GEUL لا ترفض ويكي بيانات. إنها تقف فوقها.
لا يمكن بناء لغة بدون قاموس
كل لغة تحتاج إلى مفردات.
الكورية لديها القاموس الكوري. الإنجليزية لديها القاموس الإنجليزي. لغات البرمجة لديها مكتبات معيارية.
الأمر نفسه ينطبق على اللغة الاصطناعية. قائمة كيانات، قائمة علاقات، قائمة خصائص. ما الرمز الذي يمثل “سامسونغ للإلكترونيات” في هذه اللغة؟ ما الرمز الذي يمثل علاقة “العاصمة”؟ تحتاج إلى مفردات قبل أن تتمكن من كتابة جملة.
كيف تُبنى هذه المفردات؟ هناك طريقتان.
بناؤها من الصفر. أو استخدام ما هو موجود بالفعل.
البناء من الصفر: درس CYC
بدأ مشروع CYC في عام 1984.
هدفه كان إضفاء الطابع الرسمي على المعرفة العامة بالحس السليم وتخزينها. صُممت الأنطولوجيا من الصفر. عُرّفت المفاهيم، وعُرّفت العلاقات، وعُرّفت القواعد. أدخلها الخبراء يدوياً.
مضت ثلاثون سنة. أُدخلت ملايين القواعد.
لكن ذلك كان بعيداً كل البعد عن تغطية معرفة العالم. كان يجب تصميم أنطولوجيا منفصلة لكل مجال. كان الحفاظ على الاتساق بين المجالات صعباً. كلما ظهر مفهوم جديد، كان يجب تعديل الأنطولوجيا. التعديلات كانت تتعارض مع القواعد القائمة بشكل متكرر.
ما أثبته CYC لم يكن الإمكانية بل الحدود. تصميم فريق صغير من الخبراء لأنطولوجيا العالم يصبح غير قابل للصيانة مع التوسع.
ما هو موجود بالفعل: ويكي بيانات
أُطلقت ويكي بيانات (Wikidata) في عام 2012.
قاعدة معرفة مهيكلة تديرها مؤسسة ويكيميديا. يمكن لأي شخص تحريرها. حسب تفريغ 19 أكتوبر 2026، نحو 121.97 مليون كيان. منها 13,991 خاصية. نحو 1.78 مليار تصريح. تسميات بأكثر من 600 رمز لغة.
الحجم الذي لم يستطع CYC تحقيقه في 30 عاماً بفريق خبراء، حققته ويكي بيانات في 14 عاماً بمجتمع.
لنرَ ما توفره ويكي بيانات.
معرّفات الكيانات. Q-ID. سامسونغ للإلكترونيات هي Q20718. سيول هي Q8684. يي سون-سين هو Q217300. معرّفات فريدة عالمياً. مستقلة عن اللغة.
معرّفات الخصائص. P-ID. “موقع المقر” هو P159. “تاريخ التأسيس” هو P571. “السكان” هو P1082. العلاقات والخصائص تُعرَّف بشكل فريد.
البنية الهرمية. P31 (instance of) وP279 (subclass of) يشكلان تسلسلاً هرمياً للأنواع. “سيول ← مدينة ← مستوطنة بشرية ← كيان جغرافي.” نظام تصنيف العالم يُعبَّر عنه من خلال هاتين الخاصيتين.
التسميات متعددة اللغات. التسمية الكورية لـ Q20718 هي “삼성전자”، والإنجليزية “Samsung Electronics”، واليابانية “サムスン電子”. معرّف واحد، أسماء مختلفة لكل لغة.
التحقق المجتمعي. محررون من أنحاء العالم. كشف التخريب. متطلبات المصادر. ليست مثالية، لكنها أكثر قابلية للتوسع من فريق صغير من الخبراء.
لا يوجد سبب لبناء هذا من الصفر.
GEUL تنقل ويكي بيانات كما هي
لا تخترع GEUL معرّفات جديدة لويكي بيانات. إنها تستخدمها كما هي.
في قواعد GEUL مراجع (Reference) مخصصة لويكي بيانات. WIKIDATA-QID يكتب رقم Q-ID، وWIKIDATA-PID يكتب رقم P-ID، عدداً صحيحاً بلا إشارة. Q42 هو العدد الصحيح 42. وP31 هو العدد الصحيح 31. ولأنها أعداد صحيحة لا سلاسل نصية، فمقارنتها لا تحتاج إلى تطبيع.
المسار كالتالي.
الخطوة 1: تحميل بلا فقدان. تحمّل wikipg تفريغ JSON لويكي بيانات في PostgreSQL. تخزّن الكيانات والتسميات والأوصاف والأسماء البديلة والتصريحات والمحددات والمراجع وروابط المواقع بترتيب التفريغ، وتحفظ كل سطر من التفريغ بنصه الأصلي. وتسجّل ملف التفريغ نفسه أيضاً (الرابط، الحجم، المجاميع الاختبارية، إيداع أداة التحميل). فقط حين لا يُرمى شيء يمكن لاحقاً التحقق مما نُقل وما تُخطّي.
الخطوة 2: وثيقة واحدة لكل كيان. تقرأ wikigeul التفريغ المحمَّل وتنتج وثيقة GEUL واحدة لكل عنصر ولكل خاصية. تحتوي الوثيقة على التسميات والأوصاف والأسماء البديلة والتصريحات مع محدداتها ومراجعها وروابط المواقع. كل اللغات في وثيقة واحدة. لا تقسيم حسب اللغة.
لكل الوثائق Issuer واحد هو 0x00010000 (wikidata.geul.org).
معرّف الوثيقة 64 بت. البايت الأعلى هو حرف نوع الكيان، والـ 56 بت الدنيا هي رقمه.
وثيقة Q42 هي 0x510000000000002a. 0x51 هو Q، و0x2a هو 42.
وثيقة P31 هي 0x500000000000001f.
يكفي النظر إلى الست عشري لمعرفة الكيان الذي تخصه الوثيقة.
يمكن قراءة وثيقة حقيقية من أولها إلى آخرها في مثال: عنصر ويكيداتا.
الخطوة 3: الاستشهاد بالأعداد الصحيحة. داخل التصريحات تُكتب العناصر والخصائص أعداداً صحيحة. “Q42 إنسان (Q5)” هو TRIPLE من ثلاثة أعداد صحيحة: P31 وQ42 وQ5. وهذا العدد هو نفسه الرقم في معرّف الوثيقة. من أي تصريح يمكن الانتقال مباشرة إلى وثيقة ما يسمّيه.
تُنقل المراجع أيضاً. مرجع واحد في ويكي بيانات يصبح SOURCE واحداً في GEUL. ويسجّل رأس كل وثيقة التفريغ الذي جاءت منه والأداة (الإيداع) التي حوّلتها.
الخطوة 4: النشر في أرشيفات pack. لا يمكن نشر 120 مليون كيان في 120 مليون ملف. تُجمع الوثائق في أرشيف pack لكل Issuer، وتُضغط السجلات بـ zstd. يجلب القارئ الوثائق التي يحتاجها فقط، لا الأرشيف كله.
حالياً يجري التحقق من التحويل على النطاق Q1–Q10000. يُفحص بشكل شامل الذهاب والإياب عبر التحويل العكسي، والأرشيف، والاكتمال. التحويل الكامل والنشر يأتيان بعد ذلك.
SIDX تأتي بعد ذلك
Q-ID رقم يُعطى بترتيب التسجيل. تقارب الأرقام لا يعني تقارب المعنى. Q42 هو دوغلاس آدامز، وQ41 هي اليونان، وQ43 هي تركيا.
تبحث GEUL أيضاً في نوع آخر من المعرّفات. SIDX (Semantic-aligned Index)، معرّف متوافق دلالياً يعطي قيماً متقاربة للأشياء المتقاربة في المعنى. الهدف هو وضع المعنى في البتات نفسها، بحيث تكفي البتات العليا لمعرفة ما إذا كان الشيء شخصاً أم مكاناً أم منظمة.
لا تزال SIDX بحثاً سابقاً للإصدار v1. القواعد تحجز لها مكاناً فقط: مرجع GEUL-SIDX. عرضها لم يُحسم بعد. يُدرس 64 بت و256 بت وغيرهما، وسيُختار وفق الإحصاءات. ولم تُخصَّص أي قيمة SIDX بعد. لذلك تُكتب وثائق ويكي بيانات اليوم بـ Q-ID، دون SIDX. عندما تُخصَّص قيم SIDX، يُربط المعرّف القائم وSIDX للشيء نفسه بـ SAME-NODE.
هنا تعود ويكي بيانات إلى الصورة. ينطلق بحث SIDX من نظام تصنيف ويكي بيانات وإحصاءات تكرارها. الاتجاه قيد الدراسة كالتالي.
استخراج الأنواع. جمع معرّفات Q-ID المستخدمة مفعولاً لـ P31 (instance of). هذه هي قائمة “الأنواع”. “إنسان (Q5)"، “مدينة (Q515)"، “دولة (Q6256)"، “مؤسسة تجارية (Q4830453)”… عدّ نسخ كل نوع.
بناء التسلسل الهرمي. بناء شجرة من علاقات P279 (subclass of) بين الأنواع. “مدينة ← مستوطنة بشرية ← كيان جغرافي ← كيان.” كيفية التعامل مع الوراثة المتعددة، حين ينتمي نوع واحد إلى عدة أنواع أعلى، مسألة مفتوحة.
تخصيص البتات. تصبح بنية الشجرة علاقات البادئات في أنماط البتات. الأنواع الفرعية تحت النوع الأعلى نفسه تتشارك البادئة نفسها. “مدينة” و"بلدة” تتشاركان بادئة “مستوطنة بشرية”. الأنواع ذات النسخ الكثيرة تحصل على بادئة أقصر، أي على فضاء أرقام أوسع. إنها فكرة ترميز هوفمان نفسها.
هذه ما تزال فرضية. تبقى مسائل يجب حلها. قيمة SIDX بعد تخصيصها يجب ألا تتحرك حين تتغير الإحصاءات. يجب ألا تُخصَّص القيمة نفسها لشيئين أبداً. ويجب أيضاً تحديد الصيغة التي يُنشر بها دفتر الشفرات والسجل.
ما توفره ويكي بيانات
على هذا المسار، توفر ويكي بيانات ثلاثة أشياء.
المعرّفات. الإجابة عن سؤال “إلى ماذا في العالم نشير؟” تصبح Q-ID وP-ID كما هي مراجع GEUL الصحيحة. يمكن نقل معرفة ويكي بيانات إلى وثائق GEUL، ويمكن قراءة معرّفات ويكي بيانات مباشرة من وثائق GEUL.
نظام التصنيف. الإجابة عن سؤال “ما أنواع الأشياء الموجودة في العالم؟” CYC جعل فريق خبراء يصمم هذا. GEUL تأخذه من ويكي بيانات. هدف البحث هو تحويل نظام التصنيف الذي توافق عليه المحررون خلال 14 عاماً إلى شجرة بتات SIDX.
إحصاءات التكرار. الإجابة عن سؤال “كم يوجد من كل نوع في العالم؟” إذا كان هناك 9 ملايين كيان بشري ومليون كويكب، فإن نوع “إنسان” يجب أن يحصل على شفرة أكثر كفاءة من “كويكب”. تكرار الاستخدام الفعلي يصبح أساس تصميم الشفرات.
ما لا توفره ويكي بيانات
ويكي بيانات قاموس. والقاموس ليس لغة.
القاموس يوفر قائمة كلمات. اللغة توفر قواعد لتركيب جمل من الكلمات.
ما لا توفره ويكي بيانات هو ما تضيفه GEUL.
من الحقائق إلى الادعاءات. الوحدة الأساسية في ويكي بيانات هي الحقيقة (Fact). “عدد سكان سيول 9.74 مليون.” إما صحيحة أو خاطئة.
الوحدة الأساسية في GEUL هي الادعاء (Claim). “وفقاً لـ A، عدد سكان سيول حوالي 9.74 مليون. (ثقة 0.9، حسب 2023)” مَن يدّعي، وبأي درجة من اليقين، وحسب أي تاريخ — كل هذا مضمَّن في التصريح. يُناقش هذا الفرق بالتفصيل في لماذا ادعاءات وليس حقائق.
محددات الفعل. ويكي بيانات ليس لديها مكان للتعبير عن دقائق الأفعال. في “انتصر يي سون-سين في معركة ميونغنيانغ”، أين الزمن والجانب والشاهدية والصيغة والثقة؟ في ويكي بيانات، تُعبَّر عن هذه جزئياً من خلال المحددات، لكن لا يوجد نظام منهجي لتحديد الأفعال.
تصمم GEUL نظاماً لتحديد الأفعال يضيف إلى كل تصريح، بشكل هيكلي، أبعاداً مثل الزمن والجانب والقطبية والشاهدية والصيغة والإرادية والثقة. وهذا أيضاً عمل سابق للإصدار v1.
كلمات 16 بت. تمثيل ويكي بيانات لم يُصمَّم لنوافذ السياق. JSON-LD، RDF، SPARQL. قابلة للقراءة آلياً، لكنها ليست فعالة من حيث الرموز.
GEUL تسلسل من كلمات 16 بت. الكلمة الأولى في السجل (TAG WORD) تذكر نوع ذلك السجل وطوله. يمكن تصفية السجلات وتخطيها حتى بدون دفتر شفرات. نظام تمثيل مبني على افتراض محدودية نوافذ السياق. نوقش هذا بالفعل في لماذا لا يكفي MD/JSON/XML.
خط أنابيب السياق. ويكي بيانات مستودع. GEUL جزء من خط أنابيب. التوضيح، التحقق، التصفية، فحص الاتساق، الاستكشاف — كل ما نوقش في هذه السلسلة يعمل فوق التمثيل المهيكل لـ GEUL. ويكي بيانات ليس لديها خط الأنابيب هذا. ولا تحتاج إليه. هدف ويكي بيانات مختلف.
العلاقة بين القاموس واللغة
خلاصة القول:
ويكي بيانات هي مفردات العالم. أي الكيانات موجودة، أي العلاقات موجودة، أي الأنواع موجودة وكيف تُصنَّف. بناها مجتمع على مدار 14 عاماً.
GEUL تبني القواعد فوق هذه المفردات. معرّفات المفردات ← مراجع GEUL الصحيحة. مداخل المفردات ← وثيقة GEUL واحدة لكل كيان. نظام تصنيف المفردات وإحصاءات تكرارها ← مادة لبحث SIDX.
وتضيف ما تفتقر إليه المفردات. بنية الادعاءات. تحديد الأفعال. كلمات 16 بت. خط أنابيب السياق.
هل يمكن بناء GEUL بدون ويكي بيانات؟ نعم. بتصميم الأنطولوجيا من الصفر، كما فعل CYC. لكن ذلك جُرِّب قبل 40 عاماً، والنتائج تتحدث عن نفسها.
لأن ويكي بيانات موجودة، فإن GEUL لا تصمم أنطولوجيا. إنها تنقل إجماعاً قائماً.
ملخص
اللغة الاصطناعية تحتاج إلى مفردات. بناء المفردات من الصفر هو ما حاوله CYC، و30 عاماً أثبتت حدود هذا النهج.
ويكي بيانات هي مفردات العالم، بنحو 120 مليون كيان ونحو 1.78 مليار تصريح (تفريغ أكتوبر 2026). بناها مجتمع على مدار 14 عاماً.
GEUL تنقل هذه المفردات كما هي. تحمّل wikipg التفريغ في PostgreSQL بلا فقدان، وتحوّل wikigeul كل كيان إلى وثيقة GEUL واحدة تضم كل اللغات. يُستشهد بالعناصر والخصائص أعداداً صحيحة، وتُنشر الوثائق في أرشيفات pack.
SIDX هي البحث التالي. تصمم معرّفاً متوافقاً دلالياً من ترددات نسخ P31 والتسلسل الهرمي لـ P279. لم يُحسم عرضها ولا تخصيصها بعد.
ويكي بيانات قاموس وGEUL لغة. القاموس يوفر الكلمات، واللغة توفر القواعد. GEUL تبني بنية الادعاءات، وتحديد الأفعال، وكلمات 16 بت، وخط أنابيب السياق فوق مفردات ويكي بيانات.
GEUL لا ترفض ويكي بيانات. إنها تقف فوقها.