AI Learning Permission
Կարո՞ղ է AI-ն սովորել, ինչ խորությամբ, ինչ նպատակների համար և ինչ պարտավորությունների ներքո։ Ընթերցվելը դեռ ուսուցվելը չէ. «չարգելվածը» «ուսումնասիրելի» չէ։ AIRS-ը և AILP-ը ուսուցման թույլտվությունը վերածում են աստիճանավորված, մեքենայաընթեռնելի սպեկտրի։
Ուսումնասիրվող հարցեր
01
Ուսուցման խորություն. ինդեքսավորում, ներկառուցում, ճշգրտում, ուսուցում, թորում
02
Ինչու է չսահմանված բացությունը մաքրվում ուսուցման խողովակաշարերից
03
Արձանագրված բացություն. բարի կամքը մեքենայագործարկելի դարձնելը
04
Ուսուցման խորությանը կապված փոխհատուցման մոդելներ
Առնչվող սպիտակ գրքեր
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS-ը և AILP-ը արտահայտում են նրբերանգավոր AI ուսուցման թույլտվություններ՝ դուրս գալով երկուական թույլատրել/արգելել տրամաբանությունից — ինչ կարող է սովորել AI-ն, ինչ խորությամբ, ինչ նպատակների համար, ինչ փոխհատուցման ներքո։
- Protocolized Openness: Why "Not Prohibited" Does Not Mean "Learnable" in the Age of AI Չսահմանված բացությունը AI խողովակաշարերի համար ընկալվում է որպես իրավական անորոշություն և մաքրվում է դուրս. միայն արձանագրված, մեքենայաընթեռնելի թույլտվությունն է դարձնում բովանդակությունը իրապես ուսումնասիրելի։
- 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.