AI-Lerna Permeso
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.
Demandoj sub studo
01
Lerno-profundo: indeksado, envektorigo, fajnagordo, trejnado, distilado
02
Kial nedifinita malfermiteco estas forpurigata el trejnaj duktoj
03
Protokoligita malfermiteco: igi bonvolon maŝin-efektivigebla
04
Kompensaj modeloj ligitaj al lerno-profundo
Rilataj blankaj libroj
- Spektro de AI-Rajtoj: De robots.txt al Protokolo de AI-Lerna Permeso AIRS kaj AILP esprimas nuancitajn AI-lernajn permesojn preter duuma permeso/malpermeso — kion AI rajtas lerni, je kiu profundo, por kiuj uzoj, sub kiu kompenso.
- Protokoligita Malfermiteco: Kial “Ne Malpermesita” Ne Signifas “Lernebla” en la Epoko de AI Nedifinita malfermiteco legiĝas kiel jura necerteco por AI-duktoj kaj estas forpurigata; nur protokoligita, maŝinlegebla permeso igas enhavon vere lernebla.
- 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.