科大提出「推理赋能」框架 实现大规模AI智能体协作

香港科技大学（科大）提出「推理赋能任务导向通讯」框架（Reasoning-Empowered Task-Oriented Communication，TOC），赋予AI智能体（AI agents）自主的逻辑推理能力，使其能自主判断应分享哪些信息、何时需要通讯，以及为何需要进行信息交流。该框架可望为未来7G无线网络的AI智能体协作及群体智能发展奠定基础。

是次研究由科大电子及计算器工程学系讲座教授兼新明工程学教授李德富教授带领，研究团队包括科大电子及计算器工程学系博士生谢松杰和黎鸿儒、电子及计算器工程学系研究助理教授王子鑫博士、电子及计算器工程学系及综合系统与设计学部副教授宋胜辉教授，以及电子及计算器工程学系教授张军教授。研究成果已于国际学术期刊《npj Wireless Technology》上发表，题为「Towards Reasoning-Empowered Task-Oriented Communication for Agent Networks」。

研究提出未来数十年通讯与推理技术融合的发展路线图，为6G以后无线网络的演进提供重要方向。研究亦勾画未来7G无线系统的发展愿景，探讨有关系统如何支持大量能够进行推理、彼此协作及共同决策的自主AI智能体。

现今的通讯系统主要以准确、可靠地传送数据为设计目标。然而，未来的智慧城市、自动驾驶汽车、医疗平台和工业系统，可能涉及数以百万计的AI智能体同时交换信息，单纯扩展现有通讯架构未必足够。若缺乏创新的通讯机制，通讯过程本身可能会成为瓶颈，限制未来AI生态系统发展群体智能的能力。

为应对这项挑战，科大团队提出的「推理赋能任务导向通讯」框架，把推理能力融入通讯过程中，AI智能体在传送信息前，会先评估信息交换的价值，识别最相关的内容、选择合适的接收对象，并分析有关讯息将如何影响后续的决策。

研究团队所提出的认知循环具备三项核心能力。第一，「解读动机」：即理解人类或机器提出的核心目标，例如「保持视像通话稳定」，并将其转化为具体的通讯目标。第二，「自动化制定及优化策略」：因应环境变化，自动选择及调整通讯策略，在带宽、功率、延迟和稳健性之间取得平衡。第三，利用「世界模型」进行「前瞻性预测」，即AI系统根据内部数据，预判环境、用户移动模式及任务需求的变化，让系统在表现下降前作出调整。透过这套循环，AI智能体的认知能力可以引导通讯，而通讯亦可以强化不同AI智能体之间的集体认知。

有关概念可应用于多个未来场景之中，包括车辆与路侧系统仅交换有助避开危险的关键信息、医疗AI智能体可以优先处理与时效性决策相关的重要讯号，及工业设备与数码孪生系统则可在故障发生前预测风险，并协调维护工作。

李德富教授表示：「未来的无线网络将不再只是连接设备，而是连接智能。下一次具变革意义的发展，将是连接具备推理、规划和自主协作能力的AI智能体。未来网络将不再只是传送信息，更将促进群体智能的形成与发展。『推理赋能任务导向通讯』为无线系统提供新的发展路径，使其能够判断哪些信息重要、何时需要通讯，以及为何需要通讯。」

他续指，这项研究是为7G研究开辟新的发展方向，而非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，包括新的理论基础、可扩展的AI智能体协调、通讯与推理循环的稳定性、可信赖的AI决策，以及制定共通标准和评估基准。