Karen Spärck Jones: Die Statistikerin, die der Suche das Rangieren beibrachte

Im Jahr 1972 veröffentlichte das Journal of Documentation elf Seiten einer befristet angestellten Forscherin aus Cambridge unter dem wenig verheißungsvollen Titel „A Statistical Interpretation of Term Specificity and Its Application in Retrieval“. Das Argument war fast schon peinlich einfach: Ein Wort, das in jedem Dokument vorkommt, sagt einem gar nichts, und ein Wort, das in wenigen Dokumenten vorkommt, sagt einem sehr viel – also gewichtet man sie entsprechend. Dieses Papier führte die inverse Dokumenthäufigkeit ein. Ein halbes Jahrhundert später ist es eines der am häufigsten zitierten Ergebnisse in der Informationswiederfindung, und eine Version davon steckt in im Wesentlichen jeder Suchmaschine auf Erden.

Ein norwegischer Name, mit Absicht behalten

Karen Ida Boalth Spärck Jones wurde am 26. August 1935 in Huddersfield, Yorkshire, geboren. Ihr Vater, Alfred Owen Jones, lehrte Chemie; ihre Mutter, Ida Spärck, war eine Norwegerin, die nach Großbritannien geflohen war und während des Zweiten Weltkriegs für die norwegische Exilregierung gearbeitet hatte. Der Doppelname war eine bewusste Entscheidung. Sie behielt den norwegischen Nachnamen ihrer Mutter im Berufsleben bei, weil, wie sie es ausdrückte, dies „eine dauerhafte Existenz deiner selbst aufrechterhält“ – eine frühe, stille Weigerung, absorbiert zu werden.

Von der Geschichte zur Sprachforschungseinheit

Sie studierte von 1953 bis 1956 Geschichte am Girton College in Cambridge und wählte Philosophie – im Jargon von Cambridge als Moralwissenschaften bezeichnet – als Fach für ihr Abschlussjahr. Daran war absolut nichts Computerbezogenes. Sie schloss ihr Studium ab und wurde Schullehrerin.

Was sie zurückzog, war die Neugier darauf, was ihr Mann tat. Sie heiratete den Informatiker Roger Needham im Jahr 1958 und lernte durch ihn die Sprachforschungseinheit Cambridge (Cambridge Language Research Unit) kennen, eine kleine, exzentrische Gruppe unter der Leitung von Margaret Masterman, die versuchte, Maschinen den Umgang mit Bedeutung beizubringen. Masterman bot ihr eine Forschungsstelle an. Spärck Jones nahm sie an und widmete den Rest ihres Lebens dem Problem, Computer dazu zu bringen, etwas Nützliches mit menschlicher Sprache anzustellen. Ihre Doktorarbeit über semantische Klassifikation stieß Berichten zufolge bei Prüfern auf ein kühles Echo, bevor sie 1964 als Buch Synonymy and Semantic Classification erschien – das heute als ein grundlegender Text der natürlichen Sprachverarbeitung gelesen wird.

Die Idee, dass seltene Wörter mehr wert sind

Die Erkenntnis hinter der inversen Dokumenthäufigkeit besitzt die Eigenschaft aller guten Ideen: offensichtlich, wenn sie ausgesprochen ist, unsichtbar zuvor. Die Suchsysteme der 1960er Jahre behandelten die Wörter einer Suchanfrage als mehr oder weniger austauschbar. Spärck Jones argumentierte, dass die Nützlichkeit eines Begriffs eine Funktion seiner Spezifität innerhalb der Sammlung ist – je weniger Dokumente ihn enthalten, desto stärker unterscheidet er. „Das“ trägt kein Signal; „Photosynthese“ trägt fast das gesamte Signal. Multipliziert man dieses Gewicht damit, wie oft der Begriff in einem bestimmten Dokument vorkommt, erhält man TF-IDF, das Bewertungsschema, das die Dokumentensuche von der Mengenabgleichung zum Ranking machte.

Ihr breiteres Forschungsprogramm ging weit über diese eine Formel hinaus: probabilistische Modelle der Suche, automatische Dokumentenzusammenfassung, Datenbankabfragesysteme, Sprach- und Multimedia-Suche, Benutzer- und Agentenmodellierung sowie – als eine ihrer Herzensangelegenheiten – die rigorose Evaluierung von Sprachsystemen. Ab 1994 saß sie im Programmausschuss der DARPA/NIST Text Retrieval Conferences, jener Anstrengung, die die Suchforschung empirisch überprüfbar machte.

Dreißig Jahre auf befristeten Verträgen

Ihr institutioneller Werdegang entsprach nicht ihrem intellektuellen. Sie kam 1974 an das Computerlabor der Universität Cambridge und arbeitete dort auf rollierenden Kurzzeitverträgen, bis sie 1993 – nach fast zwei Jahrzehnten – endlich fest angestellt wurde. Erst 1999 wurde sie zur Professorin für Computer und Information ernannt, drei Jahre vor ihrer Emeritierung im Jahr 2002, und sie arbeitete fast bis zu ihrem Tod weiter. Sie schrieb diese Prekarität offen ihrem Geschlecht zu. Cambridge, erzählte sie 2001 einem Interviewer für Oral History des IEEE, sei „in vielerlei Hinsicht nicht benutzerfreundlich, im Sinne von frauenfreundlich“ gewesen. Während eines Großteils ihrer Karriere war sie die einzige Frau im Raum.

Die Informatik ist zu wichtig, um sie den Männern zu überlassen

Sie verwandelte diese Erfahrung in organisierten Einsatz statt in privates Klagelied: Sie war Gründungsmitglied des women@cl-Netzwerks im Computerlabor, Architektin von Outreach-Programmen, die darauf abzielten, Mädchen für das Fach zu begeistern, und Verfasserin des Satzes, für den sie heute am häufigsten zitiert wird: „Die Informatik ist zu wichtig, um sie den Männern zu überlassen.“ Die Ehrungen kamen spät und dann auf einmal: der Gerard Salton Award im Jahr 1988, AAAI Fellow 1993, der Vorsitz der Association for Computational Linguistics im Jahr 1994, Fellow der British Academy und deren Vizepräsidentin von 2000 bis 2002, der ASIS&T Award of Merit im Jahr 2002, der ACL Lifetime Achievement Award im Jahr 2004, der ACM–AAAI Allen Newell Award im Jahr 2006 sowie 2007 sowohl der Athena Award der ACM Women's Group als auch die Lovelace Medal der British Computer Society, als erste Frau überhaupt.

Warum Karen als Genie bezeichnet wird

Die hier zur Schau gestellte Fähigkeit ist Abstraktion unter Disziplin – die Gabe, die eine messbare Größe zu finden, die eine verschwommene menschliche Intuition einfängt, und dann darauf zu bestehen, sie zu messen. Jeder wusste, dass manche Wörter informativer waren als andere. Spärck Jones verwandelte dies in eine Gewichtungsfunktion, die man über jeder Sammlung berechnen konnte, und verbrachte dann Jahrzehnte damit zu argumentieren, dass Sprachsysteme empirisch evaluiert statt bewundert werden müssen. Ihre Ausbildung lag in Geschichte und Philosophie, nicht in Mathematik oder Ingenieurwesen, was diesen Schritt umso ungewöhnlicher und beeindruckender macht: Sie importierte statistisches Denken in ein Fachgebiet, das damals von symbolischer, regelbasierter künstlicher Intelligenz dominiert wurde, und sie hatte weitgehend recht, während der Zeitgeist gegen sie stand. Die von ihr vertretene statistisch-kontextuelle Sichtweise auf Bedeutung – dass der Sinn eines Wortes eine Funktion der Gesellschaft ist, die es über ein Korpus hinweg pflegt – ist der intellektuelle Ahnherr der maschinell gelernten Sprachmodelle, die das Feld heute dominieren.

Das ehrliche Gegenargument ist, dass IDF eine einzelne, mathematisch geringfügige Idee ist. Es ist der Logarithmus eines Verhältnisses; ein kompetenter Statistiker könnte ihn an einem Nachmittag herleiten. Seine Bedeutung ist eher eine Frage des Framings und des Timings als der technischen Tiefe, und Spärck Jones selbst hat ihn nie aufgebauscht. Sie hat auch nicht die Systeme gebaut, die sie berühmt machten – Suchmaschinen wurden von anderen Leuten kommerzialisiert, Jahrzehnte später, meist ohne sie zu nennen. Ihr Anspruch beruht darauf, früh recht gehabt zu haben, auf einer Reihe sorgfältiger Evaluierungsarbeiten, die viel weniger glamourös sind als die eine Formel, und auf Urteilskraft statt auf roher Rechenleistung. Das ist eine echte Art von intellektueller Auszeichnung und sollte präzise beschrieben und nicht aufgebläht werden.

Vermächtnis

Sie starb am 4. April 2007 im Alter von 71 Jahren an Krebs. The Times aus London, die vier Jahre zuvor einen Nachruf auf ihren Mann veröffentlicht hatte, brachte keinen für sie; die New York Times veröffentlichte schließlich 2019 einen in ihrer Reihe Overlooked und nannte sie „eine Pionierin der Informatik“. Die Würdigungen hörten nicht auf: der Karen Spärck Jones Award, der seit 2008 jährlich von der BCS Information Retrieval Specialist Group verliehen wird; das Spärck Jones Building an der University of Huddersfield, das 2017 umbenannt wurde; sowie die 2024 von Cambridge und der britischen Regierung ins Leben gerufenen Spärck AI Scholarships. Jede nach Relevanz geordnete Liste von Suchergebnissen ist eine Fußnote zu ihren elf Seiten.