AILP — AI Learning Permission Protocol

AI Learning Permission Protocol

के AI यसबाट सिक्न सक्छ? कति गहिराइमा, कुन प्रयोगका लागि, कस्ता दायित्वसाथ?

01 · परिभाषा

AILP operationalizes the AIRS spectrum for the specific question of learning. It distinguishes acts that binary crawler rules collapse together: being read is not being learned from; being retrieved is not being trained on; fine-tuning is not distillation; verbatim memorization is different from statistical internalization. AILP lets a publisher declare, in a single machine-readable file, per-dimension permissions — access, indexing, inference input, embedding, training, fine-tuning, distillation, memory, output, attribution and compensation — each as allowed, denied, or license-required. An AILP grant answers "may AI learn from this content?" only — it does not answer "may this Agent invoke a tool, write to a database, or publish?" (AARS), nor "who authorized this Agent?" (AADP).

02 · उद्देश्य

“के AI यसबाट सिक्न सक्छ?” भन्ने प्रश्नको जवाफ एउटा क्रल बिटको साटो आयाम-स्तरको शुद्धतासाथ दिनुहोस्।
सिकाइ अनुमति (मोडेलमा आन्तरिकीकरण) लाई पहुँच अनुमति (पृष्ठ ल्याउने) बाट छुट्याउनुहोस्।
क्षतिपूर्ति मोडेलहरू समर्थन गर्नुहोस्: निःशुल्क, गैर-व्यावसायिक, इजाजतपत्र-आवश्यक, राजस्व-बाँडफाँट।
खुलापनलाई मेसिन-कार्यान्वयनयोग्य बनाउनुहोस् — ताकि सद्भावलाई कानुनी अनिश्चितताका रूपमा त्यागिने नहोस्।

03 · दायरा

access / indexing — fetching र अर्थगत अनुक्रमणिका

inference_input — अनुमान समयमा सन्दर्भका रूपमा प्रयोग (RAG)

embedding — vectorization र प्राप्ति अनुक्रमणिकाहरू

training / fine_tuning / distillation — मोडेल आन्तरिकीकरण तहहरू

verbatim_memory — यथावत् पुनरुत्पादन अनुमतिप्राप्त छ कि छैन

attribution / compensation — उद्धरण दायित्व र भुक्तानी सर्तहरू

04 · मेसिन-पठनीय उदाहरण

एक सिकाइ-अनुमति घोषणा — /ai/rights-spectrum.json (AILP प्रोफाइल)

/ai/rights-spectrum.json

{
  "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 · सीमाहरू

सिकाइ-अनुमति अर्थहरू प्राविधिक रूपमा प्रमाणित गर्न सबैभन्दा कठिन छन् — AILP ले मनसाय घोषणा गर्छ, यसले अनुपालन अझै प्रमाणित गर्न सक्दैन।
आयाम सूची एक मस्यौदा हो; प्रशिक्षण, fine-tuning, र distillation बीचका सीमाहरू अझै बहसमा छन्।
सिकाइ अनुमतिको कानुनी मान्यता क्षेत्राधिकारअनुसार फरक हुन्छ र अझै अनसुल्झिएको छ।
v0.1.1: AILP(Resource,ContentUse)=Allow does not imply AARS(Actor,Action)=Allow, and does not imply AADP(Principal,Actor,Authority)=Valid — a system exposing both content and tools must evaluate them separately.