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.

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.

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.

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.

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.