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

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。