ธรรมาภิบาลที่เครื่องอ่านได้
กฎธรรมาภิบาลที่เครื่องสามารถค้นพบและดำเนินการได้: llms.txt, แมนิเฟสต์ /ai/, ไฟล์นโยบาย /.well-known/, JSON Schema, โทเคนใบอนุญาตที่มีลายเซ็นดิจิทัล และรูปแบบบันทึกการตรวจสอบ เว็บไซต์นี้เองคือตัวอย่างที่ใช้งานได้จริง
คำถามที่อยู่ระหว่างการศึกษา
01
จาก robots.txt สู่ llms.txt และแมนิเฟสต์สิทธิ์
02
แนวทางการค้นพบนโยบายผ่าน /.well-known/
03
JSON Schema ในฐานะรูปแบบข้อกำหนดเชิงบรรทัดฐาน
04
ความสามารถในการตรวจสอบ: บันทึก เวอร์ชัน และแหล่งที่มาของข้อมูล
ไวท์เปเปอร์ที่เกี่ยวข้อง
- AICR / AICL ในฐานะชั้นเชื่อมโยงการอนุญาตใช้สิทธิ์เนื้อหาสำหรับ AI และการชำระเงินโดยเอเจนต์ ชั้นข้อกำหนดที่เครื่องอ่านได้สำหรับประกาศสิทธิเนื้อหาของ AI และขั้นตอนการอนุญาตใช้สิทธิ์ — ตั้งแต่การครอว์ลิงของ AI และสิทธิเนื้อหา ไปจนถึงเว็บองค์ความรู้ที่ทำธุรกรรมได้ด้วยเครื่อง
- สเปกตรัมสิทธิของ AI: จาก robots.txt สู่โปรโตคอลการอนุญาตให้ AI เรียนรู้ AIRS และ AILP สื่อถึงการอนุญาตให้ AI เรียนรู้อย่างละเอียดอ่อน เหนือกว่าการอนุญาต/ไม่อนุญาตแบบทวิภาค — AI เรียนรู้อะไรได้บ้าง ในระดับความลึกเท่าใด เพื่อการใช้งานใด และภายใต้ค่าตอบแทนแบบใด
- ความเปิดกว้างที่จัดระบบด้วยโปรโตคอล: เหตุใด “ไม่ได้ถูกห้าม” จึงไม่ได้แปลว่า “เรียนรู้ได้” ในยุค AI ความเปิดกว้างที่ไม่ได้ถูกนิยามไว้ จะถูกไปป์ไลน์ AI ตีความว่าเป็นความไม่แน่นอนทางกฎหมาย และถูกคัดออก มีเพียงการอนุญาตที่จัดระบบด้วยโปรโตคอลและเครื่องอ่านได้เท่านั้น ที่ทำให้เนื้อหาเรียนรู้ได้อย่างแท้จริง
- AICL: AI Ingestion & Capability Layer สถาปัตยกรรมเว็บไซต์แบบสี่ชั้นย่อย — แมนิเฟสต์ (manifest) คลังข้อมูล (corpus) ความสามารถ (capability) และธรรมาภิบาล (governance) — ที่ทำให้ AI เอเจนต์ และครอว์เลอร์สามารถนำเข้า อ้างอิง เรียกใช้ และตรวจสอบองค์ความรู้ของเว็บไซต์ได้อย่างถูกต้อง
- การชำระเงินเนื้อหาสำหรับ AI และเศรษฐกิจเครือข่ายแบบประชาธิปไตย ข้อโต้แย้งเชิงเศรษฐศาสตร์การเมือง: มูลค่า AI ระดับล้านล้านดอลลาร์สร้างแรงกดดันด้านความชอบธรรม ให้เกิดการอนุญาตใช้สิทธิ์เนื้อหาแบบแบ่งชั้นและการแบ่งปันผลประโยชน์สู่สาธารณะ — ข้อมูลจะถูกแบ่งเป็นชั้น ไม่ใช่ถูกทำให้มีราคาแพง