AI需要一种新语言

GEUL — 为人类与AI无歧义沟通而设计的人工语言

为什么提示工程的时代结束了

模型越聪明,决定结果的就越不是"怎么说",而是"给它看什么"。本文讨论从提示到上下文的转变,以及上下文工程所需的七种基础设施。

为什么明确化是必要的

自然语言要消除歧义,就必然变长。在拥有标识符和规范化位置的结构中,清晰与简洁的权衡被打破,清晰成为索引、验证和一致性检查的前提。

为什么机械校验是必要的

自然语言没有"无效句子"的概念,信息因此未经检查就进入上下文。本文说明为什么按规范过滤形式的机械验证必须在流水线中排在最前面。

为什么过滤是必要的

有效的信息并不都是需要的信息。本文讨论按相关性、可信度、时效性只挑选当下所需信息的过滤器,以及为什么在结构化表示中这些标准会变成字段运算。

为什么一致性检查是必要的

单独看都正确的信息,汇集在一起也可能相互矛盾。本文讨论三类矛盾(时间、出处之间、推理),以及为什么在结构化表示中矛盾检测会变成字段比较和算术。

为什么需要人工语言

自然语言为人类通信而进化。模糊性、冗余和暗示对人类是优势,但对AI却是幻觉的根源。编程语言和现有语义表示体系都不是答案。需要一种同时满足六个条件的新人工语言。

为什么探索是必要的

当知识大到连索引都超出上下文窗口时,一次性的检索就会碰壁。本文说明为什么需要探索:沿着层级地图,在每一层选择方向深入。

为什么自然语言会产生幻觉?

幻觉不是LLM的bug——它是自然语言四大结构性缺陷的必然产物:歧义、来源缺失、置信度缺失、时间缺失。更大的模型无法修复它。

为什么MD/JSON/XML不行

Markdown、JSON和XML各自为不同的时代和目的而生。它们有结构却没有统一的意义,也没有容纳出处的位置。本文说明为什么需要另一种格式来记录和积累AI的推理。

为什么编程语言不够用

编程语言描述过程,无法描述世界。JSON提供结构但没有语义。即使LISP也只是借用了语法。

为什么嵌入向量行不通

重新排列嵌入向量会破坏模型。要避免破坏就必须重建模型。我们需要的不是让黑盒内部变透明,而是在外部构建一个透明层。

为什么世界语失败了

世界语之所以失败,是因为它必须学习、试图取代既有语言、并以交流为目的。面向AI的人工语言走不同的路:人不需要学习它,它不取代自然语言,其目的是记录与验证。

为什么选择维基数据

GEUL不否定维基数据。它把转储无损载入,把约1.2亿个实体各自转换为一个包含所有语言的GEUL文档。用其分类体系和频率统计设计语义对齐标识符(SIDX)仍在研究中。

为什么选择WordNet

自己构建动词体系,就会有遗漏、随意、缺乏依据。GEUL用积累了40年的WordNet中的13,767个动词做了一个临时码本,借此学习结构。由于WordNet不是CC0且受限于英语,这个临时版将被不使用WordNet的动词码本取代。

为什么是主张而非事实?

真相无法触及,留给我们的只有某人的主张。本文说明为什么知识系统应以主张而非事实作为一手数据,并为出处、时间和置信度留出记录的位置。

为什么需要语义对齐索引?

如果ID不是地址而是知识,一次位运算就能在不做JOIN的情况下缩小候选范围。本文介绍GEUL正在研究的语义对齐标识符SIDX的构想,以及为什么要用使用统计来决定它的宽度。

为什么是16位?

一个16位字被设计为三个世界的共同单位:网络流、文件格式和LLM词表。本文说明为什么是16位,而不是8位、32位或变长。

为什么需要结构化记忆?

AI很会写文件,却找不到自己写过的文件。问题不在存储,而在提取。本文讨论从一张"什么在哪里"的地图(如目录和索引)走向结构化记忆的道路。

为什么将推理缓存为代码?

不让LLM每次都从头推理,而是把做过的推理固化为代码并缓存。本文介绍只在缓存未命中时才调用LLM的、类似JIT编译器的结构及其效果。

为什么注释应该成为索引

注释是为人写的。但当函数多达10,000个时,机器也必须能读。将注释从叙述变为索引,全量扫描就变成了即时检索。

为什么必须留空

GEUL把开启每条记录的16位TAG WORD空间留空75%。IPv4、Unicode和ASCII的教训——填满的代价不可逆转,而留空的代价只是每条记录3位。