AILP — Protocolo de Permiso de Aprendizaje de la IA

Protocolo de Permiso de Aprendizaje de la IA

¿Puede la IA aprender de esto? ¿Con qué profundidad, para qué usos, con qué obligaciones?

01 · Definición

AILP opera el espectro de AIRS para la cuestión específica del aprendizaje. Distingue actos que las reglas binarias de rastreo confunden entre sí: que te lean no es que aprendan de ti; que te recuperen no es que te entrenen; el ajuste fino no es destilación; la memorización literal es distinta de la internalización estadística. AILP permite que un editor declare, en un único archivo legible por máquina, permisos por dimensión —acceso, indexación, entrada de inferencia, embedding, entrenamiento, ajuste fino, destilación, memoria, salida, atribución y compensación— cada uno como permitido, denegado o sujeto a licencia.

02 · Propósito

Responder «¿puede la IA aprender de esto?» con precisión a nivel de dimensión, en lugar de un simple bit de rastreo.
Separar el permiso de aprendizaje (internalización en los modelos) del permiso de acceso (obtención de páginas).
Admitir modelos de compensación: gratuito, no comercial, con licencia requerida, con reparto de ingresos.
Garantizar que la apertura sea ejecutable por máquina, de modo que la buena voluntad no se descarte como incertidumbre legal.

03 · Alcance

access / indexing — obtención e indexación semántica

inference_input — uso como contexto en el momento de la inferencia (RAG)

embedding — vectorización e índices de recuperación

training / fine_tuning / distillation — niveles de internalización del modelo

verbatim_memory — si se permite la reproducción exacta

attribution / compensation — obligaciones de citación y condiciones de pago

04 · Ejemplo legible por máquina

Una declaración de permiso de aprendizaje — /ai/rights-spectrum.json (perfil AILP)

/ai/rights-spectrum.json

{
  "version": "0.1",
  "protocol": "AILP",
  "publisher": "example.org",
  "default": {
    "access": "allowed",
    "indexing": "allowed",
    "inference_input": "allowed",
    "embedding": "allowed",
    "training": "license_required",
    "fine_tuning": "license_required",
    "distillation": "denied",
    "verbatim_memory": "denied",
    "attribution": "required",
    "compensation": "contact"
  },
  "contact": "licensing@example.org"
}

05 · Limitaciones

La semántica del permiso de aprendizaje es la más difícil de verificar técnicamente: AILP declara la intención, pero todavía no puede demostrar el cumplimiento.
La lista de dimensiones es un borrador; los límites entre entrenamiento, ajuste fino y destilación aún se debaten.
El reconocimiento legal de los permisos de aprendizaje varía según la jurisdicción y sigue sin resolverse.