试想像这样一幅画面：数以百万计的自动驾驶车辆、医疗监测设备及工业用感测器在智慧城市中互联互通，无时无刻交换数据，共同维系城市运作。 今天的无线网络虽然足以支撑这些数据传输，但面对如此海量的信息，在可见将来会出现严重传输瓶颈。
为应对这项挑战，科大研究团队提出一套突破性的架构，让机器在传递资讯前先进行思考和判断。
这套名为「推理赋能任务导向通讯」的框架已在《npj Wireless Technology》上发表。该框架可以赋予AI智能体（AI agents）自主推理能力，判断应分享哪些信息、何时需要通信，以及为何需要交换信息。
这项技术勾画出未来7G无线系统的发展愿景，但其真正价值更在于实际应用。 新框架将通讯模式由传输原始数据转向具明确目的的信息交换，有助释放AI智能体的集体智慧潜能。
以自动驾驶为例，车辆毋须再向路侧系统传送海量、未经筛选的感测数据，只需要交换安全驾驶所需的关键信息。 在医疗领域，临床 AI智能体可过滤杂讯，优先传递能协助医护人员更快作出决策的重要讯号。 在制造业中，数码分身则可及早预测故障和协调维护工作，避免停产带来的损失。
这项研究亦呼应香港特别行政区行政长官近期发表的《施政报告》和香港首份《五年规划》中所提出的AI发展策略重点，体现科大以科研创新支持香港AI发展策略的承担。
是次研究由科大电子及计算机工程学系讲座教授李德富教授带领。 他指出：「未来的无线网络不再只是连接设备，而是连接智能。」团队成员还包括电子及计算机工程学系张军教授、宋胜辉教授、王子鑫博士、博士生黎鸿儒及谢松杰。
AI网络究竟如何「思考」？ 研究团队为此设计出一个具备三项核心能力的认知循环。 第一，「解读动机」：即理解核心目标，例如「保持视讯通话稳定」，并将其转化为具体的通讯目标。 第二，「自动化策略制定与优化」：自动制定和调整通讯策略，在通信表现、能量效率和用户隐私之间取得平衡。 第三，「前瞻性预测」：利用内置的「世界模型」追踪通讯环境的变化，并在系统表现受影响前主动作出调整。 换言之，认知能力可以引导通讯，而通讯亦可强化AI智能体之间的集体认知。
李德富教授指出，这项研究旨在为7G络发展提供方向，而非提出一套已完成的技术标准。 研究亦指出了多项仍有待解决的关键问题，涵盖可扩展的AI智能体协调、可信赖的AI决策等方面。
当我们展望6G以后的发展时，最大的挑战已不再只是如何加快数据传输，而是如何更智能地分享数据。 科大提出的这套新架构，展示了未来无线网络的全新可能。 届时，网络不仅负责传递信息，更能链接不同AI智能体，促进协作推理，实现真正的集体智慧。
