AILP — โปรโตคอลการอนุญาตให้ AI เรียนรู้
โปรโตคอลการอนุญาตให้ AI เรียนรู้
AI เรียนรู้จากสิ่งนี้ได้หรือไม่ ในระดับความลึกเท่าใด เพื่อการใช้งานใด และมีข้อผูกพันอะไรบ้าง
01 · นิยาม
AILP นำสเปกตรัมของ AIRS มาปฏิบัติจริงสำหรับประเด็นเฉพาะเรื่องการเรียนรู้ โดยแยกแยะการกระทำที่กฎครอว์เลอร์แบบทวิภาคมักรวมเข้าด้วยกัน: การถูกอ่านไม่ใช่การถูกเรียนรู้; การถูกดึงข้อมูลไม่ใช่การถูกนำไปฝึกโมเดล; การปรับจูนไม่ใช่การกลั่นความรู้ (distillation); การจดจำแบบคำต่อคำแตกต่างจากการซึมซับเชิงสถิติ AILP ช่วยให้ผู้เผยแพร่ประกาศสิทธิ์แยกตามมิติในไฟล์เดียวที่เครื่องอ่านได้ — การเข้าถึง การจัดทำดัชนี การใช้เป็นข้อมูลนำเข้าขณะอนุมาน การฝังเวกเตอร์ การฝึกโมเดล การปรับจูน การกลั่นความรู้ หน่วยความจำ ผลลัพธ์ การอ้างอิงแหล่งที่มา และค่าตอบแทน — โดยแต่ละมิติกำหนดเป็นอนุญาต ปฏิเสธ หรือต้องมีใบอนุญาต
02 · วัตถุประสงค์
- ตอบคำถาม “AI เรียนรู้จากสิ่งนี้ได้หรือไม่” ด้วยความละเอียดระดับมิติ แทนที่จะเป็นเพียงบิตอนุญาตครอว์ล
- แยกการอนุญาตให้เรียนรู้ (การซึมซับเข้าสู่โมเดล) ออกจากการอนุญาตให้เข้าถึง (การดึงหน้าเว็บ)
- รองรับรูปแบบค่าตอบแทน: ฟรี ไม่ใช่เชิงพาณิชย์ ต้องมีใบอนุญาต และแบ่งรายได้
- ทำให้ความเปิดกว้างสามารถดำเนินการได้ด้วยเครื่อง — เพื่อไม่ให้เจตนาดีถูกทิ้งไปเพราะความไม่แน่นอนทางกฎหมาย
03 · ขอบเขต
access / indexing — การดึงข้อมูลและการจัดทำดัชนีเชิงความหมาย
inference_input — การใช้เป็นบริบทขณะอนุมาน (RAG)
embedding — การแปลงเป็นเวกเตอร์และดัชนีสำหรับการดึงข้อมูล
training / fine_tuning / distillation — ระดับการซึมซับเข้าสู่โมเดล
verbatim_memory — การทำซ้ำแบบคำต่อคำได้รับอนุญาตหรือไม่
attribution / compensation — ข้อผูกพันในการอ้างอิงและเงื่อนไขการชำระเงิน
04 · ตัวอย่างที่เครื่องอ่านได้
การประกาศสิทธิ์การเรียนรู้ — /ai/rights-spectrum.json (โปรไฟล์ AILP)
{
"version": "0.1",
"protocol": "AILP",
"publisher": "example.org",
"default": {
"access": "allowed",
"indexing": "allowed",
"inference_input": "allowed",
"embedding": "allowed",
"training": "license_required",
"fine_tuning": "license_required",
"distillation": "denied",
"verbatim_memory": "denied",
"attribution": "required",
"compensation": "contact"
},
"contact": "licensing@example.org"
}05 · ข้อจำกัด
- ความหมายของการอนุญาตให้เรียนรู้เป็นสิ่งที่ตรวจสอบทางเทคนิคได้ยากที่สุด — AILP ประกาศเจตนาเท่านั้น ยังไม่สามารถพิสูจน์การปฏิบัติตามได้
- รายการมิติต่าง ๆ ยังเป็นฉบับร่าง เส้นแบ่งระหว่างการฝึกโมเดล การปรับจูน และการกลั่นความรู้ ยังคงเป็นที่ถกเถียงอยู่
- การรับรองทางกฎหมายของการอนุญาตให้เรียนรู้แตกต่างกันไปตามเขตอำนาจศาล และยังไม่มีข้อสรุป