Kategorien
Artikel

TEXperimenTales

Dies ist ein Blog zum Text Engineering Software Laboratory (Tesla). Tesla simuliert einen Arbeitsplatz für Wissenschaftler, die auf textuellen Daten arbeiten. Es bietet die Möglichkeit, experimentell mit Texten zu arbeiten. Experimente bestehen dabei aus zusammengestellten Textselektionen und einem Workflow aus unterschiedlichen, miteinander in einem graphischen Editor kombinierbaren und einzeln konfigurierbaren Werkzeugen. Die Ergebnisse der Prozessierung können manuell (durch unterschiedliche Visualisierer) und maschinell (durch spezifische Evaluationswerkzeuge) evaluiert werden. Der gesamte Prozess wird in einer Art Laborbuch dokumentiert. Einzelne Experimente aus diesem Laborbuch können exportiert und publiziert werden. Damit wird es möglich, die eigene Forschung reproduzierbar auf einem direkten Wege weiterzugeben.

Kategorien
Artikel

Wie operationalisiert man Schrägheit? – Analyse des Voynich Manuskripts (I)

An verregneten Wochenenden kommt man ja manchmal dazu, die Artikel zu lesen, die man unter der Woche auf den ersten Blick interessant fand und die man aus Zeitmangel in die persönliche Instapaper-Liste aufgenommen hat. Zugegebenermaßen wird diese Liste bei mir oft zum Friedhof. Die Wetterlage heute hat es aber zusammen mit der gelassenen Grundstimmung meiner Kinder möglich gemacht, dass ich einen wirklich interessanten Artikel von Christian Reinboth auf den Scienceblogs in Ruhe lesen konnte. Dort wird auf anschauliche Weise dargelegt, wie ein Chronogramm aus dem 18. Jahrhundert entschlüsselt werden kann und welche Fehler einem dabei unterlaufen können, wenn man z.B. historische Zeichensätze missinterpretiert.

In diesem Blog habe ich ja vor kurzer Zeit selbst die Geschichte einer hinreißenden Entschlüsselungsleistung beschrieben (Teil 1, Teil 2), mit der ich zwar wenig (bis gar keine) Reaktion hier im Blog hervorgerufen habe, die ich aber dennoch wichtig fand zu erzählen – allein schon, um den beteiligten Kryptoanalytikern (Thomas Ernst, Jim Reeds, Wolfgang Ernst Heidel) zu huldigen. Reinboths Beitrag hat mich jetzt dazu ermutigt, das Thema Kryptologie hier im Blog weiter zu bearbeiten, auch weil ich es demnächst einem erfahrungsgemäß sehr anspruchsvollen Publikum (auf der KölnerKinderUni 2012) näherbringen darf.

Konkret möchte ich hier darlegen, was für eine Hypothese ich hinsichtlich des Textes aus dem Voynich-Manuskript habe, mit welchen Analysen ich diese Hypothese untermauere und wie ich die Analysen – für jedermann reproduzierbar – operationalisiert habe. Dazu wird es wahrscheinlich einer ganzen Reihe an Posts bedürfen, ich werde aber versuchen, die einzelnen Abschnitte möglichst modular zu halten, so dass sie auch einzeln konsumierbar sind. Eigentlich habe ich das alles schon in einer anderen Form hier gemacht, allerdings kommt die Form des Blogs doch dem ein oder anderen mehr entgegen als eine Monographie (auch wenn sie Open Access ist). Während ich im Buch auch erst einmal auf die wissenschaftstheoretische Einordung und die Benutzung von Tesla eingehe, kann ich hier unmittelbarer zur Sache kommen. Tesla wird aber immer wieder thematisiert werden, vor allem gedenke ich, einzelne Komponenten vorzustellen, auf denen mein Analyseprozess aufbaut. Jetzt aber genug der Vorrede.

Das Voynich Manuskript

Über das Voynich Manuskript (VMS) ist schon viel geschrieben worden, einen sehr guten Überblick erhält man auf der Themenseite von René Zandbergen. Möchte man das Phänomen VMS in einem Wort zusammenfassen, so wäre wohl “schräg” dasjenige, auf das meine Wahl fallen würde. Egal, welchen Aspekt dieses seltsamen Dokuments man betrachtet, die Dinge wollen sich einfach nicht recht zusammenfügen. Das gilt für das Manskript selbst, für sein Material, für die enthaltenen Zeichnungen und für den diese Zeichnungen umfließenden Text. Das gilt auch für die bisher rekonstruierte Geschichte und vor allem für die an ihm vorgenommenen kryptoanalytischen Versuche inklusive der daraus resultierenden Ergebnisse. Das VMS ist schräg. In jeglicher Hinsicht.

Wie man aus dem Titel dieses Blogs (“TEXperimenTales”) und meines Buches (“Textprozessierung”) ersehen kann, bin ich vor allem an der Analyse/Prozessierung/Verarbeitung von Texten interessiert. Es liegt also nahe, dass ich mich hier weniger mit der Geschichte und den Bildchen des VMS auseinandersetzen werde und dafür mehr auf das eingehe, was man als den Text des VMS bezeichnet.

Textausschnitt aus dem Voynich Manuskript
Textausschnitt aus dem Voynich Manuskript Quelle: wikimedia.org

Aus sprachwissenschaftlicher Sicht ist bisher nicht eindeutig festzustellen, ob es sich tatsächlich um einen Text handelt. Das liegt daran, dass noch niemand einen blassen Schimmer hatte, welche Information dieser Text tragen könnte. Bzw. konnte noch niemand eine kritische Masse anderer davon überzeugen, dass ihre/seine Hypothesen über den Inhalt des Textes die richtige ist. Die jüngsten publizierten Theorien zum VMS gehen davon aus, dass die Zeichen des Textes keine Inhaltsseite haben und lediglich sinnlos hintereinander geschrieben wurden. Weshalb auch immer sich jemand diese Mühe gemacht haben sollte – am glaubwürdigsten sind wohl finanzielle Interessen (man nennt diese Theorie auch Schabernack- oder Hoax-Hypothese). Markus Dahlem von den Scilogs hat eine weitere Erklärung parat (an der ich zugegebenermaßen nicht ganz unschuldig bin). Die Hoax-Hypothese wird deshalb von vielen als stimmig angesehen, als dass der VMS-Text eine Reihe von Unregelmäßigkeiten aufweist, die in dieser Kombination weder in verschlüsselten noch in unverschlüsselten natürlichsprachlichen Texten auftreten.
Bevor der Post hier wieder zu lang wird, versuche ich einmal, diese Unstimmigkeiten, die von einer Reihe von Analytikern des VMS zusammengetragen wurden, in kompakter Form aufzuführen.

  1. Die Zeichen entstammen keinem bekannten Alphabet – Gängige Geheimschriften bedienen sich meist aus dem gleichen Zeichensatz wie die Sprache, die sie verschlüsseln. Einzelne Einheiten werden dann entweder gegen andere Zeichen an anderen Positionen im Text  (Transposition) oder durch andere Zeichen des Alphabets (Substitution) vertauscht.
  2. Die Zeichen sind zu Wörtern und Paragraphen gruppiert – Das kennen wir aus unseren (europäischen) Texten auch, in Chiffren werden diese Spatien aber meist gelöscht, da sie die unautorisierte Entschlüsselung erleichtern.
  3. Keine Interpunktionszeichen – damit trifft genau das Gegenteil von dem zu, was in (2) für Wörter und Paragraphen beschrieben wurde.
  4. Die Häufigkeitsverteilung der VMS-Zeichen entspricht im ungefähren der natürlicher Sprachen – Bestimmte Chiffren (so wie die sehr sichere polyalphabetische Substitution) sorgen für eine Gleichverteilung von Zeichen. Solche Methoden können den VMS-Text damit nicht erzeugen.
  5. Die Verbundentropie zwischen den einzelnen Zeichen ist signifikant niedriger als die aller natürlichen Sprachen – Lediglich polynesische Sprachen weisen annähernd ähnliche Werte auf.
  6. Die Wortlängen sind kurz und binomialverteilt – Letzteres ist unüblich für natürliche Sprachen.
  7. Die Wörter des VM gehorchen dem Zipfschen Gesetz – Das wurde lange Zeit als Argument gegen eine Nonsens-Sprache vorgebracht.
  8. Die Information ist innerhalb der Wörter nahezu gleichverteilt – In natürlichen Sprachen tragen die ersten zwei Zeichen deutlich mehr Information als die weiteren.

Schon aus dieser Aufzählung ist ersichtlich, dass sich der Text des VMS hinsichtlich bestimmter Parameter wie ein natürlichsprachlicher Text verhält, hinsichtlich anderer wiederum nicht. Umgekehrt gilt dies auch in Bezug auf bekannte Chiffrierverfahren. Der VMS-Text hat aber noch mehr Oddness zu bieten:

  • Das Vokabular (die Anzahl der verschiedenen Wörter) ist sehr beschränkt
  • Bestimmte Zeichen kommen nur in bestimmten Regionen von Wörtern vor
  • Die Wörter haben einen morphologische sehr regelmäßigen Aufbau
  • Die Wörter unterscheiden sich oftmals lediglich durch ein einzelnes Zeichen von anderen
  • Gleiche oder ähnliche Wörter treten in unmittelbarer Nachbarschaft zueinander auf.
  • Verschiedene Seiten des VMS scheinen in unterschiedlichen Sprachen/Dialekten verfasst.
  • Zeilen bilden eine funktionale Einheit.
  • Eine Analyse zu langreichweiten-Korrelationen anhand eines Random-Walk-Modells deutet auf einen zufälligen Auswahl-Prozess bei der Erstellung des Manuskripts hin.

Vor allem der zuletzt aufgeführte Punkt wurde als Argument für die Theorie angesehen, dass das VMS keinen Inhalt habe, sondern dass es aus einer sinnlosen Aneinanderreihung von Phantasiewörtern ohne Bedeutung entstanden ist. Diese Theorie kann wohl auch am besten erklären, weshalb in den letzten 100 Jahren (das Manuskript wurde 1912 aufgefunden) niemand den Klartext des VMS herleiten konnte, obschon sich mit die größten Kryptoanalytiker des 20. Jahrhunderts damit herumgeschlagen haben. Und sie erklärt auch, weshalb keine Chiffriermethode gefunden wurde, die einen Text erzeugen kann, der ebenfalls die oben beschriebene Schrägheit des Manuskripts trägt.

Nun, ich behaupte, eine solche Chiffriermethode gefunden zu haben. Ich musste sie nicht selbst erfinden, sondern sie wurde (lustigerweise im ersten jemals geduckten Buch zur Kryptologie) 1506 veröffentlicht. Wer nicht abwarten kann, kann hier schon einmal nachlesen, welches Verfahren das ist (Kapitel 5 führt es ein, untermauernde Analysen im Kapitel 6.1). Die anderen (so denn überhaupt welche da sind) vertröste ich auf den nächsten Post.

Kategorien
Artikel

Wir sind jetzt kredibil

In meiner Arbeit habe ich unser System Tesla ja eher aus der Anwenderperspektive beschrieben und bin vor allem auf die Motivation eingegangen, die uns dazu bewegt hat, ein eigenes Komponentensystem zur Prozessierung von Texten zu entwickeln. Jetzt ist (endlich) auch Stephans Arbeit online, die mehr auf die technischen Grundlagen von Tesla eingeht (v.a. im Kapitel 4). Dabei setzt Stephan sich auch mit verwandten Systemen (vor allem GATE, UIMA und TextGrid) auseinander und zeigt auf, weshalb die Entwicklung eines Systems wie Tesla trotz dieser (von sehr viel größeren Einrichtungen getragenen) Konkurrenz unbedingt notwendig war.

DissStephan

Das Anwendungsgebiet, das Stephan beackert hat – kontrastive Evaluierung unterschiedlicher Verfahren zur automatischen Extraktion syntaktischer Strukturen – liest sich auf den ersten Blick etwas dröger als meine Analysen zum inhärent spektakulären Voynich-Manuskript. Es bietet aber die Möglichkeit aufzuzeigen, welch immens komplexe Versuchsaufbauten in Tesla möglich sind. Diese sind notwendig, da verschiedene Verfahren gegeneinander evaluiert werden. Die Ergebnisse der einzelnen Verfahren und ihrer Evaluierung sind dabei – durch die Arbeit mit Tesla garantiert – direkt reproduzierbar. Und alles natürlich – wie man es von uns gewohnt ist – Open Access. Also dann: Viel Spaß beim Lesen und der Reproduktion der Experimente!

Kategorien
Artikel

Twitter, Blogs, Wissenschaft

Es gibt viele Dinge, für die Twitter geeignet ist, z.B. kann man seine Blogposts damit bewerben (was bei mir bisher allenfalls bescheidenen Erfolg hatte). Andererseits bekommt man einen nie versiegenden Datenstrom geliefert, aus dem man sich das eine oder andere interessante herausfischen kann.

So fand ich heute morgen dies in meiner Timeline:

Klar ist das ein Teaser, der vor allem auf Polemik ausgerichtet ist, im zugehörigen Blogpost vertritt der Autor (Carsten Hucho) die etwas differenzierte Einschätzung, dass wissenschaftliche Arbeitsweise und allgemeinverständliche Texte schwer zusammenzubringen sind. Und dass man mit den 140 Zeichen, die man auf Twitter zur Verfügung hat, schwerlich eine wissenschaftliche Kommunikation aufrechterhalten kann, die ihren Namen auch verdient. Womit er natürlich recht hat. Allerdings bin ich mit dem Schluss, den der Autor daraus zieht, nicht einverstanden. Das habe ich kurz über Twitter per “#agree #not” mitgeteilt, was mir den Vorwurf eingebracht hat, ich hätte nicht den Artikel, sondern lediglich die Überschrift gelesen.

Diese Einschätzung ist falsch. Ich bin nicht nur auf den Teaser hereingefallen, sondern halte den im Post ausgedrückten grundsätzlichen Zweifel an der wissenschaftichen Bloggerei für nicht gerechtfertigt. Ja, wissenschaftliche Erkenntnisse lassen sich nicht sämtlich in Alltagssprache formulieren – allgemeinverständliche Postings können dennoch die Grundideen vermitteln, die hinter der wissenschaftlichen Betätigung stehen. Diese Bloggerei ist nützlich, da man anderen dabei hilft, über ihren Tellerrand hinauszuschauen und weil man dadurch vielleicht Leute dafür gewinnen kann, eine bestimmte Forschungsrichtung einzuschlagen.

Auch der Autor des Posts hält öffentliche Wissenschaftsvermittlung für richtig und wichtig. Er äußert aber auch die Ansicht, Wissenschaftler sollten sich um Wissenschaft, und professionelle Wissenschaftsjournalisten um die öffentlichkeitsgeeignete Vermittlung kümmern. Diese kann ich so nicht teilen. Natürlich kann nicht jeder Wissenschaftler ein exzellenter Schreiberling sein, ebenso ist es aber wohl kaum möglich, jedem Wissenschaftler einen professionellen Textverfasser zur Seite zu stellen, nur weil der sich einmal populär darüber äußern will, was er die ganze Zeit so treibt.

Auf Twitter heißt das eben “#agree #not”. Die anderen 129 Zeichen waren schon mit dem zitierten Retweet belegt. Dass hat im Ungefähren die gleiche Differenziertheit wie des Carsten Huchos Überschrift

Academics should be blogging? No.

Aber er hat ja angefangen 😉

[Anmerkung: Dieser Post ist – wie alle vor März 2012 geschriebenen – aus meinem alten Blog auf posterous kopiert worden. Beim Kopiervorgang sind die Kommentare verloren gegangen, sie können aber im Originalartikel eingesehen werden. Auf posterous sehen die eingebetteten Tweets auch irgendwie schöner aus.]

 

 

Kategorien
Artikel

Erwartungshaltung

Was mich sehr gefreut hat, vor allem, weil @tibub zehnmal mehr Follower hat als ich:

 

Setzt mich natürlich auch ein bisschen unter Zugzwang. Ich breche zwar nicht in Hektik aus, werde mich aber bemühen, in meinem Ehrenmonat dem Lob gerecht zu werden! Auch auf diesem Wege nochmal: Vielen Dank nach Hannover!

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search