AI-leertoestemming
Of AI mag leren, tot welke diepte, voor welke doeleinden en onder welke verplichtingen. Gelezen worden is niet hetzelfde als ervan geleerd worden; „niet verboden” is niet „leerbaar”. AIRS en AILP verwerken leertoestemming tot een gegradueerd, machineleesbaar spectrum.
Onderzochte vragen
01
Leerdiepte: indexering, embedding, fine-tuning, training, distillatie
02
Waarom ongedefinieerde openheid uit trainingspipelines wordt gefilterd
03
Protocolized openness: goede wil machinaal uitvoerbaar maken
04
Vergoedingsmodellen gekoppeld aan leerdiepte
Gerelateerde whitepapers
- AI-rechtenspectrum: van robots.txt naar een AI-leertoestemmingsprotocol AIRS en AILP drukken genuanceerde AI-leertoestemmingen uit die verder gaan dan binair toestaan/verbieden — wat AI mag leren, in welke diepte, voor welk gebruik, onder welke vergoeding.
- Protocolized Openness: waarom „niet verboden” in het tijdperk van AI niet „leerbaar” betekent Ongedefinieerde openheid wordt door AI-pipelines gelezen als juridische onzekerheid en wordt eruit gefilterd; alleen geprotocolleerde, machineleesbare toestemming maakt content werkelijk leerbaar.
- 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.