AILP — AI 학습 허가 프로토콜

01 · 정의

AILP operationalizes the AIRS spectrum for the specific question of learning. It distinguishes acts that binary crawler rules collapse together: being read is not being learned from; being retrieved is not being trained on; fine-tuning is not distillation; verbatim memorization is different from statistical internalization. AILP lets a publisher declare, in a single machine-readable file, per-dimension permissions — access, indexing, inference input, embedding, training, fine-tuning, distillation, memory, output, attribution and compensation — each as allowed, denied, or license-required. An AILP grant answers "may AI learn from this content?" only — it does not answer "may this Agent invoke a tool, write to a database, or publish?" (AARS), nor "who authorized this Agent?" (AADP).

02 · 목적

• "AI가 이것을 학습해도 되는가?"라는 질문에 크롤링 비트가 아닌 차원 수준의 정밀도로 답합니다.
• 학습 허가(모델로의 내재화)를 접근 허가(페이지 가져오기)와 분리합니다.
• 보상 모델을 지원합니다: 무료, 비상업, 라이선스 필요, 수익 공유.
• 개방성을 기계가 실행 가능하게 만듭니다 — 선의가 법적 불확실성으로 치부되어 버려지지 않도록.

03 · 범위

04 · 기계 판독 가능 예시

학습 허가 선언 — /ai/rights-spectrum.json (AILP 프로필)

{
  "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 · 한계

• 학습 허가의 의미론은 기술적으로 검증하기 가장 어렵습니다 — AILP는 의도를 선언할 뿐, 아직 준수를 증명할 수는 없습니다.
• 차원 목록은 초안이며, 학습·파인튜닝·증류 간의 경계는 여전히 논쟁 중입니다.
• 학습 허가에 대한 법적 인정은 관할권마다 다르며 아직 해결되지 않았습니다.
• v0.1.1: AILP(Resource,ContentUse)=Allow does not imply AARS(Actor,Action)=Allow, and does not imply AADP(Principal,Actor,Authority)=Valid — a system exposing both content and tools must evaluate them separately.