GEUL (General Encoding Unified Language) es un lenguaje artificial y un formato binario para que personas e IA se comuniquen sin ambigüedad.

Estos documentos definen la gramática de GEUL v1. La edición actual es un borrador previo a la publicación y puede cambiar. La especificación se libera bajo CC0 1.0.

Vista general

  • Todos los datos son una secuencia de palabras de 16 bits (WORD), escritas en big endian.
  • La unidad de datos es el registro. Un registro empieza con un TAG WORD, y ese TAG WORD indica el tipo y la longitud del registro.
  • Hay cuatro tipos de registro (Kind).
KindQué haceEjemplo
ReferenceApunta a un objetoQ42 de Wikidata, #7 dentro de este documento
ValueContiene el valor mismofecha, cantidad, texto con idioma
EdgeUne otros registros para enunciar algo«Q42 es una persona», «El nombre en inglés de Q42 es Douglas Adams»
MetaHabla sobre el documentoversión de la especificación, ID del documento, autor, firma
  • Los registros se guardan en un documento. Como en HTML, un documento se divide en HEAD (Meta, más el SOURCE de todo el documento y su QUALIFIER) y BODY (Reference, Value, Edge).
  • El documento lo emite un Issuer (entidad emisora), y cada versión queda fijada por un hash de contenido. Una versión publicada no se modifica.

Principios de diseño

  1. Se puede saltar sin codebook. El tipo y la longitud de un registro están en los 16 bits del TAG WORD. Un decodificador que no conozca el método de interpretación (el codebook) puede contar y saltar registros.
  2. Se guardan enunciados, no hechos. El documento anota, mediante Meta y Edge de fundamento, quién enunció algo, cuándo y a partir de qué.
  3. La identificación se hace con Reference. Se apunta por ID, no por nombre. Los nombres se asignan con un Edge.
  4. Lo publicado no se modifica. Las correcciones se emiten como una versión nueva. Un ID dentro del documento apunta al mismo objeto en todas las versiones.
  5. Se deja espacio vacío. La mayor parte del espacio de bits se reserva para el futuro. Los códigos directos no se pueden recuperar, así que solo se asignan los de frecuencia confirmada.

Documentos subordinados

Si es la primera vez que lee esto, siga la tabla de arriba abajo.

DocumentoContenido
Estructura del registroDisposición del TAG WORD, Length, Codec, TAG extendida
Issuer y publicaciónNiveles de Issuer, tabla de asignación de 2 WORD, modo de divulgación, firma, clave de verificación
Direcciones de publicación y lista de versionesNotación de ID, direcciones de publicación, especificación de formato, lista de Issuer, lista de versiones, capas de confianza
Documento de especificación de CodecCodebook escrito con DECLARE, FIELD, ENUM y CODEC
Documento generalDOC, HEAD, BODY, END, ID del documento, hash de contenido, versiones y revisiones
Índice de códigosLas 227 casillas asignadas, tablas de Codec por Kind y familia
Disposición de secciones16 secciones y disposición de casillas, rangos asignados y Reservados
Marcador de posiciónABSENT, UNKNOWN-VALUE, NO-VALUE, reglas de aceptación
ReferenceIdentificación de objetos, LOCAL, referencias externas, Quantifier, marcadores de posición
ValueFamilias de valores, códigos directos, texto, cantidad, fecha
MetaEstructura, definición, procedencia, linaje, verificación, política, IMPORT
EdgeFamilias de enunciado, fundamento, ejecución y TOULMIN; TRIPLE, QUALIFIER, LABEL
TOULMINFamilia de grafos de veredicto y ejecución; disposición de NODE, LINK, SOURCE
Ejemplo: un elemento de WikidataLectura de un documento palabra por palabra

Qué se sabe sin codebook

InformaciónSin codebookFundamento
KindSe sabeRango de la sección del TAG WORD, w >> 9 (Reference 0~2, Value 3·4, Edge 5~13, Meta 14·15)
Longitud total del registro, posición del siguiente registroSe sabeLength del TAG WORD
Número de CodecSe sabeTAG WORD (en formato Issuer, el Issuer y el número de Codec de la TAG extendida)
Familia y claseSe sabe en parteSolo la familia de los códigos directos de Edge se sabe por los bits. La familia de los códigos directos de Value y del formato Issuer, y la clase de Meta, no se saben por los bits. En el formato Issuer se saben el Issuer y el número de Codec. La clase de verificación de Meta se sabe por C >= 5 de la sección 15 (w >= 0x1E50)
Edge Id de un EdgeSe sabeEl primer componente de un Edge (secciones 5~13) es siempre una Reference LOCAL
Marcadores de posición (no anotado, desconocido, inexistente)Se sabeEl valor del WORD es 0x0000, 0x0010, 0x0020 (Reference, C < 3, L 0). Marcador de posición
QuantifierSe sabePor el desplazamiento C dentro de la sección: C % 5 si 5 <= C < 30 en la sección 0, o C < 30 en la sección 1
Longitud del TAG por Codec, posición de inicio del PayloadNo se sabeCodebook
Interpretación del Payload, función de los componentes del EdgeNo se sabeCodebook
  • Un decodificador sin codebook puede saltar registros y contarlos por Kind y Codec, pero no puede seguir la estructura del grafo.
  • Todo decodificador debe procesar las clases de estructura, definición e IMPORT de Meta. Estos Codec pertenecen al codebook central de GEUL, y el decodificador los conoce por una tabla de números incorporada (Meta).

El codebook se publica como un documento GEUL (Documento de especificación de Codec). Así, el decodificador solo tiene que obtener y leer el documento de especificación que necesite.

Estructura de regiones

Los bits superiores del TAG WORD dividen las regiones.

PrefixRegiónProporciónDefinición
1Futuro lejano50%Reservado (futuro lejano). No se usa
01Futuro25%Reservado (futuro cercano). No se usa
001Estándar12.5%Gramática adoptada oficialmente y en operación
000Libre y propuestas12.5%Gramática actual. Si se adopta, la disposición se mantiene y solo el Prefix pasa a 001

Toda la gramática actual está en la región 000. Todos los TAG WORD de esta especificación empiezan por 000.

  • Un decodificador v1 rechaza los TAG WORD cuyo Prefix no sea 000. Las demás regiones las determinarán ediciones posteriores.
  • La región 000 es un espacio de propuestas. Por ahora no se aplica registro ni protección.