AILP — פרוטוקול היתר למידה לבינה מלאכותית
פרוטוקול היתר למידה לבינה מלאכותית
האם בינה מלאכותית יכולה ללמוד מכך? באיזה עומק, לאילו שימושים, ותחת אילו התחייבויות?
01 · הגדרה
AILP מיישמת הלכה למעשה את ספקטרום AIRS עבור שאלת הלמידה הספציפית. היא מבחינה בין פעולות שכללי זחילה בינאריים ממזגים יחדיו: קריאה אינה למידה; אחזור אינו אימון; כוונון עדין אינו זיקוק (distillation); שינון מילולי מדויק שונה מהפנמה סטטיסטית. AILP מאפשרת למפרסם להצהיר, בקובץ קריא-מכונה אחד, על היתרים לפי ממד — גישה, אינדוקס, קלט הסקה, הטמעה וקטורית, אימון, כוונון עדין, זיקוק, זיכרון, פלט, ייחוס ותמורה — כאשר כל אחד מסומן כמותר, אסור, או דורש רישיון.
02 · מטרה
- לענות על השאלה ״האם בינה מלאכותית רשאית ללמוד מכך?״ בדיוק ברמת ממד, במקום בסיבית זחילה בודדת.
- להפריד בין היתר למידה (הפנמה לתוך מודלים) לבין היתר גישה (אחזור דפים).
- לתמוך במודלים לתמורה: חופשי, לא מסחרי, דורש רישיון, חלוקת הכנסות.
- להבטיח שהפתיחות ניתנת להפעלה על ידי מכונה — כך שרצון טוב לא יידחה כאי-ודאות משפטית.
03 · היקף
access / indexing — אחזור ואינדוקס סמנטי
inference_input — שימוש כהקשר בזמן הסקה (RAG)
embedding — וקטוריזציה ואינדקסים לאחזור
training / fine_tuning / distillation — רמות הפנמת מודל
verbatim_memory — האם שחזור מדויק מותר
attribution / compensation — חובות ציטוט ותנאי תשלום
04 · דוגמה קריאת-מכונה
הצהרת היתר למידה — /ai/rights-spectrum.json (פרופיל AILP)
{
"version": "0.1",
"protocol": "AILP",
"publisher": "example.org",
"default": {
"access": "allowed",
"indexing": "allowed",
"inference_input": "allowed",
"embedding": "allowed",
"training": "license_required",
"fine_tuning": "license_required",
"distillation": "denied",
"verbatim_memory": "denied",
"attribution": "required",
"compensation": "contact"
},
"contact": "licensing@example.org"
} 05 · מגבלות
- הסמנטיקה של היתר הלמידה היא הקשה ביותר לאימות טכני — AILP מצהירה על כוונה, אך אינה יכולה עדיין להוכיח ציות.
- רשימת הממדים היא טיוטה; הגבולות בין אימון, כוונון עדין וזיקוק עדיין שנויים במחלוקת.
- ההכרה המשפטית בהיתרי למידה משתנה בין מערכות משפט ואינה מוכרעת.