AI 학습 허가
AI가 학습해도 되는지, 어느 깊이까지, 어떤 목적으로, 어떤 의무 아래에서인지. 읽히는 것은 학습되는 것이 아니며, "금지되지 않음"은 "학습 가능"이 아닙니다. AIRS와 AILP는 학습 허가를 단계적이고 기계 판독 가능한 스펙트럼으로 전환합니다.
연구 중인 질문
01
학습 깊이: 색인, 임베딩, 파인튜닝, 학습, 증류
02
정의되지 않은 개방성이 학습 파이프라인에서 걸러져 나가는 이유
03
프로토콜화된 개방성: 선의를 기계가 실행 가능하게 만들기
04
학습 깊이에 연동된 보상 모델
관련 백서
- AI 권리 스펙트럼: robots.txt에서 AI 학습 허가 프로토콜까지 AIRS와 AILP는 이진적 허용/거부를 넘어서는 섬세한 AI 학습 허가를 표현합니다 — AI가 무엇을, 어느 깊이까지, 어떤 용도로, 어떤 보상 조건으로 학습할 수 있는지.
- 프로토콜화된 개방성: AI 시대에 “금지되지 않음”이 “학습 가능”을 의미하지 않는 이유 정의되지 않은 개방성은 AI 파이프라인에 법적 불확실성으로 읽혀 걸러져 나갑니다. 프로토콜화된 기계 판독 가능 허가만이 콘텐츠를 진정으로 학습 가능하게 만듭니다.
- 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.