Zusammenfassung

  • Das 2007 eingeführte reCAPTCHA verband ein bekanntes mit einem ungelesenen Wort und nutzte die Zugangskontrolle zur Transkription alter Drucktexte.
  • Laut dem Entwurf von 2008 wurde ein Wort erst dann zur Kontrollfrage, wenn die ersten drei menschlichen Antworten übereinstimmten und von beiden OCR-Antworten abwichen.

Für einen Tintenklecks war das eine ordentliche Laufbahn. Zuerst überforderte er die Maschine. Menschen halfen beim Lesen. Danach durfte das entzifferte Wort selbst darüber mitentscheiden, ob andere Menschen ihre Aufgabe richtig erledigt hatten. Das frühe reCAPTCHA verstand etwas von interner Beförderung.

Die Projektvorstellung der Carnegie Mellon University von 2007 beschreibt den praktischen Nutzen: Wer eine Website betreten wollte, half beim Lesen gedruckter Wörter, an denen die optische Zeichenerkennung, kurz OCR, gescheitert war. Die kurze Unterbrechung am Formular lieferte Arbeit für die Digitalisierung alter Texte.

Wie sich eine unbekannte Antwort prüfen ließ, erläutert die Originalveröffentlichung des Teams von 2008. Neben dem unbekannten Wort stand eines mit bekannter Lösung; die Reihenfolge wechselte zufällig. Eine richtige Antwort auf das Kontrollwort machte die zweite Eingabe zu einem plausiblen Lesevorschlag. Andere Nutzer bekamen dasselbe unbekannte Wort mit anderen Verzerrungen vorgelegt.

Aufnahme ins Archiv, Aufnahme in den Prüfungsdienst

Bei der Transkription zählte eine menschliche Antwort eine Stimme, die Antwort eines OCR-Programms eine halbe. Für die Annahme waren mindestens 2,5 Stimmen nötig. Zwei Menschen konnten sich also zusammen mit einem der Programme auf eine akzeptierte Lesart einigen.

Für die Verwendung als künftiges Kontrollwort lag die Hürde anders: Die ersten drei menschlichen Antworten mussten gleich sein und von den Vorschlägen beider OCR-Programme abweichen. Dann konnte aus dem unbekannten Wort eine Prüfungsfrage werden. Wer beim Entziffern half, arbeitete zugleich am nächsten Prüfungsbogen.

Schon die Auswahl der Kandidaten war geregelt. Zwei OCR-Ausgaben wurden miteinander und mit einem englischen Wörterbuch verglichen. Abweichungen oder fehlende Wörterbucheinträge lösten die menschliche Prüfung aus. Lehnten sechs Nutzer ein Wort ab, bevor eine Schreibweise akzeptiert war, wurde es als unleserlich aussortiert. Auch die Bitte um neue Wörter erledigte damit ein Stück Archivarbeit.

Die Mitteilung der Universität von 2009 datiert den Start auf 2007, die Firmengründung auf 2008 und die Übernahme durch Google auf 2009. Im frühen Aufbau steckte bereits eine bemerkenswerte Arbeitsteilung: Besucher lieferten Text und unter bestimmten Bedingungen auch die Maßstäbe für spätere Besucher. Das Wort war aufgestiegen. Das Formular hatte seinen Personalbedarf gleich selbst gedeckt.