試想像這樣一幅畫面︰數以百萬計的自動駕駛車輛、醫療監測設備及工業用感測器在智慧城市中互聯互通，無時無刻交換數據，共同維繫城市運作。今天的無線網絡雖然足以支撐這些數據傳輸，但面對如此海量的資訊，在可見將來會出現嚴重傳輸瓶頸。
為應對這項挑戰，科大研究團隊提出一套突破性的架構，讓機器在傳遞資訊前先進行思考和判斷。
這套名為「推理賦能任務導向通訊」的框架已在《npj Wireless Technology》上發表。該框架可以賦予AI智能體（AI agents）自主推理能力，判斷應分享哪些資訊、何時需要通訊，以及為何需要交換資訊。
這項技術勾畫出未來7G無線系統的發展願景，但其真正價值更在於實際應用。新框架將通訊模式由傳輸原始數據轉向具明確目的的資訊交換，有助釋放AI智能體的集體智慧潛能。
以自動駕駛為例，車輛毋須再向路側系統傳送海量、未經篩選的感測數據，只需要交換安全駕駛所需的關鍵資訊。在醫療領域，臨床 AI智能體可過濾雜訊，優先傳遞能協助醫護人員更快作出決策的重要訊號。在製造業中，數碼分身則可及早預測故障和協調維護工作，避免停產帶來的損失。
這項研究亦呼應香港特別行政區行政長官近期發表的《施政報告》和香港首份《五年規劃》中所提出的AI發展策略重點，體現科大以科研創新支持香港AI發展策略的承擔。
是次研究由科大電子及計算機工程學系講座教授李德富教授帶領。他指出︰「未來的無線網絡不再只是連接設備，而是連接智能。」團隊成員還包括電子及計算機工程學系張軍教授、宋勝輝教授、王子鑫博士、博士生黎鴻儒及謝松傑。
AI網絡究竟如何「思考」？研究團隊為此設計出一個具備三項核心能力的認知循環。第一，「解讀動機」：即理解核心目標，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，「自動化策略制定與優化」：自動制定和調整通訊策略，在通信表現、能量效率和用戶隱私之間取得平衡。第三,「前瞻性預測」：利用內置的「世界模型」追踨通訊環境的變化，並在系統表現受影響前主動作出調整。換言之，認知能力可以引導通訊，而通訊亦可強化AI智能體之間的集體認知。
李德富教授指出，這項研究旨在為7G絡發展提供方向，而非提出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，涵蓋可擴展的AI智能體協調、可信賴的AI決策等方面。
當我們展望6G以後的發展時，最大的挑戰已不再只是如何加快數據傳輸，而是如何更智慧地分享數據。科大提出的這套新架構，展示了未來無線網絡的全新可能。屆時，網絡不僅負責傳遞資訊，更能連結不同AI智能體，促進協作推理，實現真正的集體智慧。
