בינה מלאכותית זקוקה לשפה חדשה

GEUL — שפה מלאכותית לתקשורת חד-משמעית בין בני אדם ובינה מלאכותית

למה עידן הנדסת הפרומפטים נגמר

ככל שהמודלים חכמים יותר, "מה מראים להם" חשוב יותר מ"איך אומרים להם". המעבר מפרומפט להקשר, ושבעת רכיבי התשתית שהנדסת הקשר צריכה.

למה יש צורך בבהירות

שפה טבעית חייבת להתארך כדי להסיר עמימות. במבנה שיש בו מזהים ומקומות מוגדרי טיפוס, הפשרה בין בהירות לתמציתיות נשברת, והבהירות הופכת לתנאי מוקדם לאינדוקס, לאימות ולבדיקת עקביות.

למה אימות מכני הכרחי

לשפה טבעית אין מושג של "משפט לא תקף", ולכן מידע נכנס להקשר בלי בדיקה. למה אימות מכני, שמסנן צורה לפי מפרט, חייב לבוא ראשון בצנרת.

למה סינון הכרחי

לא כל מידע תקף הוא מידע נחוץ. המסנן שבוחר רק את מה שנחוץ עכשיו לפי רלוונטיות, אמינות ועדכניות, ולמה בייצוג מובנה הקריטריונים האלה הופכים לפעולות על שדות.

למה בדיקות עקביות הכרחיות

מידע שנכון כשלעצמו עלול לסתור את עצמו כשהוא מתקבץ. שלושת סוגי הסתירה (זמנית, בין מקורות, הסקתית), ולמה בייצוג מובנה גילוי הסתירה הופך להשוואת שדות ולחשבון.

מדוע יש צורך בשפה מלאכותית?

השפה הטבעית התפתחה לתקשורת אנושית. עמימות, יתירות ורמיזה הם יתרונות לבני אדם אך גורמים להזיות של בינה מלאכותית. לא שפות תכנות ולא מסגרות סמנטיות קיימות הן התשובה. יש צורך בשפה מלאכותית חדשה העומדת בשישה תנאים בו-זמנית.

למה חקירה הכרחית

כשהידע גדל עד שאפילו האינדקס חורג מחלון ההקשר, חיפוש במכה אחת מגיע לגבולו. למה נדרש חקר: בחירת כיוון בכל רמה של מפה היררכית.

למה שפה טבעית יוצרת הזיות?

הזיה אינה באג של LLM — היא הכרח מבני הנובע מארבעה פגמים בשפה טבעית: עמימות, היעדר מקור, היעדר ודאות והיעדר זמן. מודלים גדולים יותר לא יפתרו זאת.

למה MD/JSON/XML לא יעבדו

Markdown‏, JSON ו-XML נוצרו כל אחד לתקופה ולמטרה אחרות. יש בהם מבנה אבל אין משמעות אחידה ואין מקום למקורות. למה נדרש פורמט נפרד כדי לתעד ולצבור את ההסקה של בינה מלאכותית.

למה שפות תכנות אינן מספיקות

שפות תכנות מתארות פרוצדורות. הן אינן מסוגלות לתאר את העולם. JSON מספק מבנה אך ללא משמעות. אפילו LISP רק שואלת את התחביר.

למה וקטורי הטמעה לא מספיקים

סידור מחדש של וקטורי הטמעה שובר את המודל. הימנעות מהשבירה פירושה בניית המודל מאפס. מה שנדרש הוא לא שקיפות בתוך הקופסה השחורה, אלא שכבה שקופה מחוצה לה.

למה אספרנטו נכשלה

אספרנטו נכשלה משום שהיה צריך ללמוד אותה, משום שניסתה להחליף שפות קיימות ומשום שנועדה לתקשורת. שפה מלאכותית לבינה מלאכותית הולכת בדרך אחרת: בני אדם אינם צריכים ללמוד אותה, היא אינה מחליפה שפה טבעית, ומטרתה תיעוד ואימות.

למה ויקינתונים

GEUL לא דוחה את ויקינתונים. היא טוענת את הדמפ ללא אובדן והופכת כל אחת מכ-120 מיליון הישויות למסמך GEUL אחד שמכיל את כל השפות. תכנון מזהה מיושר סמנטית (SIDX) ממערכת הסיווג וסטטיסטיקות התדירות שלהם הוא מחקר בעיצומו.

למה WordNet?

מי שבונה מערכת פעלים בעצמו מקבל חורים, שרירותיות והיעדר ביסוס. GEUL למדה את המבנה כשבנתה ספר קודים זמני מ-13,767 הפעלים של WordNet, שנצברו במשך 40 שנה. מאחר ש-WordNet אינה CC0 וקשורה לאנגלית, המהדורה הזמנית תוחלף בספר קודים של פעלים בלי WordNet.

למה טענות, לא עובדות?

האמת אינה נגישה; כל שנותר לנו הוא טענות של מישהו. למה מערכת ידע צריכה לקחת טענות, ולא עובדות, כנתונים ראשוניים, ולתת מקום לרישום מקור, זמן ומידת ביטחון.

למה אינדקס מיושר-סמנטית?

אילו מזהה היה ידע ולא כתובת, פעולת ביטים אחת הייתה מצמצמת את המועמדים בלי שום JOIN. המסה עוסקת ב-SIDX, המזהה המיושר סמנטית ש-GEUL חוקרת, ובסיבה שרוחבו ייקבע לפי סטטיסטיקות שימוש.

למה 16 ביט?

מילה אחת בת 16 ביטים תוכננה להיות היחידה של שלושה עולמות: זרם הרשת, פורמט הקובץ ואוצר המילים של LLM. למה 16 ביטים, ולא 8, 32 או אורך משתנה.

למה יש צורך בזיכרון מובנה?

בינה מלאכותית כותבת קבצים היטב, אבל אינה מוצאת את הקבצים שכתבה בעצמה. הבעיה אינה באחסון אלא בשליפה. הדרך ממפה אחת של מה נמצא איפה, כמו תוכן עניינים או מפתח, אל זיכרון מובנה.

למה לשמור הסקה במטמון כקוד?

במקום ש-LLM יסיק מאפס בכל פעם, כל הסקה מגובשת לקוד ונשמרת במטמון. מבנה דמוי מהדר JIT שקורא ל-LLM רק בהחטאת מטמון, ומה שהוא משיג עם הזמן.

למה הערות צריכות להיות אינדקס

הערות נכתבות בשביל בני אדם. אבל כשיש 10,000 פונקציות, גם מכונות צריכות לקרוא אותן. אם הופכים הערות מסיפור לאינדקס, סריקה מלאה הופכת לחיפוש מיידי.

למה חייבים להשאיר ריק

GEUL משאירה ריקים 75% ממרחב ה-TAG WORD בן 16 הביטים שפותח כל רשומה. הלקחים של IPv4, יוניקוד ו-ASCII: מחיר המילוי בלתי הפיך, ומחיר ההשארה ריק הוא שלושה ביטים לרשומה.