Svolení k učení AI
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.
Zkoumané otázky
01
Hloubka učení: indexování, embedding, doladění, trénování, destilace
02
Proč je nedefinovaná otevřenost odstraňována z trénovacích pipeline
03
Protokolizovaná otevřenost: jak učinit dobrou vůli strojově vykonatelnou
04
Modely odměny vázané na hloubku učení
Související bílé knihy
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS a AILP vyjadřují jemně odstupňovaná svolení k učení AI, jdoucí nad rámec binárního povolit/zakázat — co se AI smí učit, v jaké hloubce, pro jaká použití a za jakou odměnu.
- Protocolized Openness: Why "Not Prohibited" Does Not Mean "Learnable" in the Age of AI Nedefinovaná otevřenost je pro pipeline AI vnímána jako právní nejistota a bývá odstraněna; obsah je skutečně možné se naučit pouze na základě protokolizovaného, strojově čitelného svolení.
- AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
- ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.