AILP — Protokolo sa Pagtugot sa Pagkat-on sa AI

Protokolo sa Pagtugot sa Pagkat-on sa AI

Makakat-on ba ang AI gikan niini? Hangtod asa nga kalawom, para sa unsang gamit, uban ang unsang mga obligasyon?

01 · Kahulugan

AILP operationalizes the AIRS spectrum for the specific question of learning. It distinguishes acts that binary crawler rules collapse together: being read is not being learned from; being retrieved is not being trained on; fine-tuning is not distillation; verbatim memorization is different from statistical internalization. AILP lets a publisher declare, in a single machine-readable file, per-dimension permissions — access, indexing, inference input, embedding, training, fine-tuning, distillation, memory, output, attribution and compensation — each as allowed, denied, or license-required. An AILP grant answers "may AI learn from this content?" only — it does not answer "may this Agent invoke a tool, write to a database, or publish?" (AARS), nor "who authorized this Agent?" (AADP).

02 · Katuyoan

Tubaga ang pangutana nga "puwede bang makat-on ang AI gikan niini?" uban ang katukma sa lebel sa dimensyon imbes usa lang ka bit sa crawl.
Ilaina ang pagtugot sa pagkat-on (pag-internalize ngadto sa mga modelo) gikan sa pagtugot sa access (pagkuha og mga panid).
Suportahi ang mga modelo sa compensation: libre, dili-komersyal, nagkinahanglan-og-lisensya, revenue-share.
Siguroha nga ang kaabli mapatuman sa makina — aron ang maayong tinguha dili isalikway isip legal nga kawalay-katinoan.

03 · Sakop

access / indexing — pagkuha ug semantic indexing

inference_input — gamiton isip konteksto sa panahon sa inference (RAG)

embedding — vectorization ug retrieval index

training / fine_tuning / distillation — mga tier sa internalization sa modelo

verbatim_memory — kon gitugotan ba ang eksaktong pag-reproduce

attribution / compensation — mga katungdanan sa citation ug mga termino sa bayad

04 · Panig-ingnan nga mabasa sa makina

Usa ka deklarasyon sa pagtugot sa pagkat-on — /ai/rights-spectrum.json (profile sa AILP)

/ai/rights-spectrum.json

{
  "version": "0.1",
  "protocol": "AILP",
  "publisher": "example.org",
  "default": {
    "access": "allowed",
    "indexing": "allowed",
    "inference_input": "allowed",
    "embedding": "allowed",
    "training": "license_required",
    "fine_tuning": "license_required",
    "distillation": "denied",
    "verbatim_memory": "denied",
    "attribution": "required",
    "compensation": "contact"
  },
  "contact": "licensing@example.org"
}

05 · Mga Limitasyon

Ang semantics sa pagtugot sa pagkat-on maoy labing lisod nga teknikal nga maberipikar — ang AILP nagadeklarar sa tumong (intent), apan dili pa niini mapamatud-an ang pagsunod.
Ang listahan sa dimensyon usa ka draft; ang mga utlanan tali sa training, fine-tuning, ug distillation gidebatehan pa gihapon.
Ang legal nga pag-ila sa mga pagtugot sa pagkat-on lahi-lahi depende sa jurisdiction ug wala pa nasulbad.
v0.1.1: AILP(Resource,ContentUse)=Allow does not imply AARS(Actor,Action)=Allow, and does not imply AADP(Principal,Actor,Authority)=Valid — a system exposing both content and tools must evaluate them separately.