Povolenie na učenie AI
Či sa AI môže učiť, do akej hĺbky, na aké účely a s akými povinnosťami. Byť prečítaný nie je to isté ako byť použitý na učenie; „nie je zakázané“ nie je to isté ako „možno sa z toho učiť“. AIRS a AILP menia povolenie na učenie na odstupňované, strojovo čitateľné spektrum.
Skúmané otázky
01
Hĺbka učenia: indexovanie, embedding, jemné doladenie, trénovanie, destilácia
02
Prečo je nedefinovaná otvorenosť odstraňovaná z trénovacích pipeline procesov
03
Protokolizovaná otvorenosť: ako urobiť dobrú vôľu strojovo vykonateľnou
04
Modely kompenzácie viazané na hĺbku učenia
Súvisiace whitepapers
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS a AILP vyjadrujú jemne odstupňované povolenia na učenie AI nad rámec binárneho povoliť/zakázať — čo sa AI môže učiť, do akej hĺbky, na aké použitie a za akú kompenzáciu.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Nedefinovaná otvorenosť sa pre pipeline procesy AI javí ako právna neistota a je odstránená; obsah je skutočne možné použiť na učenie len vďaka protokolizovanému, strojovo čitateľnému povoleniu.
- 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.