Tower of Label (Stämpeltornet)

Tower of Label är ett deltagande audiovisuellt verk. Det bjuder in utställningsbesökarna att tala till ett system som bedömer besökarens röst på samma sätt som digitala plattformar bedömer oss alla: utifrån kommersiellt värde och modereringsrisk. Vilka röster som förstärks och vilka som försvinner avgörs av marknaden. Oavsett vad som faktiskt sades.

• Läs QR-koden bredvid tornet och spela in ett kort röstmeddelande med din telefon, helst på engelska. Säg något till internet — det lyssnar.

Detaljerad verksbeskrivning

Internet byggdes på språk – protokoll, kommandon, deklarationer och röster. Alla röster är dock inte jämlika: algoritmer avgör vilka av dem som blir hörda. Uppmärksamhet blev en resurs att samla in och sälja vidare långt innan internet uppstod, och varje nytt kommunikationsmedel fann nya sätt att fånga den (Wu, 2016).

Tower of Label är en deltagande ljudinstallation som gör denna urvalsprocess synlig och hörbar. Besökarna bjuds in att spela in ett kort röstmeddelande till internets framtid. Varje röst ansluts till ett levande partikelfält, där varje inspelning motsvaras av en partikel. Partiklarna driver, grupperar sig och ljuder då och då enligt den algoritmiska synlighetens logik: vad som är kommersiellt värdefullt, vad som märks som problematiskt, vad som förstärks och vad som försvinner.

Tre skärmar fästa vid samma roterande stålstomme visar samma vy av partikelfältet. Genom att skanna QR-koden vid tornets fot kan besökarna spela in ett kort röstmeddelande med sin egen telefon. Deras ord poängsätts i realtid med uppmärksamhetsekonomins mått – utifrån sökordens värde och modereringsrisk – och omvandlas till ljud. Ljudklippens tonhöjd ändras enligt musikaliska intervall, och klippen klipps och formas utifrån hur systemet bedömer dem. Bredvid QR-koden hänger en lång pappersrulle med 9 799 ord: alla kommersiella sökord vars marknadspris överstiger den fastställda nedre gränsen. Vart och ett av dem har lästs upp och prissatts, och de lever i samma partikelfält som besökarnas egna inspelningar. En prislista över de ord som algoritmen älskar mest.

Verket upprepas i perioder om 12 minuter och 45 sekunder. Under största delen av tiden följer det samma kommersiella logik som internet: tystare röster driver omkring ohörda, medan de högljuddaste, mest värdefulla eller mest problematiskt klassificerade dominerar fältet. Fyra gånger under varje period stannar denna logik helt i 45 sekunder. Då hörs endast rösterna från de människor som den dagen faktiskt har talat till tornet. Var och en hörs i tur och ordning, en i taget; ingenting poängsätts och ingenting köps. Ingen besökare behöver vänta på ett sådant ögonblick i mer än ungefär fyra minuter. Denna tidsindelning är ingen utopi. Den är en glimt. Sett på detta sätt liknar uppmärksamhet snarare ett ekosystem än privat egendom – en gemensam miljö som kan bli överbelastad, utarmad eller tas över av de fenomen som sprider sig snabbast, precis som en invasiv art tar över en våtmark (Citton, 2017). Det som ser ut som en personlig koncentrationssvikt är ofta det som filosofen James Williams kallar en viljekris: miljön är utformad för att i varje vändning dra dig bort från det du själv skulle välja (Williams, 2018).

Till en början talar tornet bara till sig självt. Dess utgångsmaterial är syntetiska röster som läser upp samlingen av sökord – algoritmens eget språk framför sig självt redan innan den första besökaren har anlänt. Under utställningens tre veckor tränger mänskliga röster gradvis undan detta syntetiska utgångsmaterial, tills fältet under de sista dagarna nästan helt tillhör de människor som har talat in i verket.

Tower of Label har skapats tillsammans med Anthropics AI Claude. Hela verkets programvaruutveckling har genomförts genom ”vibe coding” – samtalsbaserad, AI-assisterad utveckling i stället för att koden har skrivits för hand rad för rad.

Verkets koncept utvecklades tillsammans med Tom Kettunen. Han lyfte först fram idén om att olika sökord har olika marknadsvärde. Ur detta uppstod verkets funktionslogik baserad på kommersiellt värde.

Bilaga: Partikelfältets beräkningsprinciper – för besökare som är intresserade av hur verket fungerar

Varje röst som kommer in i fältet poängsätts genast, när den har omvandlats till text, utifrån tre oberoende dimensioner. Konstnären definierar inte själv dessa värden: varje värde bygger på verkliga marknadsdata eller på automatisk analys av orden och själva rösten.

Aktiveringsnivå – avgör om rösten alls hörs. Aktiveringsnivån beskriver hur energiskt något sades. Den förenar röstens egenskaper – tonhöjd, energi och talhastighet – med den emotionella laddningen i de ord som används. Den hålls åtskild från kommersiellt värde och toxicitet, så att även en lugn röst kan komma till tals och en kraftig röst inte gynnas enbart på grund av sin styrka.

Kommersiellt värde (pris) – avgör hur starkt rösten ljuder, hur stor dess partikel blir och om partikeln får formen av en bild som föreställer en skadlig invasiv art. Värdet beräknas genom att jämföra den text som bildas av talet med annonsmarknadens verkliga priser för de 9 799 kommersiella sökord som är tryckta på pappersrullen bredvid QR-koden. Priset på dem alla överstiger den fastställda nedre gränsen, de har alla lästs upp, och de lever i partikelfältet redan innan den första besökaren har anlänt. Konstnären väljer inte vilka ord som är värdefulla; marknaden har redan gjort valet.

Toxicitet – avgör hur länge rösten ljuder och om partikeln får formen av en bild som föreställer en giftväxt. Ju mer toxisk rösten är, desto längre ljuder den. Detta är en avsiktlig förstärkning av publikreaktioner, eftersom det just är upprördhet som sprider sig. Toxicitet mäts med samma innehållsmodereringsmodell för alla röster i fältet, både besökarnas inspelningar och de syntetiska rösterna. Ingen röst bedöms alltså enligt andra grunder än de övriga.

När varken kommersiellt värde eller toxicitet dominerar får partikeln sin form från en historisk bild som föreställer biologisk mångfald eller ett sällsynt växtexemplar. Dessa partiklar är lätta och stannar vid fältets utkanter. Till antalet hamnar de flesta röster i denna grupp.

Tonhöjden beräknas inte utifrån någon poängsumma. Den följer en förutbestämd melodi som ständigt ljuder i bakgrunden – arpeggiotonerna i Groupers låt ”Poison Tree”. Varje röst får den ton som melodin befinner sig på när rösten startar.

Två röster används, varav den ena hörs mer sällan. Både utgångsmaterialet och besökarnas inspelningar använder två röstbanker, som är nästan lika stora och har ett nästan identiskt genomsnittligt kommersiellt värde. Kvinnorösten hörs dock mer sällan än mansrösten: för varje hundra förekomster av mansrösten hörs kvinnorösten ungefär 84 gånger. Förhållandet är inte godtyckligt. Det bygger på en siffra från USA:s folkräkningsbyrå för år 2025, som beskriver heltidsarbetande kvinnors inkomster i förhållande till mäns inkomster. Här uttrycks förhållandet genom hur ofta rösten hörs, inte genom hur mycket den betalas (Kollar & Scherer, 2026). Vilken röst som används för varje sökord bestäms permanent utifrån ett hashvärde beräknat från ordet. På så sätt tillhör inget ämnesområde eller språkligt register bara den ena rösten – skillnaden ligger endast i hur ofta var och en hörs, aldrig i vad de säger.

Verkets återkommande period och människornas tur. Fältet går igenom fem olika faser – virveln, pelaren, tromben, spiralen och den långsamt roterande speldosan – samt två kortare, återkommande vyer av installationen. Helheten kretsar i en period på 12 minuter och 45 sekunder. Största delen av perioden följer den logik som beskrivits ovan: de högljuddaste, mest värdefulla och mest problematiskt klassificerade rösterna dominerar fältet och speglar hur uppmärksamheten på nätet i verkligheten fördelas. Fyra gånger under varje period upphör poängsättningarna att påverka i 45 sekunder. Därefter hörs den vars föregående tur ligger längst tillbaka i tiden, lika länge och med samma ljudvolym som alla andra. Endast riktiga röster som spelats in av besökare ingår. Det syntetiska utgångsmaterialet förblir synligt men tystnar under dessa 45 sekunder. Det enda undantaget är röster som överskrider gränsvärdet för hatretorik: de dominerar under periodens övriga delar, men under dessa ögonblick tystas de helt. Ingen besökare behöver vänta på ett sådant ögonblick i mer än ungefär fyra minuter.

Till en början talar fältet bara till sig självt. Dess utgångsmaterial består helt av syntetiska röster som läser upp samlingen av sökord. Algoritmen talar sitt eget språk innan den första besökaren har anlänt. Under utställningens tre veckor ersätter äkta inspelningar gradvis dessa ursprungliga röster, tills fältet under de sista dagarna nästan helt tillhör de människor som har talat in i verket.

Växtbilderna har hittats, inte gjorts. Varje bild som syns i en partikel är ett upphovsrättsfritt botaniskt tryck ur samlingen Biodiversity Heritage Library (biodiversitylibrary.org). Det handlar om ett internationellt samarbete mellan naturhistoriska museer och bibliotek som har digitaliserat miljontals sidor historisk vetenskaplig illustration. Inga bilder har ritats eller genererats för verket: varje bildplansch är ett äkta tryck från 1800-talet, sådant som det har hittats.

Bilder som föreställer skadliga invasiva arter – växter som införts som prydnadsväxter och som senare har spridit sig okontrollerat: kudzu (Pueraria montana), vattenhyacint (Eichhornia crassipes), parkslide (Reynoutria japonica) och fackelblomster (Lythrum salicaria).

Bilder som föreställer giftväxter – giftiga växter, av vilka flera historiskt också har använts som medicinalväxter: belladonna (Atropa belladonna), fingerborgsblomma (Digitalis purpurea), oleander (Nerium oleander) och äkta stormhatt (Aconitum napellus). Många av dessa bildplanscher kommer från verket Köhler’s Medicinal Plants (1887), en atlas som ursprungligen illustrerades för att hjälpa till att identifiera farliga arter.

Bilder som föreställer biologisk mångfald – orkidéer, ormbunkar, tvärsnitt av frön och frukter samt växtexemplar som för första gången katalogiserades i samband med 1800-talets vetenskapliga expeditioner.