaksi tai kolme sanaa ja kerran suudella häntä."

"Minä suostun", sanoi isä.

Hän vahvisti sen, ja Aucassin tuli iloiseksi.

Nyt lauletaan:

Jälkeen taiston tuoksinan saisi hän siis suudelman: niin ei

kaikki kullat maan poikaa saattais satulaan. Käskee antaa
uhkeimmat säärykset ja haarniskat, päähän sieppaa kypärän,
vyölle miekan välkkyvän, hyppää raisuratsulleen kilpinensä,
keihäineen, katsoo pitkin jalkojaan, sovittaa ne jalustaan,
muistaa pientä armastansa, kannustaa jo ratsuansa, joka
 juoksee joutuisaan, portin luokse saavutaan, taistelun
pauhuun.

Nyt kerrotaan ja tarinoidaan:

Aucassin istui asestettuna ratsunsa selässä, niinkuin olette kuulleet

ja käsittäneet. Hei, kuinka hyvin kilpi kävi hänen kaulaansa, kypärä
päähän ja miekan kannatin vasemmalle sivulle! Ja nuorukainen oli
kookas ja voimakas, kaunis ja uljas ja komeavartinen, ja ratsu, jonka
selässä hän istui, oli nopea ja raisu, ja nuorukainen ohjasi sen ulos
suoraan keskeltä porttia. Mutta älkää kuitenkaan luulko, että hän
olisi aikonut saalistaa härkiä, lehmiä ja vuohia tai vaihtaa iskuja
ritarien kanssa. Ei ollenkaan! Sitä hän ei edes muistanutkaan, ja niin
paljon ajatteli hän Nicoletteä, suloista armastansa, että hän unohti
suitsensa ja kaiken, mitä hänen piti tehdä.

Mutta hevonen, joka oli tuntenut kannukset, vei hänet keskelle

taistelun melskettä ja heittäytyi aivan vihollisten parveen. Ja he
tarttuivat häneen joka puolelta, ottaen hänet kiinni, ja riistivät
häneltä kilven ja keihään ja veivät vangittuna täyttä laukkaa pois,
alkaen jo pohtia, millä kuolemalla he hänet kuolettaisivat. Mutta kun
Aucassin heidän puheensa kuuli, sanoi hän:

"Oi Jumala, suloinen olento![7] Eivätkö nämä, jotka vievät minua

muassaan, ole henkivihollisiani ja leikkaa minulta päätä? Ja sitten
kun minun pääni olisi leikattu, en saisi enää koskaan puhutella
Nicoletteä, suloista armastani, jota suuresti rakastan. Ja onhan
minulla vielä hyvä miekka ja istunhan minä hyvän, levänneen ratsun
selässä! Jollen minä nyt puolusta itseäni hänen tähtensä, älköön
Jumala koskaan häntä auttako, jos hän vielä sittenkin rakastaisi
minua!"
 Nuorukainen oli kookas ja voimakas, ja hevonen, jolla hän ratsasti,
oli väkevä ja raisu. Ja hän otti miekan käteensä, alkoi lyödä oikealle
ja vasemmalle ja mursi kypäreitä ja nenänsuojuksia ja nyrkkejä ja
käsivarsia ja sai aikaan ympärillänsä samanlaisen verilöylyn kuin
metsäkarju, kun koirat sitä salolla ahdistavat, niin että hän kaatoi
heitä kymmenen ritaria ja haavoitti seitsentä, syöksyi äkkiä pois
taistelun telmeestä ja ilmestyi täyttä laukkaa takaisin, miekka
kädessä.

Valencen kreivi Bougar oli kuullut että hänen vihollisensa Aucassin

hirtettäisiin ja tuli sinne, eikä Aucassin ollut häntä näkemättä. Hän
piti miekkaa kädessään ja löi kreiviä kypärän läpi, niin että hänen
päähänsä tuli kohlu. Kreivi huumautui sortuen maahan, ja Aucassin
ojensi kätensä ja tarttui häneen ja vei hänet pois kypärän
nenänsuojuksesta[8] vetäen, ja luovutti hänet isälleen.

"Isä", virkkoi Aucassin, "tämä on teidän vihollisenne, joka on

käynyt sotaa teitä vastaan ja tehnyt teille paljon pahaa.
Kaksikymmentä vuotta on tätä kiistaa kestänyt, kenenkään sitä
loppuun saattamatta."

"Rakas poikani", kiitti isä, "sellaisia nuoruudentöitä[9] tulee sinun

tehdä, eikä hautoa tyhmyyksiä".

"Isä", sanoi siihen Aucassin, "älkää nyt saarnatko, vaan pitäkää

sopimuksenne".

"Pyh! Minkä sopimuksen, rakas poika?"

"Ohoh, isä! Oletteko unohtanut sen? Pääni kautta! Unohtakoon

sen kuka hyvänsä, minä en koskaan tahdo sitä unohtaa, sillä se on
minulle sydämen asia. Ettekö muka luvannut minulle, kun minä
tartuin aseisiin ja menin taisteluun, että jos Jumala sallisi minun
terveenä palata, antaisitte te minun nähdä Nicoletteä, suloista
armastani, sen verran, että voisin virkkaa hänelle kaksi tai kolme
sanaa ja saisin kerran suudella häntä? Sen te minulle lupasitte, ja
minä tahdon, että te pidätte sananne."

"Lupasinko!" koveni isä. "Älköön Jumala minua koskaan auttako,

jos pitäisin sen lupauksen. Ja jos tyttö olisi täällä, polttaisin minä
hänet tulella, ja sinä itsekin saisit peljätä puolestasi."

"Onko se viimeinen sananne?" kysyi Aucassin.

"On! Jumala minua auttakoon", vakuutti isä.

"Totta tosiaan", vastasi Aucassin, "minulle tuottaa suurta surua,

että teidän ikäisenne mies valehtelee. Valencen kreivi", sanoi hän.
"Minä olen teidät vanginnut."

"Niin olette, herra!" vastasi kreivi.

"Ojentakaa minulle kätenne", sanoi Aucassin.

"Mielelläni, herra."

Ja kreivi pani kätensä Aucassinin käteen.

"Lupaatteko minulle", kysyi Aucassin, "ettette minäkään päivänä

niin kauan kuin elätte jätä tuottamatta isälleni häpeää ja
vahingoittamatta häntä niin ruumiin kuin omaisuudenkin puolesta
mikäli suinkin voitte?"

"Jumalan tähden, herra!" sanoi toinen, "älkää tehkö pilaa, vaan

määrätkää lunnaat.[10] Pyydättepä kultaa tai hopeaa, sotahevosia
tai matkaratsuja, turkiksia tai kankaita, koiria tai haukkoja, se teille
suoritetaan."

"Kuinka?" sanoi Aucassin. "Ettekö ole minun vankini?"

"Kyllä, herra", myönsi kreivi Bougar.

"Hyljätköön minut Jumala", vannoi Aucassin, "ellen lennätä

päätänne menemään, jos ette anna minulle pyytämääni vakuutusta".

"No, Jumalan nimessä", sanoi kreivi, "minä lupaan teille kaiken

mitä tahdotte".

Hän antoi siitä sanansa, ja Aucassin salli hänen nousta ratsun

selkään, nousi itsekin satulaan ja saattoi häntä niin kauas, että hän
oli turvassa.

Nyt lauletaan:

Huomas' siitä nyt Garin, ettei nuori Aucassin koskaan voisi

unhottaa armaan vartta valkeaa. Pojan vankityrmään sulkee,
jonne tie maan alta kulkee, seinät vankat marmorista.
Tuskistansa tuikehista alkaa poika valittaa; mielt' ei saanut
mustempaa koskaan ollut poika-rukka. "Nicolette, liljankukka,
kirkassilmä, keltatukka, makeampi rypälettä, hunajaa ja
mesivettä, — sattui sulle: pyhä mies Limogesta tulla ties, poti
kummaa pyörtymystä, vuoteest' etsi lievitystä; huono oli,
heikko aivan, heittelemä vaikeen vaivan; saavuit vuoteen
ääreen käymään, helmas päästit häilähtäymään, nostit hiukan
hamettasi, näytit alta aivinasi; valkosääri esiin pisti. Pyhä mies
se kaunihisti oitis elpyy, terveheksi toipuu, aivan entiseksi,
ettei koskaan terveempää. Vuode tyhjäks kohta jää, kotihinsa
 pitkää matkaa parantunut sairas jatkaa. — Armas kulta,
sulokukka, kuningatar kultatukka, henki hellä joka hetken,
leikinlaskun, lemmenretken. Soma sull' on suukon anto, sanan
sointu, kaulan kanto. Vuokses tyrmään mun he sulkee, jonne
tie maan alta kulkee, jossa tähtes huolta kannan, elämäni
mennä annan tähtesi, armas."

Nyt kerrotaan, jutellaan ja tarinoidaan:

Aucassin pantiin vankeuteen niinkuin olette kuulleet ja käsittäneet,

ja Nicolette oli teljettynä toisaalla. Nyt oli kesäaika, toukokuu, jolloin
päivät ovat lämpöiset, pitkät ja säihkyvät, yöt rauhalliset ja kuulakat.
Nicolette lepäsi eräänä yönä vuoteellaan, näki kuun kumottavan
kirkkaasti akkunasta, kuuli satakielen laulavan puutarhassa, ja
hänelle muistui taas mieleen Aucassin, hänen armaansa, jota hän
suuresti rakasti. Hän alkoi ajatella Beaucairen kreivi Garinia, joka
vihasi häntä kuolemaan saakka, ja hän arveli, ettei hän enää kaukaa
olisi täällä, ja että jos hän tulisi ilmi ja kreivi Garin saisi tietää sen,
surmaisi kreivi hänet surkealla kuolemalla. Hän huomasi, että
vanhus, joka asui hänen kanssaan vartijattarena, oli nukahtanut.
Hän nousi ylös, pukeutui hyvään, silkkiseen viittaansa, otti hurstit ja
pyyhinliinat, solmesi ne yhteen ja teki niin pitkän köyden kuin
saattoi. Sitten kiinnitti hän sen akkunan pieleen ja laskeutui alas
puutarhaan, tarttui pukuunsa toisella kädellä edestä ja toisella takaa,
kohottaen sitä kasteen vuoksi, jota hän näki runsaasti ruohikossa, ja
meni puutarhan perälle päin. Hänellä oli vaaleat ja hyvin kiharat
hiukset, silmät siniset ja nauravat, kasvot pyöreähköt, ja nenä
korkea ja oikealla paikalla; huulet olivat purppuraisemmat kuin
ruusut ja kirsikat kesällä, ja hampaat valkeat ja pienet; hänen
rintansa olivat kiinteät ja kohottivat hänen pukuaan kuin kaksi
saksanpähkinää; ja varreltaan oli hän niin hento, että kahden käden