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.
پرسشهای مورد بررسی
01
از robots.txt تا llms.txt تا مانیفستهای حقوقی
02
قراردادهای کشف سیاست در /.well-known/
03
JSON Schema بهعنوان قالب هنجاری مشخصات
04
قابلیت ممیزی: گزارشها، نسخهها، منشأ
کتابهای سفید مرتبط
- 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.
- 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.
- 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.
- AICL: لایهٔ جذب و قابلیت هوش مصنوعی معماریای چهارلایه برای وبسایت — مانیفست، پیکره (corpus)، قابلیت و حکمرانی — که به هوش مصنوعی، عاملها و خزندهها امکان میدهد دانش یک سایت را بهدرستی جذب، استناد، فراخوانی و راستیآزمایی کنند.
- 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.