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).
| Kind | Qué hace | Ejemplo |
|---|---|---|
| Reference | Apunta a un objeto | Q42 de Wikidata, #7 dentro de este documento |
| Value | Contiene el valor mismo | fecha, cantidad, texto con idioma |
| Edge | Une otros registros para enunciar algo | «Q42 es una persona», «El nombre en inglés de Q42 es Douglas Adams» |
| Meta | Habla sobre el documento | versión 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
- 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.
- Se guardan enunciados, no hechos. El documento anota, mediante Meta y Edge de fundamento, quién enunció algo, cuándo y a partir de qué.
- La identificación se hace con Reference. Se apunta por ID, no por nombre. Los nombres se asignan con un Edge.
- 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.
- 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.
| Documento | Contenido |
|---|---|
| Estructura del registro | Disposición del TAG WORD, Length, Codec, TAG extendida |
| Issuer y publicación | Niveles de Issuer, tabla de asignación de 2 WORD, modo de divulgación, firma, clave de verificación |
| Direcciones de publicación y lista de versiones | Notación de ID, direcciones de publicación, especificación de formato, lista de Issuer, lista de versiones, capas de confianza |
| Documento de especificación de Codec | Codebook escrito con DECLARE, FIELD, ENUM y CODEC |
| Documento general | DOC, HEAD, BODY, END, ID del documento, hash de contenido, versiones y revisiones |
| Índice de códigos | Las 227 casillas asignadas, tablas de Codec por Kind y familia |
| Disposición de secciones | 16 secciones y disposición de casillas, rangos asignados y Reservados |
| Marcador de posición | ABSENT, UNKNOWN-VALUE, NO-VALUE, reglas de aceptación |
| Reference | Identificación de objetos, LOCAL, referencias externas, Quantifier, marcadores de posición |
| Value | Familias de valores, códigos directos, texto, cantidad, fecha |
| Meta | Estructura, definición, procedencia, linaje, verificación, política, IMPORT |
| Edge | Familias de enunciado, fundamento, ejecución y TOULMIN; TRIPLE, QUALIFIER, LABEL |
| TOULMIN | Familia de grafos de veredicto y ejecución; disposición de NODE, LINK, SOURCE |
| Ejemplo: un elemento de Wikidata | Lectura de un documento palabra por palabra |
Qué se sabe sin codebook
| Información | Sin codebook | Fundamento |
|---|---|---|
| Kind | Se sabe | Rango 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 registro | Se sabe | Length del TAG WORD |
| Número de Codec | Se sabe | TAG WORD (en formato Issuer, el Issuer y el número de Codec de la TAG extendida) |
| Familia y clase | Se sabe en parte | Solo 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 Edge | Se sabe | El primer componente de un Edge (secciones 5~13) es siempre una Reference LOCAL |
| Marcadores de posición (no anotado, desconocido, inexistente) | Se sabe | El valor del WORD es 0x0000, 0x0010, 0x0020 (Reference, C < 3, L 0). Marcador de posición |
| Quantifier | Se sabe | Por 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 Payload | No se sabe | Codebook |
| Interpretación del Payload, función de los componentes del Edge | No se sabe | Codebook |
- 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.
| Prefix | Región | Proporción | Definición |
|---|---|---|---|
1 | Futuro lejano | 50% | Reservado (futuro lejano). No se usa |
01 | Futuro | 25% | Reservado (futuro cercano). No se usa |
001 | Estándar | 12.5% | Gramática adoptada oficialmente y en operación |
000 | Libre y propuestas | 12.5% | 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
000es un espacio de propuestas. Por ahora no se aplica registro ni protección.