De meeste AI in de telecom vandaag de dag? Smal. Reactief. Het repareert een specifieke leiding, maar kan niet aan het hele watersysteem denken.
De klok tikt. Tussen nu en 2027 evolueert 6G van vage studiefasen naar harde standaarden. Beslissingen die in de komende twee jaar worden genomen, bepalen hoe slim deze netwerken daadwerkelijk worden. Als je te lang wacht, mis je het raam.
Onderzoekers uit de VAE beweren dat we nu agentische AI op architectuurniveau moeten inbedden voordat de regels worden geschreven.
Hier is de wending. De oude manier – het optimaliseren van bits – volstaat niet voor 6G. We hebben redenering nodig. Niet alleen een voorspelling, maar ook een intentie.
De blauwdruk
De Universiteit van de VAE en de Khalifa Universiteit lieten een paper vallen. Ze willen dat 6G-netwerken ophouden domme pijpen te zijn die worden beheerd door domme scripts en zich gaan gedragen alsof ze hersens hebben. Specifiek vierlaagse hersenen.
- Deterministische infrastructuur aan de onderkant
- Semantische abstractie erboven
- Hiërarchisch redeneren hierna
- Een gedistribueerde multi-agent-stof bovenop
Big Language Models (LLM’s) runnen hier de show. Maar niet alleen maar chatten met LLM’s. Beleidsgestuurde. Ze bevinden zich boven de standaard 3GPP-infrastructuur en behandelen de intentie. Ze vragen ‘waarom’ en niet alleen ‘wat’.
Is de huidige architectuur gereed? Nauwelijks.
De realitycheck
Je kunt niet zomaar één enorm model op een 6G-net zetten. De natuurkunde zegt nee.
Het team heeft 6G-Bench gebouwd om daarachter te komen. Het is een stresstest. Realistische beperkingen. Zwaar tillen.
Dit is het probleem dat ze hebben gevonden:
- Grote modellen redeneren goed, maar slepen. Hoge latentie. Grote geheugenvoetafdruk.
- Kleine gecomprimeerde modellen vliegen, maar ze zijn dom. De nauwkeurigheid neemt af als je te veel in de wiskunde knijpt.
Kwantisering is geen wondermiddel. Het comprimeren van een model doet het anders pijn dan een ander model. Dekencompressie is dood.
Het antwoord is heterogeniteit. Voor verschillende taken heb je verschillende agenten nodig. Een kleintje bij het apparaat voor snelheid. Een slimmere aan de rand voor context. Een heavy lifter in de kern voor diep redeneren. Mix en match op basis van de afweging die u zich op die laag kunt veroorloven.
En dan?
Dit komt overeen met waar 3GPP, de ITU en IETF al over fluisteren in hun concepten. Iedereen evolueert richting AI-native architecturen. Zero-touch servicemanagement is het modewoord, maar dit is het mechanisme.
Het team – Mohamed Amine Ferrag, Abderrahmane Lakas en Merouane Debbah – heeft in februari hun benchmarkinfrastructuur vrijgegeven. Open-source. Reproduceerbaar.
Ze testten 27 modellen. Dertig beslissingstaken. Tienduizend meerkeuzevragen kwamen voort uit 113.000 scenario’s.
Nauwkeurigheid? Tussen 22,8% en 82,9%. De sweet spot belandde in het midden. Modellen uit het middensegment boden de beste balans tussen slimheid en snelheid.
Netwerkexploitanten krijgen een tool om te zien of de AI van vandaag de ethergolven van morgen aankan. Fabrikanten van apparatuur krijgen een doel om naartoe te bouwen.
Maar de kloof is reëel. Kan één enkel raamwerk deze complexiteit bevatten? De onderzoekers denken van wel als je intelligentie als een weefsel beschouwt en niet als een vast onderdeel.
We bouwen nu zenuwstelsels voor steden. De vragen worden alleen maar moeilijker.
