Dieses Gerät kann die fallenden Stücke leider nicht darstellen. Der Zähler unten funktioniert trotzdem.
Diese Arbeit braucht JavaScript. Ohne JavaScript kann die Maschine nicht lesen.
„Türhüter. Wie eine Maschine liest“, ein Werk von Peter Pechmann, 2024.
Bevor eine Maschine mit einem Text anfangen kann, zerlegt sie ihn in kleine Stücke. Tokens nennt man das.
Welche Stücke das sind, hat sie aus riesigen Textmengen gelernt, vor allem aus englischen Seiten im Internet. Was dort oft vorkam, bleibt ein ganzes Stück, „und“ etwa oder „Mann“. Seltenes zerfällt in kleinere Bruchstücke. Aus „Türhüter“ werden fünf. Deutsche Texte zerbrechen deshalb stärker als englische.
Jedes Stück bekommt eine Nummer. Mit diesen Nummern arbeitet die Maschine weiter.
Nach „Lesen lassen“ fällt der Text Stück für Stück zu Boden und schichtet sich auf, ein Stapel einzelner Teile.
Jedes Stück erklingt kurz. Die Nummer bestimmt die Tonhöhe, die Länge die Dauer. Häufige Stücke klingen leise, seltene deutlicher. Weil die Nummer immer dieselbe ist, hat ein Wort auch immer dieselbe kleine Melodie. Der Ton kommt von dort, wo das Stück im Raum liegt.
Manchmal trennt die Maschine sogar einen einzelnen Buchstaben, weil sie ihn intern aus zwei Teilen zusammensetzt. Diese halben Buchstaben erscheinen wie aus kaputten E-Mails, als à oder â€, in der am stärksten zerfallenen Fassung der Schrift. Sie knistern.
Kommt ein Wort zum zweiten Mal, spannt sich ein feiner Faden zu der Stelle, an der es zuletzt lag, und ein leiser, hoher Ton erklingt. Dieselben Nummern, schon einmal da. Kurze, häufige Wörter wie „der“ oder „und“ bekommen keinen Faden, sonst wäre bald alles verknotet.
Am Ende dreht sich jedes Stück um. Auf seiner Rückseite steht seine Nummer, so liegt der Text da, als Folge von Zahlen, wie die Maschine ihn weiterverarbeitet. Ein Klick auf die Schichtung dreht sie wieder zurück.
Unten wird mitgezählt, wie viele Zeichen zu sehen sind und wie viele Stücke die Maschine daraus macht.
Das Verfahren zählt Häufigkeit, keine Sprache. Am Anfang stehen einzelne Buchstaben. Dann wird in riesigen Textmengen gezählt, welche zwei Zeichen am häufigsten nebeneinanderstehen, und dieses Paar wird zu einem neuen Stück zusammengeklebt. Das geschieht immer wieder, bei GPT-2 genau 50.000 Mal. Was oft vorkommt, wächst zu ganzen Wörtern zusammen.
Weil GPT-2 vor allem englische Webseiten gelesen hat, folgen seine Stücke englischen Gewohnheiten, „ter“ wie in „water“, „rh“ wie in „rhythm“.
GPT-2 von 2019 zerlegt den Kafka-Absatz in 138 Stücke, GPT-4o in 82. Diese Arbeit verwendet das ältere Vokabular, weil der Bruch dort am stärksten sichtbar ist.
Gelb wie ein Textmarker. Wer liest, streicht an. Die Maschine auch, jedes Stück, vor dem ein Leerzeichen steht. Daran erkennt sie, dass ein Wort beginnt.
Kurze, häufige Wörter wie „und“ oder „Mann“ sind deshalb ganz gelb. Längere Wörter zerfallen in mehrere Stücke, das erste ist gelb, bei „Gesetz“ etwa „Ges“. Satzzeichen bleiben grau, ebenso das erste Wort eines Textes und Wörter nach einem Zeilenumbruch oder Anführungszeichen. Dort steht kein Leerzeichen.
Der Titel kommt aus Kafkas Erzählung. Dieser Türhüter weist niemanden ab, jeder Text wird eingelassen. Was wir beim Lesen erleben, die Wörter und ihr Sinn, bleibt vor der Tür.
Schrift: Redaction von Jeremy Mickel (MCKL), Copyright 2019 MCKL Inc. Sie entstand für „The Redaction“ von Titus Kaphar und Reginald Dwayne Betts, eine Arbeit über Menschen in den USA, die inhaftiert werden, weil sie Gerichtsgebühren nicht bezahlen können. Ihre Verfallsstufen erinnern an Akten, die immer wieder kopiert und gefaxt wurden. SIL Open Font License 1.1. Lizenztext
Zerlegung: das Vokabular von GPT-2, veröffentlicht 2019 von OpenAI. Modified MIT License, Copyright 2019 OpenAI. Lizenztext
Tokenizers.js von Hugging Face, das die Zerlegung im Browser ausführt. Die Dateien stammen aus der Fassung von Joshua Lochner (Xenova). Apache License 2.0. Lizenztext
Räumliche Darstellung: three.js, Copyright 2010–2024 three.js authors. MIT License. Lizenztext
Mit Dank an Fontsource für die Aufbereitung der Schrift und an Vite für das Werkzeug, mit dem diese Seite gebaut wurde.