Permissão de Aprendizagem da IA
Se a IA pode aprender, com que profundidade, para que fins e sob que obrigações. Ser lido não é ser aprendido; "não proibido" não é "aprendível". O AIRS e o AILP transformam a permissão de aprendizagem num espectro gradual e legível por máquina.
Questões em estudo
01
Profundidade de aprendizagem: indexação, incorporação (embedding), ajuste fino, treino, destilação
02
Por que a abertura indefinida é eliminada dos pipelines de treino
03
Abertura protocolizada: tornar a boa vontade executável por máquina
04
Modelos de compensação associados à profundidade de aprendizagem
Whitepapers relacionados
- Espectro de Direitos de IA: de robots.txt a um Protocolo de Permissão de Aprendizagem da IA O AIRS e o AILP expressam permissões de aprendizagem de IA matizadas, para além do binário permitir/negar — o que a IA pode aprender, com que profundidade, para que usos, sob que compensação.
- Abertura Protocolizada: Por que “Não Proibido” Não Significa “Aprendível” na Era da IA A abertura indefinida é lida como incerteza jurídica pelos pipelines de IA e acaba por ser eliminada; apenas a permissão protocolizada e legível por máquina torna o conteúdo genuinamente aprendível.
- 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.