За пределами связности: агенты искусственного интеллекта, обеспечивающие перцептивные, адаптивные и проактивные сети 6G
Beyond Connectivity via Artificial Intelligence Agents Enabling Perceptive, Adaptive, and Anticipatory 6G Networks
2026-01-01
SCID: 54.1/4b22ewy7
Discuss with AI
сети 6Gагенты на основе ИИагентный интеллектагенты на основе фундаментальных моделейобучение с подкреплением
Figures from the paper
Abstract (AI)
Концепция 6G предполагает автономные, интеллектуальные и адаптивные системы, способные управлять сложными и динамичными коммуникационными средами. В этом контексте агенты на основе искусственного интеллекта (ИИ) рассматриваются как ключевые средства обеспечения, объединяющие функции восприятия, накопления знаний, принятия решений и выполнения действий для работы на распределённых уровнях сети. В исследовании представлен комплексный обзор агентных систем для 6G с рассмотрением их архитектуры, ключевых возможностей и базовых технологий ИИ. Предложена новая система уровней агентного интеллекта, в рамках которой агентные системы ИИ концептуализируются как постепенный и многомерный спектр. Кроме того, введены уровни доверия и управления, характеризующие возможность развертывания системы независимо от её агентных компетенций. Проанализировано, каким образом такие методы, как обучение с подкреплением (RL), федеративное обучение, графовые нейронные сети, перенос обучения (TL) и метаобучение, могут интегрироваться в агентов для поддержки таких задач, как оптимизация сети, прогнозное управление трафиком, распределение спектра, энергоэффективное управление ресурсами и повышение безопасности. Рассмотрен потенциал агентов на основе базовых моделей в сетях 6G и проведено их сравнение с классическими агентами на основе RL для выявления взаимодополняемости. Представлены практические варианты использования 6G, включая интеллектуальную оркестрацию ресурсов, координацию окружающей среды, промышленные приложения, обеспечение надёжности и безопасности, а также ситуационную осведомлённость, чтобы продемонстрировать применимость агентов в реальных сценариях. Освещены их сильные стороны, ограничения и взаимодополняющие роли в рамках агентных структур. Текущие уровни технологической и промышленной зрелости вариантов использования сопоставлены с предложенными уровнями агентного интеллекта и доверия/управления. Исследование устанавливает связь между теоретическими достижениями и практической реализацией 6G, соотнося методы ИИ с конкретными проблемами развертывания. Наконец, в исследовании выявлены проблемы, связанные с масштабируемостью, интероперабельностью, объяснимостью...
Key Findings
1
Агенты на основе фундаментальных моделей и классические агенты на основе обучения с подкреплением представлены как взаимодополняющие подходы к автоматизации сетей 6G.
2
Предложен многомерный спектр уровней агентного интеллекта, дополненный независимыми уровнями доверия и управления для оценки возможности внедрения систем.
3
Обучение с подкреплением, федеративное обучение, графовые нейронные сети, перенос обучения и метаобучение связываются с задачами оптимизации, прогнозирования трафика, распределения спектра, энергоэффективного управления и повышения безопасности.
4
Предложенная схема сопоставляет практические сценарии 6G и их технологическую и промышленную зрелость с уровнями агентного интеллекта, доверия и управления, выделяя масштабируемость, совместимость и объяснимость как ключевые проблемы.
5
Исследование рассматривает ИИ-агентов как распределённый механизм развития сетей 6G, объединяющий восприятие, знания, принятие решений и выполнение действий на разных сетевых уровнях.
Research Object
агентные системы на основе ИИ для сетей 6G
Research Subject
их архитектура, возможности агентного интеллекта, уровни доверия и управления, а также применимость к автономному, адаптивному и проактивному управлению сетью
Publication Details
Publication Date
2026-01-01
Journal
IEEE Access
Publisher
Institute of Electrical and Electronics Engineers
ISSN
2169-3536
Cited by
10
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest