AI Membutuhkan Bahasa Baru

GEUL — Bahasa buatan untuk komunikasi tanpa ambiguitas antara manusia dan AI

Mengapa Era Prompt Engineering Berakhir

Semakin cerdas model, semakin "apa yang ditunjukkan" menentukan hasil, bukan "bagaimana mengatakannya". Peralihan dari prompt ke konteks, dan tujuh infrastruktur yang dibutuhkan rekayasa konteks.

Mengapa Klarifikasi Diperlukan

Bahasa alami harus menjadi lebih panjang untuk menghilangkan ambiguitas. Dalam struktur yang memiliki pengenal dan tempat bertipe, tarik-ulur antara kejelasan dan keringkasan patah, dan kejelasan menjadi prasyarat bagi pengindeksan, validasi, dan pemeriksaan konsistensi.

Mengapa Verifikasi Mekanis Diperlukan

Bahasa alami tidak mengenal konsep "kalimat tidak valid", sehingga informasi masuk ke konteks tanpa diperiksa. Mengapa verifikasi mekanis, yang menyaring bentuk berdasarkan spesifikasi, harus datang paling awal dalam pipeline.

Mengapa Filter Diperlukan

Tidak semua informasi yang valid adalah informasi yang diperlukan. Filter yang hanya memilih yang dibutuhkan sekarang berdasarkan relevansi, keandalan, dan kebaruan, serta mengapa kriteria itu menjadi operasi field dalam representasi terstruktur.

Mengapa Pemeriksaan Konsistensi Diperlukan

Informasi yang benar secara terpisah bisa saling bertentangan ketika dikumpulkan. Tiga jenis kontradiksi (waktu, antarsumber, inferensial), dan mengapa deteksinya menjadi perbandingan field dan aritmetika dalam representasi terstruktur.

Mengapa Bahasa Buatan Diperlukan?

Bahasa alami berevolusi untuk komunikasi manusia. Ambiguitas, redundansi, dan implikasi adalah kelebihan bagi manusia tetapi penyebab halusinasi bagi AI. Bahasa pemrograman maupun kerangka semantik yang ada bukan jawabannya. Diperlukan bahasa buatan baru yang memenuhi enam syarat secara bersamaan.

Mengapa Eksplorasi Diperlukan

Ketika pengetahuan tumbuh begitu besar sehingga indeksnya pun melampaui jendela konteks, pencarian sekali jalan mencapai batasnya. Mengapa eksplorasi diperlukan: memilih arah di setiap tingkat peta hierarkis.

Mengapa Bahasa Alami Menciptakan Halusinasi?

Halusinasi bukan bug LLM — ia adalah keniscayaan struktural dari empat cacat bahasa alami: ambiguitas, ketiadaan sumber, ketiadaan kepercayaan, dan ketiadaan waktu. Model yang lebih besar tidak bisa memperbaikinya.

Mengapa MD/JSON/XML Tidak Bisa

Markdown, JSON, dan XML masing-masing dibuat untuk zaman dan tujuan yang berbeda. Mereka punya struktur tetapi tidak punya makna yang seragam, dan tidak ada tempat untuk sumber. Mengapa dibutuhkan format tersendiri untuk mencatat dan mengakumulasi penalaran AI.

Mengapa Bahasa Pemrograman Tidak Cukup

Bahasa pemrograman mendeskripsikan prosedur. Ia tidak bisa mendeskripsikan dunia. JSON menyediakan struktur tapi tanpa makna. Bahkan LISP hanya meminjam sintaksisnya.

Mengapa Vektor Embedding Tidak Cukup

Menata ulang vektor embedding akan merusak model. Menghindari kerusakan berarti membangun ulang model dari nol. Yang dibutuhkan bukan transparansi di dalam kotak hitam, melainkan lapisan transparan di luarnya.

Mengapa Esperanto Gagal

Esperanto gagal karena harus dipelajari, berusaha menggantikan bahasa yang sudah ada, dan bertujuan untuk komunikasi. Bahasa buatan untuk AI menempuh jalan lain: manusia tidak perlu mempelajarinya, ia tidak menggantikan bahasa alami, dan tujuannya adalah pencatatan dan verifikasi.

Mengapa Wikidata

GEUL tidak menolak Wikidata. GEUL memuat dump tanpa kehilangan dan mengubah setiap entitas dari sekitar 120 juta entitas menjadi satu dokumen GEUL yang memuat semua bahasa. Merancang pengidentifikasi selaras makna (SIDX) dari klasifikasi dan statistik frekuensinya masih dalam riset.

Mengapa WordNet?

Membangun sistem kata kerja sendiri berarti ada celah, sewenang-wenang, dan tanpa dasar. GEUL mempelajari strukturnya dengan membuat codebook sementara dari 13.767 kata kerja WordNet yang terkumpul selama 40 tahun. Karena WordNet bukan CC0 dan terikat pada bahasa Inggris, edisi sementara ini akan diganti dengan codebook kata kerja tanpa WordNet.

Mengapa Klaim, Bukan Fakta?

Kebenaran tidak dapat dijangkau; yang tersisa bagi kita hanyalah klaim seseorang. Mengapa sistem pengetahuan harus menjadikan klaim, bukan fakta, sebagai data primer, dan menyediakan tempat untuk mencatat sumber, waktu, dan tingkat keyakinan.

Mengapa Indeks yang Selaras Secara Semantik?

Jika ID adalah pengetahuan, bukan alamat, satu operasi bit dapat mempersempit kandidat tanpa JOIN apa pun. Esai ini membahas SIDX, pengenal yang diselaraskan secara semantik yang sedang diteliti GEUL, dan mengapa lebarnya akan ditentukan dari statistik penggunaan.

Mengapa 16-Bit?

Satu word 16-bit dirancang menjadi unit bagi tiga dunia: aliran jaringan, format file, dan kosakata LLM. Mengapa 16 bit, bukan 8, 32, atau panjang variabel.

Mengapa Memori Terstruktur Diperlukan?

AI pandai menulis file, tetapi tidak bisa menemukan file yang ditulisnya sendiri. Masalahnya bukan penyimpanan, melainkan pengambilan. Jalan dari satu peta tentang apa ada di mana, seperti daftar isi atau indeks, menuju memori terstruktur.

Mengapa Cache Penalaran sebagai Kode?

Alih-alih LLM bernalar dari nol setiap kali, setiap inferensi dikristalkan menjadi kode dan di-cache. Struktur mirip kompiler JIT yang hanya memanggil LLM saat cache miss, dan hasilnya dari waktu ke waktu.

Mengapa Anotasi Harus Menjadi Indeks

Komentar ditulis untuk manusia. Tetapi ketika ada 10.000 fungsi, mesin juga perlu membacanya. Dengan mengubah komentar dari narasi menjadi indeks, full scan menjadi pencarian instan.

Mengapa Harus Dibiarkan Kosong

GEUL mengosongkan 75% ruang TAG WORD 16-bit yang membuka setiap rekaman. Pelajaran dari IPv4, Unicode, dan ASCII: biaya mengisi tidak dapat dipulihkan, sedangkan biaya mengosongkan hanya tiga bit per rekaman.