Reddit, Yahoo, dan O'Reilly Media telah mendukung RSL Standard dan RSL Collective untuk menyediakan lisensi otomatis yang terstandarisasi dan kompensasi yang adil untuk konten online yang digunakan oleh sistem AI.
Beberapa penerbit internet terkemuka dan perusahaan teknologi, termasuk Reddit, Yahoo, People Inc., Internet Brands, Ziff Davis, Fastly, Quora, O’Reilly Media, dan Medium, telah mengumumkan dukungan mereka untuk pengenalan protokol lisensi RSL Standard dan organisasi hak nonprofit RSL Collective. Inisiatif ini bertujuan untuk memberikan kompensasi yang adil dan terstandarisasi bagi penerbit dan pencipta sambil menawarkan lisensi yang disederhanakan dan otomatis untuk perusahaan AI dan teknologi.
Standar Really Simple Licensing (RSL) adalah kerangka kerja terbuka dan kolaboratif yang dirancang untuk menetapkan komponen yang dapat dibaca mesin dan terstandarisasi untuk mengekspresikan aturan lisensi dan kompensasi konten, khususnya untuk bagaimana konten diakses dan digunakan dalam pengembangan, penerapan, dan aplikasi model AI. Dimodelkan berdasarkan standar RSS (Really Simple Syndication) yang banyak digunakan, protokol RSL bersifat terdesentralisasi dan dapat diskalakan, mampu mendukung jutaan situs web, dan dapat diterapkan pada berbagai jenis konten digital, termasuk halaman web, buku, video, dan dataset.
Tim O’Reilly, CEO O’Reilly Media, menjelaskan bahwa RSS sangat penting bagi perkembangan Internet sebagai ekosistem informasi, memberikan penerbit online awal standar terbuka yang sederhana untuk menyebarkan konten mereka dan menjangkau audiens secara besar-besaran, dan bahwa semangat keterbukaan ini telah membantu web berkembang. Ia menambahkan bahwa saat ini, ketika sistem AI mengonsumsi dan mengolah kembali konten tersebut tanpa izin atau kompensasi, aturan yang ada perlu berkembang, dan RSL membangun warisan RSS dengan menyediakan lapisan lisensi yang diperlukan untuk Internet yang mengutamakan AI, memastikan bahwa pencipta dan penerbit yang mendorong inovasi AI mendapatkan kompensasi yang adil untuk nilai yang mereka hasilkan.
Kerangka RSL Memperkenalkan Lisensi Konten dan Kompensasi yang Modern dan Skala untuk Ekosistem Web dan AI
Kerangka kerja RSL menawarkan serangkaian kemampuan inti yang dirancang untuk memodernisasi lisensi konten untuk web. Ini menyediakan kosakata yang dapat diperluas dan dibagikan yang memungkinkan penerbit online untuk menentukan berbagai istilah lisensi dan kompensasi, termasuk akses gratis, atribusi, bayar-per-anjing, dan model bayar-per-inferensi.
Protokol ini terbuka, memungkinkan lisensi konten otomatis dan penciptaan ekosistem lisensi skala internet antara pemilik konten dan perusahaan AI.
Ini juga memfasilitasi pengembangan katalog konten dan dataset yang dapat dilisensikan yang standar dan dapat diakses publik menggunakan metadata RSS dan Schema.org.
Selain itu, RSL mendukung lisensi aman untuk aset digital nonpublik atau kepemilikan, termasuk artikel berbayar, buku, video, dan dataset pelatihan, melalui enkripsi. Kerangka kerja ini mengakomodasi lisensi kolektif melalui organisasi hak nonprofit RSL Collective atau server lisensi lain yang kompatibel dengan RSL.
Standar RSL Mendirikan Infrastruktur Lisensi Web Untuk Menjamin Kompensasi Penerbit Di Tengah Dampak AI Yang Semakin Meningkat
Dengan semakin besarnya dampak crawler dan agen AI pada struktur ekonomi web, Standar RSL melampaui kontrol dasar ya/tidak dari protokol robots.txt dengan memperkenalkan infrastruktur lisensi baru untuk web. Sistem ini memungkinkan penerbit untuk menyematkan ketentuan lisensi dan royalti yang dapat dibaca mesin dalam file robots.txt mereka, yang merinci bagaimana aplikasi dan agen AI diharapkan untuk memberikan kompensasi kepada mereka atas penggunaan konten mereka.
Kerangka RSL mengakomodasi berbagai pengaturan lisensi, penggunaan, dan royalti, termasuk akses gratis, atribusi, model langganan, bayar-per-crawl—di mana penerbit mendapatkan kompensasi setiap kali aplikasi AI menjelajahi konten mereka—dan bayar-per-inference, yang memberikan pembayaran setiap kali konten digunakan untuk menghasilkan respons AI. Setiap penerbit online dapat segera menerapkan Standar RSL untuk menetapkan kondisi lisensi dan kompensasi untuk konten mereka.
Pengembangan dan pengawasan Standar RSL dikelola oleh Komite Pengarah Teknis RSL (TSC), yang mencakup perwakilan dari organisasi penerbitan dan teknologi terkemuka, seperti Eckart Walther dari RSL Collective, RV Guha, Tim O’Reilly dari O’Reilly Media, Stephane Koenig dari Yahoo, dan Simon Winslow dari Fastly.
Penerbit mengadopsi strategi yang mirip dengan yang digunakan di industri musik, membangun pasar yang dapat diskalakan yang bertujuan untuk menguntungkan semua peserta. Dalam teori, perusahaan AI mendapatkan kejelasan hukum dan proses lisensi yang lebih efisien, sementara situs web dapat memonetisasi konten yang sebelumnya telah digunakan untuk melatih model tanpa kompensasi. Namun, mencapai adopsi yang luas dan memastikan penegakan yang efektif tetap menjadi tantangan.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
RSL Collective dan Standard mendapatkan dukungan dari perusahaan internet besar untuk memodernisasi lisensi konten digital
Secara Singkat
Reddit, Yahoo, dan O'Reilly Media telah mendukung RSL Standard dan RSL Collective untuk menyediakan lisensi otomatis yang terstandarisasi dan kompensasi yang adil untuk konten online yang digunakan oleh sistem AI.
Beberapa penerbit internet terkemuka dan perusahaan teknologi, termasuk Reddit, Yahoo, People Inc., Internet Brands, Ziff Davis, Fastly, Quora, O’Reilly Media, dan Medium, telah mengumumkan dukungan mereka untuk pengenalan protokol lisensi RSL Standard dan organisasi hak nonprofit RSL Collective. Inisiatif ini bertujuan untuk memberikan kompensasi yang adil dan terstandarisasi bagi penerbit dan pencipta sambil menawarkan lisensi yang disederhanakan dan otomatis untuk perusahaan AI dan teknologi.
Standar Really Simple Licensing (RSL) adalah kerangka kerja terbuka dan kolaboratif yang dirancang untuk menetapkan komponen yang dapat dibaca mesin dan terstandarisasi untuk mengekspresikan aturan lisensi dan kompensasi konten, khususnya untuk bagaimana konten diakses dan digunakan dalam pengembangan, penerapan, dan aplikasi model AI. Dimodelkan berdasarkan standar RSS (Really Simple Syndication) yang banyak digunakan, protokol RSL bersifat terdesentralisasi dan dapat diskalakan, mampu mendukung jutaan situs web, dan dapat diterapkan pada berbagai jenis konten digital, termasuk halaman web, buku, video, dan dataset.
Tim O’Reilly, CEO O’Reilly Media, menjelaskan bahwa RSS sangat penting bagi perkembangan Internet sebagai ekosistem informasi, memberikan penerbit online awal standar terbuka yang sederhana untuk menyebarkan konten mereka dan menjangkau audiens secara besar-besaran, dan bahwa semangat keterbukaan ini telah membantu web berkembang. Ia menambahkan bahwa saat ini, ketika sistem AI mengonsumsi dan mengolah kembali konten tersebut tanpa izin atau kompensasi, aturan yang ada perlu berkembang, dan RSL membangun warisan RSS dengan menyediakan lapisan lisensi yang diperlukan untuk Internet yang mengutamakan AI, memastikan bahwa pencipta dan penerbit yang mendorong inovasi AI mendapatkan kompensasi yang adil untuk nilai yang mereka hasilkan.
Kerangka RSL Memperkenalkan Lisensi Konten dan Kompensasi yang Modern dan Skala untuk Ekosistem Web dan AI
Kerangka kerja RSL menawarkan serangkaian kemampuan inti yang dirancang untuk memodernisasi lisensi konten untuk web. Ini menyediakan kosakata yang dapat diperluas dan dibagikan yang memungkinkan penerbit online untuk menentukan berbagai istilah lisensi dan kompensasi, termasuk akses gratis, atribusi, bayar-per-anjing, dan model bayar-per-inferensi.
Protokol ini terbuka, memungkinkan lisensi konten otomatis dan penciptaan ekosistem lisensi skala internet antara pemilik konten dan perusahaan AI.
Ini juga memfasilitasi pengembangan katalog konten dan dataset yang dapat dilisensikan yang standar dan dapat diakses publik menggunakan metadata RSS dan Schema.org.
Selain itu, RSL mendukung lisensi aman untuk aset digital nonpublik atau kepemilikan, termasuk artikel berbayar, buku, video, dan dataset pelatihan, melalui enkripsi. Kerangka kerja ini mengakomodasi lisensi kolektif melalui organisasi hak nonprofit RSL Collective atau server lisensi lain yang kompatibel dengan RSL.
Standar RSL Mendirikan Infrastruktur Lisensi Web Untuk Menjamin Kompensasi Penerbit Di Tengah Dampak AI Yang Semakin Meningkat
Dengan semakin besarnya dampak crawler dan agen AI pada struktur ekonomi web, Standar RSL melampaui kontrol dasar ya/tidak dari protokol robots.txt dengan memperkenalkan infrastruktur lisensi baru untuk web. Sistem ini memungkinkan penerbit untuk menyematkan ketentuan lisensi dan royalti yang dapat dibaca mesin dalam file robots.txt mereka, yang merinci bagaimana aplikasi dan agen AI diharapkan untuk memberikan kompensasi kepada mereka atas penggunaan konten mereka.
Kerangka RSL mengakomodasi berbagai pengaturan lisensi, penggunaan, dan royalti, termasuk akses gratis, atribusi, model langganan, bayar-per-crawl—di mana penerbit mendapatkan kompensasi setiap kali aplikasi AI menjelajahi konten mereka—dan bayar-per-inference, yang memberikan pembayaran setiap kali konten digunakan untuk menghasilkan respons AI. Setiap penerbit online dapat segera menerapkan Standar RSL untuk menetapkan kondisi lisensi dan kompensasi untuk konten mereka.
Pengembangan dan pengawasan Standar RSL dikelola oleh Komite Pengarah Teknis RSL (TSC), yang mencakup perwakilan dari organisasi penerbitan dan teknologi terkemuka, seperti Eckart Walther dari RSL Collective, RV Guha, Tim O’Reilly dari O’Reilly Media, Stephane Koenig dari Yahoo, dan Simon Winslow dari Fastly.
Penerbit mengadopsi strategi yang mirip dengan yang digunakan di industri musik, membangun pasar yang dapat diskalakan yang bertujuan untuk menguntungkan semua peserta. Dalam teori, perusahaan AI mendapatkan kejelasan hukum dan proses lisensi yang lebih efisien, sementara situs web dapat memonetisasi konten yang sebelumnya telah digunakan untuk melatih model tanpa kompensasi. Namun, mencapai adopsi yang luas dan memastikan penegakan yang efektif tetap menjadi tantangan.