Większość sztucznej inteligencji w dzisiejszej telekomunikacji? Wysoce wyspecjalizowane. Reaktywny. Naprawia konkretną „rurę”, ale nie jest w stanie myśleć o systemie wodnym jako całości.
Czas ucieka. Do 2027 r. technologia 6G przejdzie od niejasnych etapów badań do rygorystycznych standardów. Decyzje podjęte w ciągu najbliższych dwóch lat zadecydują o tym, jak inteligentne staną się te sieci. Jeśli będziesz czekać zbyt długo, okno możliwości się zamknie.
Badacze ze Zjednoczonych Emiratów Arabskich twierdzą, że musimy wdrożyć sztuczną inteligencję opartą na agentach na poziomie architektury już teraz, zanim zostaną napisane zasady gry.
Oto haczyk. Stare podejście do optymalizacji bitów nie będzie działać w przypadku 6G. Potrzebujemy rozumowania. Nie tylko przewidywania, ale zrozumienie intencji.
Platforma przyszłości
Artykuł opublikowały Uniwersytety ZEA i Uniwersytet Khalifa. Proponują, aby sieci 6G przestały być „głupimi rurami” kontrolowanymi przez „głupie skrypty” i zaczęły działać jak inteligentne systemy. Mianowicie czteropoziomowa inteligencja.
- Deterministyczna infrastruktura u podstaw
- Abstrakcja semantyczna nad tym
- Rozumowanie hierarchiczne na wyższym poziomie
- Rozproszona sieć wieloagentowa na górze
W tym miejscu dużą rolę odgrywają duże modele językowe (LLM). Ale nie tylko modele do czatów, ale kontrolowane przez polityków. Znajdują się one na standardowej infrastrukturze 3GPP i obsługują intencje. Pytają „dlaczego”, a nie tylko „co”.
Czy obecna architektura jest już gotowa? Zupełnie nie.
Kontrola rzeczywistości
Nie można po prostu umieścić jednego wielkiego modelu na sieci 6G. Fizyka na to nie pozwala.
Aby to przetestować, zespół stworzył 6G-Bench. To jest test warunków skrajnych. Realistyczne ograniczenia. Ciężka praca.
Oto problem, który znaleźli:
- Duże modele rozumują dobrze, ale są powolne. Wysokie opóźnienie. Duży ślad pamięci.
- Małe skompresowane modele są szybkie, ale niezdarne. Dokładność spada, jeśli zbyt mocno skompresujesz obliczenia matematyczne.
Kwantyzacja nie jest panaceum. Kompresja modelu wpływa na model w różny sposób w zależności od architektury. Globalna kompresja jest martwa.
Odpowiedzią jest heterogeniczność. Do różnych zadań potrzebujesz różnych agentów. Mały na urządzeniu, zapewniający szybkość. Inteligentniejszy na krawędzi dla kontekstu. Potężny w swej istocie, pozwalający na głębokie rozumowanie. Mieszaj i dopasowuj opcje w zależności od kompromisów, na jakie możesz sobie pozwolić na danym poziomie.
Więc co się dzieje?
Jest to zgodne z tym, co 3GPP, ITU i IETF już szepczą w swoich projektach. Wszyscy zmierzają w kierunku architektur zbudowanych najpierw dla sztucznej inteligencji. „Zarządzanie usługami bez ręcznej interwencji” to modne hasło, ale jest to mechanizm wykonawczy.
Zespół w składzie Mohammed Amine Ferrag, Abderraman Lakas, Merouane Debbah opublikował w lutym swoją wzorcową infrastrukturę. Otwarte źródło. Odtwarzalny.
Przetestowali 27 modeli. Trzydzieści problemów decyzyjnych. Dziesięć tysięcy pytań wielokrotnego wyboru wygenerowanych na podstawie 113 tysięcy scenariuszy.
Dokładność? Wahał się od 22,8% do 82,9%. „Złoty środek” znajdował się pośrodku spektrum. Modele średniej wielkości zapewniały najlepszą równowagę pomiędzy inteligencją i szybkością.
Operatorzy sieci otrzymują narzędzie umożliwiające zrozumienie, czy dzisiejsza sztuczna inteligencja poradzi sobie z komunikacją jutra. Producenci sprzętu mają teraz cel, do którego muszą dążyć.
Ale różnica jest realna. Czy jeden framework może obsłużyć tę złożoność? Naukowcy uważają, że tak, jeśli potraktujemy inteligencję raczej jako tkaninę niż nadbudowę.
Budujemy teraz układ nerwowy dla miast. A pytania stają się coraz trudniejsze.
