因果推理：为下一代AI原生无线网络开辟革命性路径
信息论
2024-02-02 v3 机器学习
math.IT
摘要
尽管下一代无线网络（如6G）将是人工智能（AI）原生的这一基本前提，但迄今为止，大多数现有努力仍停留在定性层面或对现有“无线AI”范式的增量扩展。确实，由于数据驱动、训练密集型AI的局限性，创建AI原生无线网络面临重大技术挑战。这些局限包括AI模型的黑箱性质、其曲线拟合本质（可能限制其推理与适应能力）、对大量训练数据的依赖，以及大型神经网络的能效低下。为应对这些局限，本文提出一个全面、前瞻的愿景，通过引入构建AI原生无线网络的新型框架来解决这些缺陷；该框架立足于新兴的因果推理领域。因果推理建立在因果发现、因果表示学习与因果推断之上，可助力构建可解释、具推理意识且可持续的无线网络。为实现此愿景，我们首先强调若干可由因果发现与表示解决的无线网络挑战，包括太赫兹（THz）系统的超可靠波束成形、数字孪生的近精确物理孪生建模、训练数据增强以及语义通信。我们展示了融入因果发现如何协助在这些挑战中实现动态适应性、韧性与认知。此外，我们勾勒了利用因果推断实现未来网络总体目标的潜在框架，包括意图管理、动态适应性、人类级认知、推理以及时间敏感性这一关键要素。
引用
@article{arxiv.2309.13223,
title = {Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks},
author = {Christo Kurisummoottil Thomas and Christina Chaccour and Walid Saad and Merouane Debbah and Choong Seon Hong},
journal= {arXiv preprint arXiv:2309.13223},
year = {2024}
}