Auf den Inschriften der römischen Republik trennt ein Punkt in halber Höhe die Wörter. Der Gebrauch reicht ins dritte Jahrhundert vor unserer Zeit zurück und hält sich lange auf dem monumentalen Stein. In den Handschriften geht er zurück: unter dem Kaiserreich reiht das gelehrte Latein die Buchstaben nach griechischer Art ohne Unterbrechung, und die scriptio continua wird für mehr als ein halbes Jahrtausend zur Norm der gelehrten Schrift.
Die Verteilung ist lehrreich. Der Trenner hält sich dort, wo der Leser ein Passant ist, der vor einer Weihinschrift steht, die er nicht vorbereitet hat. Er verschwindet dort, wo der Leser ein Gelehrter ist, der die Sprache kennt, die Gattung, oft den Text selbst.
Rom hat kein Werkzeug verloren. Es hat aufgehört, eines zu brauchen, wo jemand die Arbeit an seiner Stelle tun konnte.
Diese Arbeit lässt sich beziffern. In einer Kette von n Zeichen gibt es n minus 1 Positionen zwischen den Zeichen, jede geschnitten oder nicht.
$$|S(n)| = 2^{n-1}$$
Eine Zeile von vierzig Buchstaben lässt also mehr als fünfhundert Milliarden Zerlegungen zu. Der antike Leser behält eine. Er streicht den Rest, ohne daran zu denken, mit seiner Sprache und seiner Stimme als einzigen Instrumenten. Die scriptio continua ist keine arme Schrift: sie ist eine Schrift, die den schwersten Teil der Operation an den Leser abgibt.
Der Apparat kehrt zurück, sobald diese Abgabe unmöglich wird.
Im siebten und achten Jahrhundert kopieren irische Schreiber Latein. Latein ist nicht ihre Sprache. Ihnen fehlt die mündliche Kompetenz, die den römischen Gelehrten den Fluss aufnehmen ließ, und sie arbeiten an einem Korpus, das sie nicht vorwegnehmen können. Sie gliedern den Text zunächst in Blöcke, dann trennen sie die Wörter. Der Gebrauch erreicht die britischen Inseln, greift am Ende des zehnten Jahrhunderts mit der Aufnahme der technischen und philosophischen Texte auf den Kontinent über und wird im dreizehnten und vierzehnten Jahrhundert allgemein.
Der Zwischenraum erscheint genau dort, wo die Kompetenz fehlt.
Die Operation ist keine graphische Verbesserung. Sie ist eine Übertragung. Der Schnitt wandert vom Körper des Lesers auf die Fläche der Seite. Was jeder Leser bei jedem Durchgang unsichtbar neu vollzog, wird zur festen Eigenschaft des Gegenstands, einmal vom Schreiber ausgeführt und von allen anderen geerbt. Das Wort hört auf, ein Akt des Lesens zu sein. Es wird zu einem Merkmal der Schrift.
Die Übertragung hat einen Preis, und der Leser zahlt ihn. Solange der Schnitt ihm oblag, blieb er offen: mehrere Zerlegungen standen zur Verfügung, und der Text konnte mehr als eine tragen. Eine getrennte Handschrift hat vor ihm entschieden. Die konkurrierenden Zerlegungen werden nicht widerlegt, sie werden entzogen. Der Leser erhält einen schnelleren Text und verliert das Recht, ihn anders zu schneiden.
Der Gewinn wiederum lässt sich noch messen. In lateinischer Schrift kostet das Entfernen der Zwischenräume dreißig bis fünfzig Prozent der Lesegeschwindigkeit und verschiebt den Fixationspunkt von der Wortmitte zum Wortanfang. Der Apparat macht das Lesen nicht angenehmer: er verändert dessen motorisches Regime.
Dann kommen die Folgen, die niemand verlangt hat.
1230 vollenden die Dominikaner im Kloster Saint-Jacques in Paris unter Hugo von Saint-Cher die erste Wortkonkordanz der Vulgata. Sie zitiert nichts. Sie führt Wörter auf und für jedes die Stellen, an denen es vorkommt. Verse gibt es noch nicht: die Adresse muss hergestellt werden, und jedes Kapitel wird in sieben mit einem Buchstaben bezeichnete Abschnitte geteilt. Die Konkordanz trägt nur, wenn das Wort isolierbar, zählbar, alphabetisierbar ist. Zwei Jahrhunderte nachdem der Zwischenraum allgemein wurde, ist das Wort eine Adresse geworden.
Von dort alles Übrige. Das Wörterbuch setzt den Eintrag voraus, der Eintrag setzt den Schnitt voraus. Die Wortzahl wird zum Längenmaß, zur Vertragsklausel, zur Schwelle des zulässigen Zitats, zur Abrechnungseinheit für den, der schreibt, und für den, der übersetzt.
Man zählt niemals Wörter. Man zählt die Schnitte eines Apparats.
Die Zufälligkeit dieses Apparats erweist sich im Vergleich. Japanisch wird ohne Zwischenräume geschrieben. Setzt man in einen Text in reinem Hiragana Leerstellen ein, erleichtert das die Worterkennung und die Blickführung; in der gewöhnlichen Mischschrift, Kanji und Hiragana zusammen, bringt der Zwischenraum nichts, da der Wechsel der Schriftsysteme die Funktion schon erfüllt. Thai, das ebenfalls nicht trennt, gewinnt umgekehrt an Geschwindigkeit, wenn man ihm Zwischenräume hinzufügt, die es nicht verwendet. Die konsonantischen Schriften des Alten Orients wiederum haben früh einen Trenner bewahrt: wo die Notation die Vokale nicht festhält, gleicht sie anderswo aus.
Die Funktion ist stabil, ihre Form ist beliebig. Keine Schrift entgeht der Pflicht, eine Zerlegung zu liefern, durch den Zwischenraum, durch das Zeichen oder durch die Stimme dessen, der liest.
Bleibt der harte Punkt. Man könnte glauben, der Zwischenraum habe eine Einheit sichtbar gemacht, die schon da war. Sie war nicht da. Haspelmath hat zehn Kriterien geprüft, mit denen das Wort bestimmt wird: mögliche Pause, freies Vorkommen, Beweglichkeit, Nichtunterbrechbarkeit, Nichtselektivität und die übrigen. Keines ist zugleich notwendig und hinreichend. Keine Kombination ergibt eine Definition, die mit der orthographischen Praxis der Linguisten selbst zusammenfällt. Die Disziplin schneidet, wie der Drucker schneidet, und theoretisiert dann über diesen Schnitt.
Die Linguistik hat das Wort nicht gefunden. Sie hat es von einem Schreiber geerbt, der kein Latein sprach.
Doctrine
Ein Fluss hat keine Einheiten. Einheiten werden von einem zerlegenden Apparat erzeugt, und dieser Apparat sitzt an einer von zwei Stellen: in der Kompetenz dessen, der empfängt, oder in der Materie dessen, was übertragen wird. Die zweite Stelle ist keine Kopie der ersten. Sie stabilisiert den Schnitt, macht ihn transportabel und entzieht ihn der Diskussion.
Ein eingeschriebener Schnitt legt die Rechnungseinheit für alles Folgende fest: was indexiert, zitiert, gezählt, abgerechnet, besessen werden kann. Die Reihenfolge ist unumkehrbar. Das Zählen erbt den Schnitt und prüft ihn nie.
Der Verlust ist doppelt. Die verworfenen Zerlegungen stehen nicht mehr zur Verfügung, und wer empfängt, verliert die Kompetenz, die sie verfügbar machte. Ein Apparat, der eine Operation übernimmt, schafft am Ende die Fähigkeit ab, sie auszuführen.
Vecteur ouvert
Ein Sprachmodell liest keine Wörter. Es liest Tokens, erzeugt von einer aus einem Korpus gelernten Zerlegung in Teilwörter, die 2016 aus einem 1994 veröffentlichten Kompressionsverfahren gewonnen wurde. Der Schnitt ist dort auf Häufigkeit optimiert, nicht auf Bedeutung. Er fällt mit keiner sprachlichen Einheit zusammen und wechselt von Modell zu Modell.
Die irischen Schreiber schnitten schlecht, aber sie schnitten mit dem Wort als Ziel. Hier behauptet niemand, dass der Schnitt etwas bedeutet. Und dennoch legt er die Rechnungseinheit fest: die Länge des Kontexts, der Preis der Inferenz, die Granularität dessen, was ein System von einer Sprache lernen kann, werden in Tokens gemessen.
Die getrennte Schrift brauchte sechs Jahrhunderte, um ihre Einheit der Lexikographie, dem Recht und dem Verlagswesen aufzuzwingen. Die Frage ist also nicht, ob die Tokenisierung treu ist: sie ist es nicht und gibt es nicht vor. Wenn die Rechnungseinheit eines Systems in der Sprache, die es verarbeitet, keine Entsprechung mehr hat, was verbürgt dann noch, dass das, was es schneidet, und das, was wir lesen, dasselbe Objekt sind?
