科大提出「推理賦能」框架 實現大規模 AI智能體協作

香港科技大學（科大）提出「推理賦能任務導向通訊」框架（Reasoning-Empowered Task-Oriented Communication，TOC），賦予AI智能體（AI agents）自主的邏輯推理能力，使其能自主判斷應分享哪些資訊、何時需要通訊，以及為何需要進行資訊交流。該框架可望為未來7G無線網絡的AI智能體協作及群體智能發展奠定基礎。

是次研究由科大電子及計算機工程學系講座教授兼新明工程學教授李德富教授帶領，研究團隊包括科大電子及計算機工程學系博士生謝松傑和黎鴻儒、電子及計算機工程學系研究助理教授王子鑫博士、電子及計算機工程學系及綜合系統與設計學部副教授宋勝輝教授，以及電子及計算機工程學系教授張軍教授。研究成果已於國際學術期刊《npj Wireless Technology》上發表，題為「Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks」。

研究提出未來數十年通訊與推理技術融合的發展路線圖，為6G以後無線網絡的演進提供重要方向。研究亦勾畫未來7G無線系統的發展願景，探討有關系統如何支援大量能夠進行推理、彼此協作及共同決策的自主AI智能體。

現今的通訊系統主要以準確、可靠地傳送數據為設計目標。然而，未來的智慧城市、自動駕駛汽車、醫療平台和工業系統，可能涉及數以百萬計的AI智能體同時交換資訊，單純擴展現有通訊架構未必足夠。若缺乏創新的通訊機制，通訊過程本身可能會成為瓶頸，限制未來AI生態系統發展群體智能的能力。

為應對這項挑戰，科大團隊提出的「推理賦能任務導向通訊」框架，把推理能力融入通訊過程中，AI智能體在傳送資訊前，會先評估資訊交換的價值，識別最相關的內容、選擇合適的接收對象，並分析有關訊息將如何影響後續的決策。

研究團隊所提出的認知循環具備三項核心能力。第一，「解讀動機」：即理解人類或機器提出的核心目標，例如「保持視像通話穩定」，並將其轉化為具體的通訊目標。第二，「自動化制定及優化策略」：因應環境變化，自動選擇及調整通訊策略，在頻寬、功率、延遲和穩健性之間取得平衡。第三，利用「世界模型」進行「前瞻性預測」，即AI系統根據內部數據，預判環境、用戶移動模式及任務需求的變化，讓系統在表現下降前作出調整。透過這套循環，AI智能體的認知能力可以引導通訊，而通訊亦可以強化不同AI智能體之間的集體認知。

有關概念可應用於多個未來場景之中，包括車輛與路側系統僅交換有助避開危險的關鍵資訊、醫療AI智能體可以優先處理與時效性決策相關的重要訊號，及工業設備與數碼孿生系統則可在故障發生前預測風險，並協調維護工作。

李德富教授表示：「未來的無線網絡將不再只是連接設備，而是連接智能。下一次具變革意義的發展，將是連接具備推理、規劃和自主協作能力的AI智能體。未來網絡將不再只是傳送資訊，更將促進群體智能的形成與發展。『推理賦能任務導向通訊』為無線系統提供新的發展路徑，使其能夠判斷哪些資訊重要、何時需要通訊，以及為何需要通訊。」

他續指，這項研究是為7G研究開闢新的發展方向，而非一套已完成的技術標準。研究亦指出了多項仍有待解決的關鍵問題，包括新的理論基礎、可擴展的AI智能體協調、通訊與推理循環的穩定性、可信賴的AI決策，以及制定共通標準和評估基準。