Kebenaran Pembelajaran AI
Sama ada AI boleh belajar, pada kedalaman apa, untuk tujuan yang mana, dan di bawah kewajipan apa. Dibaca bukan bermakna dipelajari; "tidak dilarang" bukan bermakna "boleh dipelajari". AIRS dan AILP menukarkan kebenaran pembelajaran menjadi spektrum berperingkat yang boleh baca mesin.
Persoalan yang dikaji
01
Kedalaman pembelajaran: pengindeksan, pembenaman, penalaan-halus, latihan, penyulingan
02
Mengapa keterbukaan yang tidak ditakrifkan dibersihkan daripada saluran latihan
03
Keterbukaan berprotokol: menjadikan niat baik boleh dilaksanakan mesin
04
Model pampasan yang terikat kepada kedalaman pembelajaran
Kertas putih berkaitan
- Spektrum Hak AI: Daripada robots.txt kepada Protokol Kebenaran Pembelajaran AI AIRS dan AILP menyatakan kebenaran pembelajaran AI yang bernuansa melangkaui benar/tidak benar binari — apa yang boleh dipelajari AI, pada kedalaman apa, untuk kegunaan yang mana, di bawah pampasan apa.
- Keterbukaan Berprotokol: Mengapa "Tidak Dilarang" Tidak Bermakna "Boleh Dipelajari" pada Zaman AI Keterbukaan yang tidak ditakrifkan dibaca sebagai ketidakpastian undang-undang oleh saluran AI dan dibersihkan; hanya kebenaran berprotokol dan boleh baca mesin menjadikan kandungan benar-benar boleh dipelajari.
- 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.