Дозвола за учење AI-ја
Сме ли AI да учи, до које дубине, за које намене и уз какве обавезе. Бити прочитан није исто што и бити коришћен за учење; „није забрањено” није исто што и „може се учити”. AIRS и AILP дозволу за учење претварају у постепен, машински читљив спектар.
Питања која се проучавају
01
Дубина учења: индексирање, embedding, фино подешавање, тренирање, дестилација
02
Зашто се недефинисана отвореност уклања из процеса тренирања
03
Протоколизована отвореност: како добру вољу учинити машински извршивом
04
Модели накнаде повезани са дубином учења
Повезане беле књиге
- AI Rights Spectrum: From robots.txt to an AI Learning Permission Protocol AIRS и AILP изражавају нијансиране дозволе за учење AI-ја изван бинарног дозвољено/недозвољено — шта AI сме да научи, до које дубине, за које намене и уз какву накнаду.
- Protocolized Openness: Why “Not Prohibited” Does Not Mean “Learnable” in the Age of AI Недефинисана отвореност AI процеси тумаче као правну неизвесност и уклањају је; само протоколизована, машински читљива дозвола чини садржај истински доступним за учење.
- 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.