Esploro

La rajtoj, devoj, respondecoj, kaj administrado de AI, AGI, kaj agentoj — de iloj ĝis kunlaborantoj ĝis eblaj estontaj subjektoj. Tio inkluzivas la demandon pri minimuma etika protekto: kiuj normoj devus regi home-AI-an interagon, antaŭ ol demandoj pri personeco estas solvitaj.

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.

Ĉu AI rajtas lerni, je kiu profundo, por kiuj celoj, kaj sub kiuj devigoj. Esti legata ne estas esti lernata el; “ne malpermesita” ne estas “lernebla”. AIRS kaj AILP igas lerno-permeson gradigita, maŝinlegebla spektro.

Kiel agentoj aliras retejojn, API-ojn, datumbazojn, sciobazojn, kaj pagatan enhavon: identeco, permeso, petoj, pago, aŭtorizo, uzaj ĵurnaloj, sekurecaj limoj, kaj defendo kontraŭ prompt-injektado.

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.

Administraj reguloj, kiujn maŝinoj povas malkovri kaj efektivigi: llms.txt, /ai/-manifestoj, /.well-known/-politikaj dosieroj, JSON Schemas, subskribitaj licencaj ĵetonoj, kaj formatoj de aŭdit-ĵurnaloj. Ĉi tiu retejo mem estas funkcianta ekzemplo.

La politika ekonomio de AI kaj enhavo: pago-po-rampo, datum-dividendoj, suverenaj AI-fondusoj, kompensaj fondusoj por kreantoj, gradigitaj datum-merkatoj, kaj kiel la valoro eltirita el publika scio povas reflui al tiuj, kiuj produktis ĝin.