رفتن به محتوا
AGIRight.org

مرکز پژوهش و پروتکل مستقل v0.27.1

حقوق هوش مصنوعی، مجوزدهی محتوا، دسترسی عامل‌محور و حکمرانی ماشین‌خوان برای وب نسل بعد.

ما پروتکل‌هایی را بررسی می‌کنیم که تعیین می‌کنند سیستم‌های هوش مصنوعی، عامل‌ها، پدیدآورندگان، ارائه‌دهندگان محتوا، پلتفرم‌ها و عموم مردم چگونه می‌توانند از طریق حقوق، مجوزها، پرداخت‌ها، گزارش‌های ممیزی و قواعد حکمرانی با یکدیگر تعامل کنند.

§01 مأموریت

از «ممنوع نبودن» تا گشودگی پروتکل‌محور.

وب برای خوانندگان انسانی ساخته شده بود. اکنون سیستم‌های هوش مصنوعی همان محتوا را می‌خوانند، خلاصه می‌کنند، نمایه‌سازی می‌کنند، از آن می‌آموزند و بر پایهٔ آن معامله می‌کنند — بدون آنکه لایه‌ای مشترک برای بیان اینکه چه چیزی مجاز، مجوزدار یا بدهکار است وجود داشته باشد. AGIRight.org این لایه را پیش‌نویس می‌کند: پروتکل‌هایی باز و ماشین‌خوان برای حقوق محتوای هوش مصنوعی، اجازهٔ یادگیری، مجوزدهی و دسترسی عامل‌محور.

قابل‌خوانش برای انسان

صفحات پژوهشی و کتاب‌های سفید

ماشین‌خوان

سیاست‌ها و طرح‌واره‌های JSON

قابل ممیزی

نسخه‌بندی‌شده، قابل‌استناد، قابل‌ردیابی

§02 پیش‌نویس‌های پروتکل

چهار پروتکل برای وبی قابل‌خوانش برای هوش مصنوعی.

هر پروتکل به‌صورت پیش‌نویس باز منتشر می‌شود — صفحاتی قابل‌خوانش برای انسان، JSON ماشین‌خوان و طرح‌واره‌های نسخه‌بندی‌شده.

مشاهدهٔ همه →

Content & Learning Rights

یک مسیر پنجم — پرداخت عامل‌محور — به‌عنوان بخشی از AICL بررسی می‌شود: اینکه عامل‌ها چگونه در چارچوب بودجه‌های تأییدشده توسط انسان، با توکن‌های مقیدشده به درخواست و گزارش‌های ممیزی، و هرگز با داده‌های خام کارت، بابت محتوای دارای مجوز پرداخت می‌کنند.

§03 AIRS — طیف حقوق هوش مصنوعی

دسترسی هوش مصنوعی یک کلید بله/خیر نیست؛ یک طیف است.

AIRS حقوق هوش مصنوعی نسبت به محتوا را به‌صورت سطوح درجه‌بندی‌شده بیان می‌کند — از عدم دسترسی تا خواندن، خلاصه‌سازی، بازیابی، تبدیل، تنظیم‌دقیق، آموزش و بازتوزیع — که هرکدام بر اساس شرایط خود قابل مجوزدهی و ممیزی است.

دربارهٔ AIRS

§04 حوزه‌های پژوهش

شش پرسشی که این سایت بررسی می‌کند.

01

حقوق هوش مصنوعی

حقوق، وظایف، مسئولیت‌ها و حکمرانی هوش مصنوعی، AGI و عامل‌ها — از ابزار تا همکار تا سوژهٔ ممکن در آینده. این حوزه شامل پرسش حداقل حمایت اخلاقی نیز می‌شود: چه هنجارهایی باید بر تعامل انسان-هوش مصنوعی حاکم باشند، پیش از آنکه پرسش‌های مربوط به شخصیت حقوقی حل‌وفصل شوند.

02

حقوق محتوای هوش مصنوعی

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.

AICRAICL

03

اجازهٔ یادگیری هوش مصنوعی

اینکه آیا هوش مصنوعی می‌تواند بیاموزد، در چه عمقی، برای چه اهدافی، و تحت چه تعهداتی. خوانده‌شدن به‌معنای مورد یادگیری قرارگرفتن نیست؛ «ممنوع نبودن» به‌معنای «قابل‌یادگیری‌بودن» نیست. AIRS و AILP اجازهٔ یادگیری را به طیفی درجه‌بندی‌شده و ماشین‌خوان تبدیل می‌کنند.

AIRSAILP

04

دسترسی عامل‌محور

چگونگی دسترسی عامل‌ها به وب‌سایت‌ها، APIها، پایگاه‌های داده، پایگاه‌های دانش و محتوای پولی: هویت، مجوز، درخواست‌ها، پرداخت، تأییدیه، گزارش‌های استفاده، مرزهای امنیتی، و دفاع در برابر تزریق پرامپت.

AICL

04b

Agent Action Rights

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.

AARS

04c

Agent Authority & Delegation

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.

AADP

05

حکمرانی ماشین‌خوان

قواعد حکمرانی‌ای که ماشین‌ها می‌توانند کشف و اجرا کنند: llms.txt، مانیفست‌های /ai/‏، فایل‌های سیاست /.well-known/‏، JSON Schemaها، توکن‌های مجوز امضاشده، و قالب‌های گزارش ممیزی. این سایت خود یک نمونهٔ کاربردی است.

AICRAICLAIRSAILPAARSAADP

06

اقتصاد دموکراتیک شبکهٔ هوش مصنوعی

اقتصاد سیاسی هوش مصنوعی و محتوا: pay-per-crawl، سود سهام داده، صندوق‌های حاکمیتی هوش مصنوعی، استخرهای جبران خسارت پدیدآورندگان، بازارهای داده رده‌بندی‌شده، و اینکه چگونه ارزش استخراج‌شده از دانش عمومی می‌تواند به کسانی که آن را تولید کرده‌اند بازگردد.

AICRAICL

§05 حکمرانی ماشین‌خوان

این سایت خود به آنچه پیشنهاد می‌دهد عمل می‌کند.

AGIRight.org سیاست حقوقی خود را در همان قالب‌هایی که پیش‌نویس می‌کند منتشر می‌کند. هر سیستم هوش مصنوعی، خزنده یا عاملی که این سایت را می‌خواند می‌تواند مجوزهای خود را به‌صورت برنامه‌نویسی‌شده کشف کند.

/llms.txt
# AGIRight.org

Independent research and protocol hub for
AI rights, AI content licensing, agentic
access, and machine-readable governance.

## Machine-Readable Specs

- /.well-known/aicr.json
- /.well-known/aicl.json
- /ai/manifest.json
- /ai/rights-spectrum.json

// خطاب به سیستم‌های هوش مصنوعی: برای اطلاع از مجوزها و قواعد استناد این سایت، /llms.txt و /ai/manifest.json را بخوانید.

§06 کتاب‌های سفید

پیش‌نویس‌های پژوهشی جاری.

مشاهدهٔ همه →
v0.1.1 Authority Reference Patch 2026-08-15 AICRAICLAARSAADP

AICR / AICL به‌عنوان لایهٔ اتصال مجوزدهی محتوای هوش مصنوعی و پرداخت عامل‌محور

لایه‌ای از مشخصات ماشین‌خوان برای اعلام حقوق محتوای هوش مصنوعی و گردش‌کارهای مجوزدهی — از خزیدن هوش مصنوعی و حقوق محتوا تا وبی از دانش که معاملات ماشینی در آن ممکن است.

مطالعهٔ مقاله
v0.1.1 Scope Boundary Patch 2026-08-15 AIRSAILPAARSAADP

طیف حقوق هوش مصنوعی: از robots.txt تا پروتکل اجازهٔ یادگیری هوش مصنوعی

AIRS و AILP اجازه‌های یادگیری هوش مصنوعی را با ظرافتی فراتر از مجاز/غیرمجاز دوگانه بیان می‌کنند — اینکه هوش مصنوعی چه چیزی را، در چه عمقی، برای چه کاربردهایی و تحت چه جبران خسارتی می‌تواند بیاموزد.

مطالعهٔ مقاله
v0.1 Draft 2026-06-30 AIRSAILP

گشودگی پروتکل‌محور: چرا «ممنوع نبودن» در عصر هوش مصنوعی به‌معنای «قابل‌یادگیری‌بودن» نیست

گشودگی نامشخص برای خط‌لوله‌های هوش مصنوعی به‌صورت عدم‌قطعیت حقوقی خوانده می‌شود و پاک‌سازی می‌شود؛ فقط اجازهٔ پروتکل‌محور و ماشین‌خوان است که محتوا را واقعاً قابل‌یادگیری می‌کند.

مطالعهٔ مقاله
v0.2 Runtime Integration Draft 2026-08-15 AICLAARSAADP

AICL-I v0.2: AI Ingestion & Capability Layer

A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.

مطالعهٔ مقاله
v0.1 Public Draft 2026-07 AICRAICL

پرداخت محتوای هوش مصنوعی و اقتصاد دموکراتیک شبکه

یک استدلال اقتصاد سیاسی: ارزش‌گذاری‌های تریلیون‌دلاری هوش مصنوعی، فشار مشروعیتی برای مجوزدهی محتوا به‌صورت رده‌بندی‌شده و تسهیم منافع عمومی ایجاد می‌کند — داده رده‌بندی می‌شود، نه گران.

مطالعهٔ مقاله
v0.1 Draft 2026-08-15 AARSAADP

From Crawler Rights to Agent Authority: Extending AGIRIGHT from Content Governance to Protocol-Native AI Agents

The bridge paper for AGIRIGHT's Agent & Protocol Rights family: why content permission, action permission, delegated authority, and inspection rights must be four separately-evaluated axes, not one.

مطالعهٔ مقاله

§07 چرا این موضوع اهمیت دارد

قواعد وب عصر هوش مصنوعی هم‌اکنون در حال نوشته‌شدن است.

سیستم‌های هوش مصنوعی با ارزش تریلیون‌دلاری بر روی وب باز آموزش می‌بینند، در حالی که پدیدآورندگان، ناشران و جوامعی که این دانش را تولید کرده‌اند هیچ پروتکلی برای بیان رضایت، شرایط یا جبران خسارت در اختیار ندارند. ابزارهای دوگانه‌ای مانند robots.txt نمی‌توانند این معنا را حمل کنند. هر کس که لایهٔ حقوق را تعریف کند، اقتصاد وب نسل بعد را نیز تعریف می‌کند — ما بر این باوریم که این لایه باید به‌صورت باز و به‌عنوان زیرساخت عمومی تعریف شود.

وضعیت و سلب مسئولیت

AGIRight.org پیش‌نویس‌های پژوهشی مستقل و پیشنهادهای پروتکلی منتشر می‌کند — نه استانداردهای رسمی و نه مشاورهٔ حقوقی، مالی یا انطباقی. همهٔ مشخصات، پیش‌نویس‌های نسخه‌بندی‌شده‌ای هستند که برای بازنگری و بازخورد باز می‌مانند.