Dopuštenje za učenje AI-ja
Smije li AI učiti, do koje dubine, za koje namjene i uz kakve obveze. Biti pročitan nije isto što i biti korišten za učenje; „nije zabranjeno” nije isto što i „može se učiti”. AIRS i AILP dopuštenje za učenje pretvaraju u postupan, strojno čitljiv spektar.
Pitanja koja se proučavaju
01
Dubina učenja: indeksiranje, embedding, fino ugađanje, treniranje, destilacija
02
Zašto se nedefinirana otvorenost uklanja iz procesa treniranja
03
Protokolizirana otvorenost: kako dobru volju učiniti strojno izvršivom
04
Modeli naknade povezani s dubinom učenja
Povezane bijele knjige
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS i AILP izražavaju nijansirana dopuštenja za učenje AI-ja izvan binarnog dopušteno/nedopušteno — što AI smije naučiti, do koje dubine, za koje namjene i uz kakvu naknadu.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Nedefinirana otvorenost AI procesi tumače kao pravnu neizvjesnost i uklanjaju je; samo protokolizirano, strojno čitljivo dopuštenje čini sadržaj istinski dostupnim za učenje.
- AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
- ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.