GEUL(General Encoding Unified Language)は、人と AI が曖昧さなくやり取りするための人工言語であり、バイナリ形式である。
これらのドキュメントは GEUL v1 文法を定義する。現行版は公表前の草案であり、変わることがある。仕様は CC0 1.0 で公開する。
一目でわかる概要
- すべてのデータは **16ビットワード(WORD)**の連続だ。ビッグエンディアンで書く。
- データの単位はレコードだ。レコードは TAG WORD 一つで始まり、その TAG WORD がレコードの種類と長さを示す。
- レコードは四種類(Kind)ある。
| Kind | 役割 | 例 |
|---|---|---|
| Reference | 対象を指す | Wikidata Q42、このドキュメント内の #7 |
| Value | 値そのものを持つ | 日付、数量、言語付きテキスト |
| Edge | 他のレコードを束ねて叙述する | 「Q42 は人間である」「Q42 の英語名は Douglas Adams である」 |
| Meta | ドキュメントについて述べる | 仕様版、ドキュメント ID、作成者、署名 |
- レコードはドキュメント一つにまとめられる。ドキュメントは HTML のように HEAD(Meta と、ドキュメント全体の出典 SOURCE およびその QUALIFIER)と BODY(Reference・Value・Edge)に分かれる。
- ドキュメントは Issuer(発行主体)が出し、バージョンごとにコンテンツハッシュで固定される。公表したバージョンは変更しない。
設計原則
- コードブックなしで読み飛ばせる。 レコードの種類と長さは TAG WORD の16ビットにある。解釈方法(コードブック)を知らないデコーダでも、レコードを数え、読み飛ばせる。
- 事実ではなく叙述を持つ。 ドキュメントは、誰が、いつ、何から出した叙述かを Meta と根拠 Edge で併せて記す。
- 識別は Reference で行う。 名前ではなく ID で指す。名前は Edge で付ける。
- 公表したものは変更しない。 修正内容は新しいバージョンとして出す。ドキュメント内の ID はバージョンを越えて同じ対象を指す。
- 空けておく。 ビット空間の大部分を将来に残す。直接コードは回収できないので、頻度が確認されたものだけを割り当てる。
下位ドキュメント
初めて読むなら、表の上から順に読む。
| ドキュメント | 内容 |
|---|---|
| レコードの構造 | TAG WORD レイアウト、Length、Codec、拡張 TAG |
| Issuer と公表 | Issuer の等級、2 WORD 割り当て表、公開方式、署名、検証鍵 |
| 公表アドレスとバージョン一覧 | ID 表記、公表アドレス、形式指定、Issuer 一覧、バージョン一覧、信頼層 |
| Codec 規格ドキュメント | DECLARE・FIELD・ENUM・CODEC で書くコードブック |
| 一般ドキュメント | DOC・HEAD・BODY・END、ドキュメント ID、コンテンツハッシュ、バージョンと改訂 |
| コード索引 | 割り当て227マス全体、Kind・系列別 Codec 表 |
| セクション配置 | 16個のセクションとマス配置、割り当て・Reserved 区間 |
| プレースホルダ | ABSENT・UNKNOWN-VALUE・NO-VALUE、受け入れ規則 |
| Reference | 対象識別、LOCAL、外部参照、Quantifier、プレースホルダ |
| Value | 値の系列、直接コード、テキスト・数量・日付 |
| Meta | 構造・定義・出典・系譜・検証・ポリシー・IMPORT |
| Edge | 叙述・根拠・実行・TOULMIN 系列、TRIPLE・QUALIFIER・LABEL |
| TOULMIN | 判定・実行グラフ系列、NODE・LINK・SOURCE レイアウト |
| 例: Wikidata 項目 | ドキュメント一つをワード単位で読む |
コードブックなしでわかること
| 情報 | コードブックなしで | 根拠 |
|---|---|---|
| Kind | わかる | TAG WORD のセクション w >> 9 の区間(Reference 0~2、Value 3・4、Edge 5~13、Meta 14・15) |
| レコード全体の長さ、次のレコードの位置 | わかる | TAG WORD の Length |
| Codec 番号 | わかる | TAG WORD(Issuer 形式なら拡張 TAG の Issuer と Codec 番号) |
| 系列・クラス | 一部わかる | Edge 直接コードの系列だけがビットでわかる。Value 直接コードと Issuer 形式の系列、Meta クラスはビットではわからない。Issuer 形式は Issuer と Codec 番号までわかる。Meta 検証クラスはセクション15の C >= 5(w >= 0x1E50)でわかる |
| Edge の Edge Id | わかる | Edge(セクション5~13)の最初の構成要素は常に LOCAL Reference |
| プレースホルダ(記載なし・不明・なし) | わかる | WORD 値が 0x0000、0x0010、0x0020(Reference、C < 3、L 0)。プレースホルダ |
| Quantifier | わかる | セクション内オフセット C で、セクション0の 5 <= C < 30、セクション1の C < 30 なら C % 5 |
| Codec ごとの TAG 長、Payload 開始位置 | わからない | コードブック |
| Payload の解釈、Edge 構成要素の役割 | わからない | コードブック |
- コードブックのないデコーダは、レコードを読み飛ばしながら Kind と Codec ごとに数えられるが、グラフ構造をたどることはできない。
- すべてのデコーダは Meta の構造・定義・IMPORT クラスを処理しなければならない。これらの Codec は GEUL コアコードブックに属し、デコーダは内蔵の番号表で知る(Meta)。
コードブックは GEUL ドキュメントとして公表される(Codec 規格ドキュメント)。したがってデコーダは、必要な規格ドキュメントを受け取って読めばよい。
領域構造
TAG WORD の上位ビットは領域を分ける。
| Prefix | 領域 | 割合 | 定義 |
|---|---|---|---|
1 | 遠い将来 | 50% | Reserved(遠い将来)。使わない |
01 | 将来 | 25% | Reserved(近い将来)。使わない |
001 | 標準 | 12.5% | 公式に採択されて運用される文法 |
000 | 自由・提案 | 12.5% | 現行文法。採択されるとレイアウトはそのままに Prefix だけを 001 に移す |
現行文法はすべて 000 領域にある。この仕様のすべての TAG WORD は 000 で始まる。
- v1 デコーダは Prefix が
000でない TAG WORD を拒否する。他の領域は後の版が定める。 000領域は提案空間だ。現在は登録も保護も適用されない。