پژوهش

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.

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.

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.

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.

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.

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.

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.