Por Que a Era da Engenharia de Prompt Acabou
Quanto mais inteligentes os modelos, mais pesa "o que você mostra" do que "como você diz". A passagem do prompt para o contexto e as sete peças de infraestrutura de que a engenharia de contexto precisa.
GEUL — Uma linguagem artificial para comunicação inequívoca entre humanos e IA
Quanto mais inteligentes os modelos, mais pesa "o que você mostra" do que "como você diz". A passagem do prompt para o contexto e as sete peças de infraestrutura de que a engenharia de contexto precisa.
Parecer relevante e ser relevante nao sao a mesma coisa
A linguagem natural precisa ficar mais longa para resolver ambiguidades. Numa estrutura com identificadores e lugares tipados, o compromisso entre clareza e brevidade se rompe, e a clareza vira a condição para indexar, validar e checar consistência.
A linguagem natural não tem o conceito de "frase inválida", então a informação entra no contexto sem verificação. Por que a verificação mecânica, que filtra a forma segundo uma especificação, deve vir primeiro no pipeline.
Nem toda informação válida é informação necessária. O filtro que escolhe só o que é preciso agora por relevância, confiabilidade e atualidade, e por que esses critérios viram operações sobre campos numa representação estruturada.
Informações corretas isoladamente podem se contradizer quando reunidas. Os três tipos de contradição (temporal, entre fontes, inferencial) e por que detectá-las vira comparação de campos e aritmética numa representação estruturada.
A linguagem natural evoluiu para a comunicação humana. Ambiguidade, redundância e implicação são vantagens para humanos, mas causas de alucinação para a IA. Nem linguagens de programação nem frameworks semânticos existentes são a resposta. É necessária uma nova linguagem artificial que satisfaça seis condições simultaneamente.
Quando o conhecimento cresce tanto que até o índice estoura a janela de contexto, a busca de uma só vez chega ao limite. Por que a exploração é necessária: escolher uma direção em cada nível de um mapa hierárquico.
A alucinacao nao e um bug do LLM — e uma consequencia estrutural inevitavel de quatro falhas da linguagem natural: ambiguidade, ausencia de fonte, de confianca e de tempo. Modelos maiores nao resolvem.
Markdown, JSON e XML foram criados para épocas e propósitos diferentes. Têm estrutura, mas não um significado unificado, nem lugar para fontes. Por que é preciso um formato à parte para registrar e acumular o raciocínio da IA.
Linguagens de programação descrevem procedimentos. Não conseguem descrever o mundo. JSON oferece estrutura, mas não significado. Até LISP apenas empresta a sintaxe.
Reorganizar vetores de embedding quebra o modelo. Evitar a quebra significa reconstruir o modelo do zero. O que precisamos não é transparência dentro da caixa preta, mas uma camada transparente fora dela.
O esperanto fracassou porque precisava ser aprendido, tentou substituir as línguas existentes e servia à comunicação. Uma linguagem artificial para a IA segue outro caminho: as pessoas não precisam aprendê-la, ela não substitui a linguagem natural e seu propósito é registrar e verificar.
O GEUL não rejeita o Wikidata. Carrega o dump sem perdas e transforma cada uma das cerca de 120 milhões de entidades em um documento GEUL com todos os idiomas. Projetar um identificador semanticamente alinhado (SIDX) a partir da sua classificação e das estatísticas de frequência é pesquisa em andamento.
Construir um sistema de verbos por conta própria deixa lacunas, é arbitrário e carece de fundamento. O GEUL aprendeu a estrutura construindo um livro de códigos provisório com os 13.767 verbos do WordNet, acumulados ao longo de 40 anos. Como o WordNet não é CC0 e está preso ao inglês, essa edição provisória será substituída por um livro de códigos de verbos sem WordNet.
A verdade é inacessível; o que nos resta são afirmações de alguém. Por que um sistema de conhecimento deve tomar afirmações, e não fatos, como dados primários, e dar um lugar para registrar fonte, tempo e confiança.
Se um ID fosse conhecimento e não endereço, uma única operação de bits poderia reduzir os candidatos sem nenhum JOIN. Este ensaio apresenta o SIDX, o identificador semanticamente alinhado que o GEUL está pesquisando, e por que sua largura será definida por estatísticas de uso.
Uma única palavra de 16 bits foi projetada para ser a unidade de três mundos: o fluxo de rede, o formato de arquivo e o vocabulário do LLM. Por que 16 bits, e não 8, 32 ou comprimento variável.
A IA escreve bem arquivos, mas não encontra os que ela mesma escreveu. O problema não é armazenar, é recuperar. O caminho de um simples mapa do que está onde, como um sumário ou um índice, até uma memória estruturada.
Em vez de o LLM raciocinar do zero toda vez, cada inferência é cristalizada em código e guardada em cache. Uma estrutura semelhante a um compilador JIT, que só chama o LLM quando há falha de cache, e o que ela alcança com o tempo.
Comentarios sao escritos para pessoas. Mas quando ha 10.000 funcoes, as maquinas tambem precisam le-los. Ao transformar comentarios de narrativa em indice, uma varredura completa se torna uma busca instantanea.
O GEUL deixa vazios 75% do espaço da TAG WORD de 16 bits que abre cada registro. As lições do IPv4, do Unicode e do ASCII: o custo de preencher é irreversível, enquanto o de deixar vazio é de três bits por registro.