港科大提出面向代理式7G网络的推理赋能通信框架

香港科技大学9月1日发布消息称，该校研究团队提出“推理赋能任务导向通信”框架，英文为Reasoning-Empowered Task-Oriented Communication，简称TOC。研究希望让AI代理在通信前判断应分享哪些信息、是否需要通信以及通信的目的。

团队由电子与计算机工程学系New Bright工程讲席教授兼讲座教授Khaled B. Letaief领衔。成员还包括博士生谢松杰、李洪儒，研究助理教授王子欣，副教授宋胜辉和教授张军，涉及电子与计算机工程学系及综合系统与设计学部。

研究论文题为《Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks》，已发表在学术期刊《npj Wireless Technology》。港科大将这项工作定位为通信与推理在未来数十年可能如何结合的研究路线，而不是已经完成的7G技术标准。

现有通信系统通常以准确、可靠地传输数据为主要目标。研究团队指出，未来智慧城市、自动驾驶车辆、工业系统等场景可能会有大量智能代理同时交换信息，若单纯放大当今网络架构，通信本身可能成为集体智能的瓶颈。

TOC框架把推理过程纳入通信前的决策。依照港科大的说明，代理会先评估某次交换的价值，选择最相关的信息和合适的接收者，并预判这条消息可能怎样影响后续决策，再决定是否发送。

框架的认知循环包含三项能力。第一项是意图解释，将“保持视频通话稳定”这类人或机器的高层目标转成结构化通信目标；这一步的作用是把任务要求与后续的通信选择连接起来。

第二项是自动形成与优化通信方案。该环节会在带宽、能耗、时延和鲁棒性之间进行平衡，并随条件变化选择相应策略；研究描述的是框架应处理的决策维度，而不是给出固定的网络配置。

第三项为主动预见，利用世界模型这一相关环境条件的内部表示，在性能恶化前预判环境、用户移动性和任务要求的变化。港科大认为，推理为通信提供指引，而通信反过来可强化多个代理之间的共同认知。

公告举例称，未来车辆与路侧系统可只交换规避风险所需的洞见，机器与数字孪生体可在故障中断生产前协调维护。研究仍列出需解决的问题，包括新的理论基础、可扩展多代理协调、通信与推理循环的稳定性、可信AI决策，以及共同标准和基准测试。