સંશોધન

AI, AGI અને એજન્ટોના અધિકારો, ફરજો, જવાબદારીઓ અને શાસન — સાધનોથી લઈને સહયોગીઓ સુધી, સંભવિત ભાવિ વિષયો સુધી. આમાં ન્યૂનતમ નૈતિક સંરક્ષણનો પ્રશ્ન સામેલ છે: વ્યક્તિત્વના પ્રશ્નો ઉકેલાય તે પહેલાં માનવ-AI આંતરક્રિયાને કયા ધોરણો સંચાલિત કરવા જોઈએ.

AI સિસ્ટમો સામગ્રી સાથે શું કરી શકે છે: વાંચવું, સારાંશ આપવો, રૂપાંતરિત કરવું, પુનઃપ્રાપ્ત કરવું, તાલીમ આપવી, વ્યાવસાયિક બનાવવું, પુનર્વિતરિત કરવું. AICR નિયમસમૂહ અને AICL લાઇસન્સિંગ સ્તર આ અધિકારોને ઘોષણાપાત્ર અને વ્યવહારપાત્ર બનાવે છે.

શું AI શીખી શકે, કેટલી ઊંડાઈએ, કયા હેતુઓ માટે, અને કઈ જવાબદારીઓ હેઠળ. વંચાવું એ શિક્ષણ-સ્રોત બનવા બરાબર નથી; “પ્રતિબંધિત નથી” એ “શીખી શકાય તેવું” બરાબર નથી. AIRS અને AILP શિક્ષણ અનુમતિને એક ક્રમિક, મશીન-વાંચનીય સ્પેક્ટ્રમમાં ફેરવે છે.

એજન્ટો વેબસાઇટો, API, ડેટાબેઝ, જ્ઞાન આધારો અને ચૂકવેલી સામગ્રીને કેવી રીતે ઍક્સેસ કરે છે: ઓળખ, અનુમતિ, વિનંતીઓ, ચુકવણી, અધિકૃતિકરણ, ઉપયોગ લોગ, સુરક્ષા સીમાઓ, અને પ્રોમ્પ્ટ-ઇન્જેક્શન સામે સંરક્ષણ.

નિયમો જે મશીનો શોધી અને અમલમાં મૂકી શકે છે: llms.txt, /ai/ મેનિફેસ્ટ, /.well-known/ નીતિ ફાઇલો, JSON સ્કીમા, હસ્તાક્ષરિત લાઇસન્સ ટોકનો, અને ઓડિટ લોગ ફોર્મેટ. આ સાઇટ પોતે જ એક કાર્યરત ઉદાહરણ છે.

AI અને સામગ્રીની રાજકીય અર્થવ્યવસ્થા: pay-per-crawl, ડેટા ડિવિડન્ડ, સાર્વભૌમ AI ફંડ, સર્જક વળતર પૂલ, સ્તરીકૃત ડેટા બજારો, અને જાહેર જ્ઞાનમાંથી કાઢવામાં આવેલું મૂલ્ય તેને ઉત્પન્ન કરનારાઓ પાસે કેવી રીતે પાછું વહી શકે.