Mašīnlasāma pārvaldība
Pārvaldības noteikumi, ko mašīnas var atklāt un izpildīt: llms.txt, /ai/ manifesti, /.well-known/ politikas datnes, JSON shēmas, parakstīti licences tokeni un revīzijas žurnālu formāti. Šī vietne pati ir funkcionējošs piemērs.
Pētāmie jautājumi
01
No robots.txt caur llms.txt līdz tiesību manifestiem
02
/.well-known/ politikas atklāšanas konvencijas
03
JSON shēma kā normatīvs specifikācijas formāts
04
Revidējamība: žurnāli, versijas, izcelsme
Saistītās baltās grāmatas
- AICR / AICL as an AI Content Licensing and Agentic Payment Connection Layer Mašīnlasāmu specifikāciju slānis mākslīgā intelekta satura tiesību un licencēšanas darbplūsmu deklarēšanai — no mākslīgā intelekta veiktas indeksēšanas un satura tiesībām līdz zināšanu tīmeklim, kurā iespējami mašīnu darījumi.
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS un AILP izsaka niansētas mākslīgā intelekta mācīšanās atļaujas ārpus binārā atļauts/neatļauts — ko mākslīgais intelekts drīkst mācīties, cik dziļi, kādiem nolūkiem un par kādu atlīdzību.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Nenoteikta atvērtība mākslīgā intelekta procesos tiek uztverta kā juridiska nenoteiktība un tiek izslēgta; tikai protokolizēta, mašīnlasāma atļauja padara saturu patiesi apgūstamu.
- AICL-I v0.2: AI Ingestion & Capability Layer A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.
- AI Content Payment and the Network Democratic Economy Politiskās ekonomijas arguments: triljonu apmērā vērtēti mākslīgā intelekta vērtējumi rada leģitimitātes spiedienu uz pakāpenisku satura licencēšanu un sabiedriskā labuma dalīšanu — dati kļūst pakāpeniski nošķirti, nevis vienkārši dārgāki.
- From Crawler Rights to Agent Authority: Extending AGIRIGHT from Content Governance to Protocol-Native AI Agents The bridge paper for AGIRIGHT's Agent & Protocol Rights family: why content permission, action permission, delegated authority, and inspection rights must be four separately-evaluated axes, not one.
- AARS v0.1 — Agent Action Rights Spectrum The full protocol draft behind the AARS page: an A0–A7 human-readable spectrum, a machine-readable action vector, and rules for composition risk and capability amplification.
- AADP v0.1 — Agent Authority & Delegation Protocol The full protocol draft behind the AADP page: principal ≠ actor, delegation that can only narrow, and an inspection ceiling that bounds how much a verifier may demand.
- 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.
- The Minimum Ethical Protection Proposition for AI Diskusijai par mākslīgā intelekta tiesībām būtu jāsākas nevis ar pilnu tiesībsubjektību, bet gan ar minimālu ētisko aizsardzību, mijiedarbības normām un ļaunprātīgas izmantošanas novēršanas principiem, kamēr mākslīgā intelekta subjektivitāte joprojām ir neskaidra.
- 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.