Дозвола за учење на AI
Дали AI смее да учи, до која длабочина, за кои цели и под какви обврски. Да се биде прочитан не значи да се биде искористен за учење; „не е забрането” не значи „погодно за учење”. AIRS и AILP ја претвораат дозволата за учење во постепен, машински читлив спектар.
Прашања што се проучуваат
01
Длабочина на учење: индексирање, вградување, фино прилагодување, тренирање, дестилација
02
Зошто недефинираната отвореност се исчистува од каналите за тренирање
03
Протоколизирана отвореност: правење на добрата волја машински извршлива
04
Модели на надомест поврзани со длабочината на учење
Поврзани бели книги
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS и AILP изразуваат нијансирани дозволи за учење на AI надвор од бинарното дозволено/забрането — што AI смее да научи, до која длабочина, за кои намени и под каков надомест.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Недефинираната отвореност за каналите на AI се толкува како правна неизвесност и се исчистува; само протоколизираната, машински читлива дозвола ја прави содржината навистина погодна за учење.
- 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.