Машиночитаемое управление

Правила управления, которые машины могут обнаруживать и исполнять: llms.txt, манифесты /ai/, файлы политик /.well-known/, JSON-схемы, подписанные лицензионные токены и форматы журналов аудита. Этот сайт сам служит рабочим примером.

Исследуемые вопросы

От robots.txt через llms.txt к манифестам прав

Соглашения об обнаружении политик через /.well-known/

JSON Schema как нормативный формат спецификации

Поддаваемость аудиту: журналы, версии, происхождение

Связанные уайтпейперы

AICR / AICL как уровень связи лицензирования ИИ-контента и агентных платежей Машиночитаемый уровень спецификаций для декларирования прав на ИИ-контент и процессов лицензирования — от краулинга ИИ и прав на контент до веба знаний, пригодного для машинных транзакций.
Спектр прав ИИ: от robots.txt к протоколу разрешений на обучение ИИ AIRS и AILP выражают детализированные разрешения на обучение ИИ за пределами бинарного «разрешено/запрещено» — чему ИИ может обучаться, с какой глубиной, для каких целей использования и при какой компенсации.
Протоколированная открытость: почему «не запрещено» не значит «пригодно для обучения» в эпоху ИИ Неопределённая открытость воспринимается конвейерами ИИ как правовая неопределённость и вычищается; по-настоящему пригодным для обучения контент делает только протоколированное, машиночитаемое разрешение.
AICL: уровень усвоения и возможностей ИИ Архитектура сайта из четырёх подуровней — манифест, корпус, возможности, управление, — позволяющая ИИ, агентам и краулерам корректно усваивать, цитировать, вызывать и проверять знания сайта.
Оплата ИИ-контента и сетевая демократическая экономика Аргумент из области политической экономии: оценки ИИ-компаний в триллионы долларов создают давление в пользу легитимности многоуровневого лицензирования контента и распределения общественной выгоды — данные становятся многоуровневыми, а не просто дорогими.