Výzkum

Práva, povinnosti, odpovědnost a správa AI, AGI a agentů — od nástrojů přes spolupracovníky až po možné budoucí subjekty. Součástí je i otázka minimální etické ochrany: jaké normy by měly upravovat interakci člověka a AI, dokud nejsou vyřešeny otázky právní subjektivity.

What AI systems may do with content: read, summarize, transform, retrieve, train, commercialize, redistribute. The AICR ruleset and the AICL-C content-licensing layer make these rights declarable and transactable.

Zda se AI smí učit, v jaké hloubce, pro jaké účely a s jakými povinnostmi. Být přečten neznamená být použit k učení; „nezakázané“ neznamená „naučitelné“. AIRS a AILP přeměňují svolení k učení v odstupňované, strojově čitelné spektrum.

Jak agenti přistupují k webům, API, databázím, znalostním bázím a placenému obsahu: identita, oprávnění, požadavky, platba, autorizace, záznamy o použití, bezpečnostní hranice a obrana proti prompt injection.

What an Agent may DO once it holds tool or API capability, as distinct from what it may read or learn: action taxonomy, effect vectors, reversibility, blast radius, and multi-action composition risk. AARS gives content permission and action permission separate, independently-evaluable axes.

Who an Agent acts for, where its authority came from, whether it can hand that authority to another Agent, and how much of its internal state a verifier may demand. AADP separates principal from actor, bounds delegation to strictly narrow (never silently widen), and treats inspection as a bounded right, not an unlimited one.

Pravidla správy, která mohou stroje objevit a vykonat: llms.txt, manifesty /ai/, soubory politik /.well-known/, schémata JSON, podepsané licenční tokeny a formáty auditních záznamů. Tento web je sám funkčním příkladem.

Politická ekonomie AI a obsahu: pay-per-crawl, dividendy z dat, suverénní fondy AI, fondy odměn pro tvůrce, vrstvené trhy s daty a to, jak se hodnota získaná z veřejného poznání může vracet k těm, kdo ji vytvořili.