Obszary badawcze
Badania
Sześć powiązanych ze sobą obszarów badawczych, od praw AI i licencjonowania treści po zarządzanie czytelne maszynowo i demokratyczną ekonomię sieci AI.
Prawa AI
Prawa, obowiązki, odpowiedzialność i zarządzanie AI, AGI i agentami — od narzędzi przez współpracowników po możliwych przyszłych podmiotów. Obejmuje to pytanie o minimalną ochronę etyczną: jakie normy powinny regulować interakcję człowiek–AI, zanim kwestie podmiotowości zostaną rozstrzygnięte.
Prawa do Treści AI
AICRAICL
What AI systems may do with content: read, summarize, transform, retrieve, train, commercialize, redistribute. The AICR ruleset and the AICL-C content-licensing layer make these rights declarable and transactable.
Zgoda na Uczenie AI
AIRSAILP
Czy AI może się uczyć, na jakiej głębokości, do jakich celów i z jakimi zobowiązaniami. Bycie odczytanym nie oznacza bycia wykorzystanym do uczenia; „niezabronione” nie oznacza „możliwe do nauczenia się”. AIRS i AILP zamieniają zgodę na uczenie w stopniowane, czytelne maszynowo spektrum.
Dostęp Agentowy
AICL
Jak agenci uzyskują dostęp do stron internetowych, API, baz danych, baz wiedzy i płatnych treści: tożsamość, uprawnienia, żądania, płatność, autoryzacja, dzienniki użycia, granice bezpieczeństwa oraz obrona przed wstrzykiwaniem promptów.
Agent Action Rights
AARS
What an Agent may DO once it holds tool or API capability, as distinct from what it may read or learn: action taxonomy, effect vectors, reversibility, blast radius, and multi-action composition risk. AARS gives content permission and action permission separate, independently-evaluable axes.
Agent Authority & Delegation
AADP
Who an Agent acts for, where its authority came from, whether it can hand that authority to another Agent, and how much of its internal state a verifier may demand. AADP separates principal from actor, bounds delegation to strictly narrow (never silently widen), and treats inspection as a bounded right, not an unlimited one.
Zarządzanie Czytelne Maszynowo
AICRAICLAIRSAILPAARSAADP
Zasady zarządzania, które maszyny mogą odnaleźć i wykonać: llms.txt, manifesty /ai/, pliki polityki /.well-known/, schematy JSON, podpisane tokeny licencyjne oraz formaty dzienników audytu. Ta strona sama jest działającym przykładem.
Demokratyczna Ekonomia Sieci AI
AICRAICL
Ekonomia polityczna AI i treści: pay-per-crawl, dywidendy z danych, suwerenne fundusze AI, pule wynagrodzeń dla twórców, wielopoziomowe rynki danych oraz sposób, w jaki wartość wydobyta z publicznej wiedzy może wracać do tych, którzy ją wytworzyli.