Námsheimild gervigreindar
Hvort gervigreind megi læra, að hve miklu dýpi, í hvaða tilgangi og undir hvaða skyldum. Að vera lesinn er ekki það sama og að vera notaður til náms; „ekki bannað“ er ekki „hæft til náms“. AIRS og AILP breyta námsheimild í stighækkandi, vélræsilegt litróf.
Spurningar til rannsóknar
01
Dýpt náms: flokkun, ívefjun, fínstilling, þjálfun, eiming
02
Hvers vegna ómörkuð opnun er hreinsuð úr þjálfunarferlum
03
Samskiptamátabundið opið aðgengi: að gera velvild vélræsilega framkvæmanlega
04
Bótalíkön tengd dýpt náms
Tengdar hvítbækur
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS og AILP tjá blæbrigðaríkar námsheimildir gervigreindar handan tvígilds heimilt/óheimilt — hvað gervigreind má læra, að hve miklu dýpi, í hvaða tilgangi, og gegn hvaða bótum.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Ómörkuð opnun lesast sem lagaleg óvissa fyrir gervigreindarferla og er hreinsuð út; aðeins samskiptamátabundin, vélræsileg heimild gerir efni raunverulega hæft til náms.
- 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.