Mašinski čitljivo upravljanje
Pravila upravljanja koja mašine mogu otkriti i izvršiti: llms.txt, /ai/ manifesti, /.well-known/ datoteke politike, JSON sheme, potpisani licencni tokeni i formati revizijskih zapisa. Ovaj sajt je sam po sebi radni primjer.
Pitanja koja se proučavaju
01
Od robots.txt preko llms.txt do manifesta prava
02
Konvencije za otkrivanje politika /.well-known/
03
JSON shema kao normativni format specifikacije
04
Podložnost reviziji: zapisi, verzije, porijeklo
Srodne bijele knjige
- AICR / AICL kao sloj povezivanja licenciranja sadržaja AI i agentskih plaćanja Mašinski čitljiv sloj specifikacija za deklarisanje prava na sadržaj AI i tokova rada licenciranja — od indeksiranja od strane AI i prava na sadržaj do znanjske mreže sposobne za mašinske transakcije.
- Spektar prava AI: Od robots.txt do Protokola dozvole za učenje AI AIRS i AILP izražavaju nijansirane dozvole za učenje AI izvan binarnog dozvoli/zabrani — šta AI smije naučiti, do koje dubine, za koje namjene i pod kojom naknadom.
- Protokolizovana otvorenost: Zašto „nije zabranjeno” ne znači „moguće naučiti” u eri AI Nedefinisana otvorenost se u pipeline-ovima AI tumači kao pravna neizvjesnost i biva uklonjena; samo protokolizovana, mašinski čitljiva dozvola čini sadržaj zaista mogućim za učenje.
- AICL: Sloj unosa i mogućnosti za AI Arhitektura sajta sa četiri podsloja — manifest, korpus, mogućnosti, upravljanje — koja omogućava AI, agentima i indekserima da ispravno preuzmu, citiraju, pozovu i provjere znanje sajta.
- Plaćanje sadržaja AI i demokratska ekonomija mreže Argument iz oblasti političke ekonomije: procjene vrijednosti AI u rasponu biliona stvaraju pritisak legitimiteta za slojevito licenciranje sadržaja i dijeljenje javne koristi — podaci postaju slojeviti, a ne skupi.