Im Voynich nichts Neues

Ich habe in meinem Leben das Glück gehabt, dass mir während der Anfertigung meiner Dissertation die Gelegenheit gegeben wurde, mich sehr ausführlich mit dem Voynich Manuskript (VMS) auseinanderzusetzen. Einerseits bekam ich dadurch einen anschaulichen Anwendungsfall für die Textprozessierung, dem eigentlichen Thema meiner Arbeit.¹ Andererseits kann ich mich damit jetzt immer guten Gewissens als Experte heranziehen lassen, wenn Erfolgsmeldungen zu Entschlüsselungen dieses nebulösen Manuskript durch die Medien geistern oder es aus anderen Gründen gefeatured wird.

Radio TEXperimenTales

Gerade aktuell lief auf DLF Nova (ehemals DRadio Wissen) ein solches Feature im Rahmen des Sendeformats einhundert, zu dem ich ein Hintergrundgespräch mit der zuständigen Autorin (Vera Pache) führte und zu dem ich auch eine Reihe O-Töne beisteuern durfte. Die Sendung zu Sprache und Verständnisproblemen kann im Ganzen nachträglich gehört werden, den ca. 20. Minuten langen Teil zum VMS gibt es auch einzeln zum Stream/Download. 20 Minuten zu dem Thema sind wenig (Holger Klein habe ich damals über eine Stunde was dazu erzählt). Ich halte die Sendung aber auch hinsichtlich ihrer Dramaturgie für recht gelungen, auch wenn es neben der Tatsache, dass es nichts Neues gibt, tatsächlich wenig Neues gibt.

Für Aufsehen sorgte im letzten Jahr das Times Literary Supplement (TLS), das einen Fernsehwissenschaftler namens Nicolas Gibbs großspurig verkünden ließ, er habe das Rätsel des VMS gelöst. Ich habe das nicht hier, sondern nur auf Twitter und G+ kommentiert, was allerdings auch so dankbar aufgegriffen wurde.

Das Rätsel des Manuskripts gelöst (schon wieder)

Just heute schockten die Scienceblogs mit einer weiteren endgültigen Lösung des VMS, allerdings nur in der Überschrift. Denn schon aus dem (im Übrigen sehr lesenswerten) Artikel von Klaus Schmeh wird klar, dass man hier keinesfalls von einer Entschlüsselung, allenfalls von einer Vermutung zur dem Manuskript zugrundeliegenden Sprache sprechen kann. Und da ich nun ohnehin Anlauf zum Thema genommen habe, kann ich meinen Eindruck zum in dem Artikel zitierten Paper hier auch direkt zum Besten geben:

Zunächst fällt auf, dass die Veröffentlichung bereits zwei Jahre zurückliegt, sie erfolgte in der 2016er-Ausgabe des Online-Journals “Transactions of the Association for Computational Linguistics”² (dankbarerweise Open Access, hier entlang), wo es mir bisher durch die Lappen ging³. Warum dieses Paper nun, nach zwei Jahren, reißerisch bei FoxNews und DailyMail aufgegriffen wird, vermag ich nicht zu sagen. Nun sind die beiden Medien nicht gerade Flaggschiffe des seriösen Journalismus, da aber die Originalveröffentlichung aber in einem Peer-reviewten Publikationsorgan einer angesehenen Computerlinguistischen Gesellschaft erschien, erscheint ein genauerer Blick wohl lohnenswert.

Wenn Informatiker Voynich-Forschung betreiben

Schon im Abstract wird klar, dass die beiden Autoren, Bradley Hauer und Grzegorz Kondrak von der Universität Alberta, ihre pragmatische Sicht als Informatiker auf das Voynich Manuskript anwenden: Sie begreifen die Entschlüsselung als Problem, das man mit einem unüberwachten Lernverfahren angehen kann. Dazu haben sie im Zuge früherer Studien zwei algorithmische Verfahren entwickelt, die für kryptoanalytische Verfahren nützlich sein können:

• Das erste der Verfahren vermag mit 97%iger Sicherheit aus 380 Sprachen (Holla die Waldfee) diejenige erkennen kann, die einem monoalphabetisch verschlüsselten Text zugrunde liegt. Monoalphabetisch verschlüsselt bedeutet, dass jeder Buchstabe im Klartext immer durch den gleichen Buchstaben im Geheimtext ersetzt wird. Beispiele dafür sind die Caesar- und die ROT-13-Verschlüsselung.
• Das zweite Verfahren kann 93% der Wörter rekonstruieren, die durch ein Transpositionsverfahren verschlüsselt wurden. Transposition oder anagrammatisch verschlüsselt bedeutet, dass die Buchstaben von Wörtern durcheinander gewürfelt und in eine neue Reihenfolge gebracht werden.

Beide Verfahren sind für sich genommen schon interessant und einen tieferen Blick wert, für den ich mir demnächst einmal Zeit nehmen werde. Anagramme gelten nämlich eigentlich als unlösbar – nun gut, hier erleichtert man sich die Arbeit, da Wörter klar voneinander getrennt sind. In einem fortlaufenden Text ist die Lösung von Transpositionschiffren unmöglich. Im Weiteren wenden die Autoren die Verfahren auf das VMS an. Auf den ersten Blick keine ganz dumme Idee:

• Wenn dem Manuskript eine natürliche Sprache zugrundeliegt, ist noch immer absolut unklar, welche.
• Die Verwendung einer anagrammatischen Chiffre könnte erklären, weshalb bisher noch niemand das Manuskript lesen konnte.

Wie auch Klaus Schmeh schon betonte, ist das Kapitel, in dem die Methoden auf das VMS angewendet werden, überschrieben mit “Voynich Experiments” und es kommt über den Status einer Experimentdokumentation auch nicht hinaus. Immerhin wird Hebräisch als wahrscheinlichste zugrundeliegende Sprache identifiziert und es wird, basierend auf der Anagrammmethode, sogar ein Entschlüsselungsversuch unternommen. Ich muss die Stelle zitieren, weil ich nicht genau weiß, ob wir da getrollt werden:

Nevertheless, it is interesting to take a closer look at specific examples of the system output. The first line of the VMS (VAS92 9FAE AR APAM ZOE ZOR9 QOR92 9 FOR ZOE89) is deciphered into ועשה לה הכהN איש אליו לביחו ו עלי אנשיו as Hebrew .המצות

According to a native speaker of the language, this is not quite a coherent sentence. However, after making a couple [sic!] of spelling corrections, Google Translate [sic!] is able to convert it into passable English: “She made recommendations to the priest, man of the house and me and people.”

Ich lasse dies vorerst unkommentiert und komme aufgrund der fortgeschrittenen Uhrzeit zu meiner Einschätzung des Gesamtpapers: Der Ansatz ist informatiklastig, was nicht per se ein Fehler ist. Die beiden Autoren haben aber insoweit Scheuklappen auf, als dass sie belegte Eigenschaften des Manuskriptes völlig außer Acht lassen, etwa die Eigenschaft, dass Zeilen eine funktionale Einheit bilden, dass die Verbundentropie auf Glyphenebene extrem niedrig, auf Wortebene dagegen extrem hoch ist. Ihr Ansatz lässt all dies meiner Einschätzung nach unberücksichtigt. Für mich spricht noch immer viel mehr für einen Auswahlprozess auf Wort- oder Morphemebene, als für eine kombinierte Substitutions-Transpositions-Chiffre. Ein solcher Auswahlprozess liegt auch der Autokopistentheorie zugrunde, die ich hier beschrieb, am Ende des Posts finden sich noch weitere mögliche Auswahlverfahren.

Spannend wäre für mich zu sehen, wie Hebräisch, das die Autoren als Ausgangssprache vermuten, in den beschriebenen Tests gegen die PIII-Chiffre, die ich einst ins Spiel gebracht habe, und gegen einen durch Torsten Timms Voynich-Generator-erzeugten Text abschneiden würden. Wenn ich Zeit habe (was wohl erst einmal nicht passieren wird), probiere ich es aus. Leider ist natürlich der Software-Link, der im Paper angegeben ist, kaputt. Aber vielleicht möchte sich ja jemand anders darum kümmern? Ich würde mich freuen und verspreche meine Unterstützung!

1. Hermes, J. (2012). Textprozessierung-Design und Applikation (Doctoral dissertation, Universität zu Köln). [↩]
2. Hauer, B., & Kondrak, G. (2016). Decoding Anagrammed Texts Written in an Unknown Language and Script. Transactions of the Association for Computational Linguistics, 4, 75-86. [↩]
3. Ich lese das Hauptorgan der ACL regelmäßig, die Transactions sind mir bisher entgangen, das wird sich jetzt ändern. Allerdings scheine ich nicht der einzige gewesen zu sein, der die Veröffentlichung übersehen hat, Google Scholar listet jedenfalls keine Zitationen. [↩]