AILP — AI Learning Permission Protocol
AI Learning Permission Protocol
AI သည် ဤအရာမှ သင်ယူနိုင်သလား။ မည်မျှနက်နဲစွာ၊ မည်သည့်အသုံးပြုမှုများအတွက်၊ မည်သည့်တာဝန်ဝတ္တရားများဖြင့်လဲ။
01 · အဓိပ္ပာယ်ဖွင့်ဆိုချက်
AILP သည် AIRS spectrum ကို သင်ယူခြင်းဆိုင်ရာ တိကျသော မေးခွန်းအတွက် လက်တွေ့အကောင်အထည်ဖော်ပေးသည်။ ၎င်းသည် binary crawler စည်းမျဉ်းများ ပေါင်းစပ်ထားသော လုပ်ဆောင်ချက်များကို ခွဲခြားပြသည်: ဖတ်ရှုခံရခြင်းသည် သင်ယူခံရခြင်းမဟုတ်ပါ; ထုတ်ယူခံရခြင်းသည် training ခံရခြင်းမဟုတ်ပါ; fine-tuning သည် distillation မဟုတ်ပါ; စာသားအတိအကျ မှတ်ဉာဏ်သည် စာရင်းအင်း internalization နှင့် ကွဲပြားသည်။ AILP သည် ထုတ်ဝေသူတစ်ဦးအား စက်ဖတ်နိုင်သော ဖိုင်တစ်ခုတည်းတွင် dimension အလိုက် ခွင့်ပြုချက်များ — access, indexing, inference input, embedding, training, fine-tuning, distillation, memory, output, attribution and compensation — တစ်ခုစီကို ခွင့်ပြု၊ ငြင်းပယ်၊ သို့မဟုတ် လိုင်စင်လိုအပ်သည်ဟု ကြေညာခွင့်ပေးသည်။
02 · ရည်ရွယ်ချက်
- 「AI သည် ဤအရာမှ သင်ယူနိုင်သလား」ဟူသော မေးခွန်းကို crawl bit တစ်ခုအစား dimension-level တိကျမှုဖြင့် ဖြေဆိုပါ။
- သင်ယူခွင့် (model များထဲသို့ internalize လုပ်ခြင်း) ကို ဝင်ရောက်ခွင့် (စာမျက်နှာများ ရယူခြင်း) မှ ခွဲထားရန်။
- အစားပေးမှု မော်ဒယ်များကို ပံ့ပိုးရန်: အခမဲ့၊ ကူးသန်းရောင်းဝယ်မှုမဟုတ်သော၊ လိုင်စင်လိုအပ်သော၊ ဝင်ငွေမျှဝေမှု။
- ပွင့်လင်းမှုကို စက်လုပ်ဆောင်နိုင်စေရန် သေချာစေပါ — သဘောထားကောင်းမှုသည် ဥပဒေရေးရာ မသေချာမှုအဖြစ် စွန့်ပစ်မခံရစေရန်။
03 · နယ်ပယ်
access / indexing — ရယူခြင်းနှင့် အနက်အဓိပ္ပာယ်ဆိုင်ရာ indexing
inference_input — inference အချိန်တွင် context အဖြစ် အသုံးပြုခြင်း (RAG)
embedding — vectorization နှင့် retrieval index များ
training / fine_tuning / distillation — model internalization tier များ
verbatim_memory — အတိအကျ ပြန်လည်ထုတ်လုပ်ခြင်းကို ခွင့်ပြုမပြု
attribution / compensation — ကိုးကားရန်တာဝန်နှင့် ငွေပေးချေမှု စည်းကမ်းချက်များ
04 · စက်ဖတ်နိုင်သော နမူနာ
သင်ယူခွင့် ကြေညာချက် — /ai/rights-spectrum.json (AILP profile)
{
"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 · ကန့်သတ်ချက်များ
- သင်ယူခွင့် အနက်အဓိပ္ပာယ်များသည် နည်းပညာအရ အခက်ခဲဆုံး စိစစ်ရသော အရာများဖြစ်သည် — AILP သည် ရည်ရွယ်ချက်ကို ကြေညာသော်လည်း၊ လိုက်နာမှုကို မသက်သေပြနိုင်သေးပါ။
- Dimension စာရင်းသည် မူကြမ်းတစ်ခုဖြစ်သည်; training, fine-tuning နှင့် distillation ကြား နယ်နိမိတ်များကို ဆက်လက် အငြင်းပွားနေဆဲဖြစ်သည်။
- သင်ယူခွင့်များ၏ ဥပဒေအရ အသိအမှတ်ပြုမှုသည် တရားစီရင်ပိုင်ခွင့်အလိုက် ကွဲပြားပြီး မဖြေရှင်းရသေးပါ။