Forskningsområder
Forskning
Seks indbyrdes forbundne forskningsområder, fra AI-rettigheder og indholdslicensering til maskinlæsbar styring og demokratisk AI-netværksøkonomi.
AI-rettigheder
Rettighederne, pligterne, ansvaret og styringen af AI, AGI og agenter — fra værktøjer til samarbejdspartnere til mulige fremtidige subjekter. Dette inkluderer spørgsmålet om minimal etisk beskyttelse: hvilke normer bør styre menneske-AI-interaktion, før spørgsmål om personstatus er afklaret.
AI-indholdsrettigheder
AICRAICL
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.
AI-læringstilladelse
AIRSAILP
Hvorvidt AI må lære, i hvilken dybde, til hvilke formål og under hvilke forpligtelser. At blive læst er ikke det samme som at blive lært af; "ikke forbudt" er ikke "lærbart". AIRS og AILP omdanner læringstilladelse til et gradueret, maskinlæsbart spektrum.
Agentbaseret adgang
AICL
Hvordan agenter tilgår hjemmesider, API'er, databaser, videnbaser og betalt indhold: identitet, tilladelse, anmodninger, betaling, autorisation, forbrugslogs, sikkerhedsgrænser og forsvar mod prompt injection.
Agent Action Rights
AARS
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.
Agent Authority & Delegation
AADP
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.
Maskinlæsbar styring
AICRAICLAIRSAILPAARSAADP
Styringsregler, som maskiner kan opdage og eksekvere: llms.txt, /ai/-manifester, /.well-known/-politikfiler, JSON Schemas, signerede licens-tokens og formater for revisionslogs. Dette site er selv et fungerende eksempel.
Demokratisk AI-netværksøkonomi
AICRAICL
Den politiske økonomi for AI og indhold: pay-per-crawl, datadividender, suveræne AI-fonde, kompensationspuljer for skabere, trinvise datamarkeder, og hvordan værdien udtrukket fra offentlig viden kan strømme tilbage til dem, der producerede den.