هناك سرد متزايد في عالم الويب3 يُشير إلى أن الرموز غير القابلة للاستبدال (NFTs) والذكاء الاصطناعي (AI) مقدران للاصطدام. يتصور معظم الناس ذلك على أنه “تدريب الذكاء الاصطناعي على صور NFT الخاصة بك”، وهو صحيح من الناحية التقنية لكنه يتجاهل المعنى الأعمق. ما يحدث هنا هو ظهور الذكاء الاصطناعي المدفوع بالملكية، حيث لا يقتصر محفظتك على حيازة الأصول فحسب، بل تشكل الذكاء أيضًا. هذا تحول دقيق، لكنه مهم.
هل يمكنك فعلاً تدريب نموذج ذكاء اصطناعي على NFTs التي تملكها؟ نعم. لكن هناك طريقة صحيحة وأخرى خاطئة للقيام بذلك — ومعظم الأدلة تتجاهل الأجزاء الأكثر أهمية. عليك أن تفهم ثلاثة أشياء قبل أن تلمس أي سطر من الكود: ما الذي تملكه فعلاً، ما الحقوق التي تمتلكها، وكيف يتعلم نماذج الذكاء الاصطناعي. خطأ في أي من هذه الأمور يجعلك إما تبني على رمل أو تدخل في منطقة قانونية رمادية.
الخطوة الأولى: فهم ما تملكه فعلاً
هذا هو المكان الذي تقصر فيه العديد من الأدلة. امتلاك NFT لا يعني تلقائيًا أنك تملك حقوق النشر للعمل الفني الذي يمثله. في معظم الحالات، يكون الـNFT رمزًا يشير إلى بيانات وصفية، والتي بدورها تشير إلى ملف الوسائط الأساسي — غالبًا ما يكون مستضافًا عبر IPFS أو خادم ويب قياسي. يُحدد هذا الهيكل في معايير مثل ERC-721، حيث يُرجع الـtokenURI بيانات وصفية حول الأصل بدلاً من الأصل نفسه (EIP-721).
من الناحية القانونية، يهم التمييز أكثر. وفقًا لدراسة حقوق النشر الأمريكية حول NFTs، عادةً لا يتم نقل حقوق النشر عند امتلاك NFT إلا إذا تم التصريح بذلك صراحة في الترخيص (copyright.gov). وتؤكد منظمات مثل WIPO على أن شراء NFT نادرًا ما يمنحك حقوقًا كاملة لإعادة الاستخدام أو التدريب على المحتوى (wipo.int).
لذا قبل أن تفكر حتى في الذكاء الاصطناعي، عليك أن تطرح سؤالًا بسيطًا:
هل يُسمح لي باستخدام هذا المحتوى لتدريب نموذج؟
بعض المجموعات، مثل تلك التي تستخدم تراخيص CC0، تسمح بحرية كاملة. أخرى تمنح حقوقًا تجارية محدودة، وبعضها يقيد الاستخدام بشكل كبير. هذا ليس عائقًا تقنيًا، بل هو مسألة أساسية.
الخطوة الثانية: تحويل NFTs إلى بيانات قابلة للاستخدام
بمجرد وضوح الحقوق، يصبح الأمر أكثر ملموسية. نماذج الذكاء الاصطناعي لا تفهم NFTs — فهي تفهم البيانات. لذا، مهمتك هي تحويل NFTs الخاصة بك إلى مجموعة بيانات منظمة.
عادةً يبدأ ذلك بالتحقق من ملكية المحفظة باستخدام شيء مثل تسجيل الدخول عبر Ethereum (SIWE)، الذي يسمح للمستخدمين بإثبات السيطرة على محفظة دون إجراء معاملة (EIP-4361). من هناك، تسترجع NFTs المرتبطة بتلك المحفظة باستخدام API مثل Alchemy أو خدمات الفهرسة المماثلة.
كل NFT يحتوي على بيانات وصفية، وسمات، ووصف، وخصائص، وغالبًا رابط إلى الصورة أو ملف الوسائط. هذا المزيج قوي. أنت لا تجمع الصور فقط؛ أنت تجمع بيانات موسومة، وهو ما يزدهر عليه التعلم الآلي.
وهنا تصبح الأمور مثيرة للاهتمام.
الخطوة الثالثة: لماذا مجموعات NFT مختلفة (وأحيانًا أفضل)
معظم نماذج الذكاء الاصطناعي اليوم تُدرّب على مجموعات بيانات ضخمة وفوضوية مستخرجة من الإنترنت. هي واسعة النطاق، لكنها ليست دائمًا دقيقة. أما مجموعات NFT، فهي منسقة بشكل متعمد.
فكر في الأمر:
- السمات منظمة
- الأساليب متسقة
- البيانات الوصفية منظمة
- الأصل يمكن تتبعه
هذا مزيج نادر في تدريب الذكاء الاصطناعي. على سبيل المثال، يستخدم IPFS التوجيه بالمحتوى، مما يعني أن الملفات تُعرف بواسطة هاشها بدلاً من الموقع. هذا يساعد على ضمان أن البيانات التي تتدرب عليها يمكن التحقق منها ولم تتغير مع مرور الوقت (docs.ipfs.tech).
بعبارات بسيطة، مجموعات بيانات NFT يمكن أن تكون أنظف، وأكثر قصدًا، وأكثر موثوقية من بيانات الويب التقليدية.
الخطوة الرابعة: اختيار نوع نموذج الذكاء الاصطناعي المناسب
ليست جميع نماذج الذكاء الاصطناعي متساوية، وهنا يرتكب الكثيرون أخطاءً. الغريزة هي الانتقال مباشرة إلى نماذج اللغة الكبيرة، لكن NFTs هي أساسًا أصول بصرية وثقافية. هذا يعني أن أنواع النماذج الأخرى غالبًا ما تكون أكثر ملاءمة.
بالنسبة للـNFTs المبنية على الصور، تعتبر نماذج الانتشار مثل Stable Diffusion نقطة انطلاق عملية. تقنيات مثل DreamBooth تتيح لك تدريب نموذج على مجموعة صغيرة من الصور لالتقاط موضوع أو أسلوب معين (Hugging Face DreamBooth). أما LoRA (التكيف منخفض الرتبة) فهي تتجاوز ذلك بتمكين التخصيص الفعال دون إعادة تدريب النموذج بالكامل (Hugging Face LoRA).
لكن هناك رؤية أقل وضوحًا: التوليد هو مجرد حالة استخدام واحدة.
نماذج مثل CLIP يمكنها تحليل وفهم الصور، مما يتيح أشياء مثل البحث عن التشابه، واكتشاف السمات، وأنظمة التوصية. وهذا ربما يكون أكثر فائدة على المدى الطويل من مجرد توليد أعمال فنية جديدة.
ثم هناك النماذج متعددة الوسائط، التي تجمع بين النص والصور. يمكنها ربط صور NFT بالسرد، وسرد المجتمع، والبيانات الوصفية — وتحويل الأصول الثابتة إلى تجارب تفاعلية.
الخطوة الخامسة: الجزء الذي لا يتحدث عنه أحد
تدريب النموذج لا يقتصر على إطعامه البيانات فقط. الأمر يتعلق باختيار البيانات الصحيحة.
إذا كنت تملك 50 NFT، فلست بحاجة بالضرورة إلى التدريب عليها جميعًا بنفس القدر. بعض منها قد يعبر بشكل أفضل عن ذوقك. بعض منها قد يكون نادرًا أكثر. وبعضها قد يعني لك أكثر ببساطة.
هنا يأتي الحكم البشري.
يمكنك:
- وزن الأصول بناءً على ندرتها أو مدة الاحتفاظ بها
- تصفية بناءً على سمات أو أساليب معينة
- دمج محافظ متعددة لإنشاء مجموعات بيانات مشتركة
بمعنى آخر، أنت لا تبني مجموعة بيانات فحسب، بل تعبر عن وجهة نظر. وهذا شيء لا يمكن للذكاء الاصطناعي القيام به بمفرده.
الخطوة السادسة: تدريب النموذج
الخبر السار هو أنك لا تحتاج إلى بنية تحتية ضخمة. معظم مشاريع الذكاء الاصطناعي المبنية على NFTs تعتمد على التخصيص بدلاً من التدريب من الصفر.
باستخدام أدوات من Hugging Face، يمكنك:
- إعداد مجموعة البيانات الخاصة بك
- تخصيص نموذج باستخدام واجهات برمجة التطبيقات (Trainer APIs) (transformers training)
- تتبع التجارب والإصدارات
أدوات مثل DVC (إدارة إصدار البيانات) تساعد على إدارة مجموعات البيانات والنماذج مع مرور الوقت، لضمان إمكانية إعادة الإنتاج (dvc.org).
الدرس الرئيسي هنا بسيط:
أنت تعدل الذكاء، لا تخلقه من الصفر.
الفكرة الأكبر: NFTs كبنية تحتية للذكاء الاصطناعي
إذا بدا كل هذا كجهد كبير فقط لتوليد الصور، فأنت على حق. ذلك لأن الفرصة الحقيقية ليست في توليد الصور.
بل في ما تتيحه NFTs حول الذكاء الاصطناعي:
- مجموعات بيانات مرخصة
- تحكم في الوصول قائم على الملكية
- أصل شفاف
- تراخيص قابلة للبرمجة
هذه بالضبط الأشياء التي يفتقر إليها الذكاء الاصطناعي حاليًا.
هناك أيضًا نقاش متزايد حول أصالة المحتوى. المعايير مثل C2PA تهدف إلى إرفاق بيانات الأصل بالأصول الرقمية، للمساعدة في التحقق من كيفية إنشاء المحتوى وتعديله (c2pa.org). يمكن أن تكمل NFTs ذلك من خلال تثبيت هذا الأصل على السلسلة.
بعض الآراء الصادقة
معظم من يقتربون من هذا المجال يفكرون بشكل ضيق جدًا. يسألون كيف يمكن تدريب الذكاء الاصطناعي على NFTs بدلاً من ما تفتحه NFTs للذكاء الاصطناعي.
أكثر الأفكار إثارة ليست حول توليد الفن. بل حول:
- هويات ذكاء اصطناعي قائمة على المحافظ
- نماذج جماعية مدربة بواسطة DAO
- نماذج تتطور مع شراء وبيع NFTs
- أنظمة تؤثر فيها الملكية بشكل ديناميكي على الذكاء
هناك أيضًا سؤال كبير لم يُجب عليه بعد:
ماذا يحدث عندما تبيع NFT تم استخدامه في التدريب؟
بعض التراخيص، مثل ترخيص Azuki، تربط الحقوق بالملكية وتلغيها عند النقل. هذا يخلق تداعيات حقيقية على النماذج المدربة. هل يجب تحديثها؟ تقييدها؟ حذفها؟
لم يحل أحد هذا بالكامل بعد — وهنا ستحدث الابتكارات.
الأفكار النهائية
تدريب نموذج ذكاء اصطناعي باستخدام NFTs التي تملكها ممكن تمامًا اليوم. الأدوات موجودة، وسير العمل مثبت، والحواجز أقل مما يظن الكثيرون.
لكن القيمة الحقيقية ليست في عملية التدريب نفسها. بل فيما تقدمه NFTs: ملكية قابلة للتحقق، بيانات منظمة، وحقوق قابلة للبرمجة.
إذا كان الذكاء الاصطناعي يتعلق بالذكاء، وNFTs تتعلق بالملكية، فإن الجمع بينهما ليس مجرد تجربة تقنية. إنه بداية لنموذج جديد لكيفية إنشاء الذكاء، والسيطر عليه، ومشاركته.
وهذا قصة أكبر بكثير من مجرد التدريب على JPEGs.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
