論文の概要: Explainable AI for B5G/6G: Technical Aspects, Use Cases, and Research Challenges

• arxiv url: http://arxiv.org/abs/2112.04698v1
• Date: Thu, 9 Dec 2021 04:46:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 15:27:23.461104
• Title: Explainable AI for B5G/6G: Technical Aspects, Use Cases, and Research Challenges
• Title（参考訳）: B5G/6Gのための説明可能なAI: 技術的側面、ユースケース、研究課題
• Authors: Shen Wang, M.Atif Qureshi, Luis Miralles-Pechua\'an, Thien Huynh-The, Thippa Reddy Gadekallu, Madhusanka Liyanage
• Abstract要約: 研究者たちは、6Gの帯域幅、カバー範囲、信頼性、エネルギー効率、レイテンシーの低下を期待している。 このような6Gネットワークは、1秒ごとに行われる自動決定の過度な数につながります。 意思決定に対する制御を失うリスクは、高速なデータ集約型AI意思決定によって増大する可能性がある。
• 参考スコア（独自算出の注目度）: 4.7501565899812
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When 5G began its commercialisation journey around 2020, the discussion on the vision of 6G also surfaced. Researchers expect 6G to have higher bandwidth, coverage, reliability, energy efficiency, lower latency, and, more importantly, an integrated "human-centric" network system powered by artificial intelligence (AI). Such a 6G network will lead to an excessive number of automated decisions made every second. These decisions can range widely, from network resource allocation to collision avoidance for self-driving cars. However, the risk of losing control over decision-making may increase due to high-speed data-intensive AI decision-making beyond designers and users' comprehension. The promising explainable AI (XAI) methods can mitigate such risks by enhancing the transparency of the black box AI decision-making process. This survey paper highlights the need for XAI towards the upcoming 6G age in every aspect, including 6G technologies (e.g., intelligent radio, zero-touch network management) and 6G use cases (e.g., industry 5.0). Moreover, we summarised the lessons learned from the recent attempts and outlined important research challenges in applying XAI for building 6G systems. This research aligns with goals 9, 11, 16, and 17 of the United Nations Sustainable Development Goals (UN-SDG), promoting innovation and building infrastructure, sustainable and inclusive human settlement, advancing justice and strong institutions, and fostering partnership at the global level.
• Abstract（参考訳）: 5Gの商業化が2020年頃に始まったとき、6Gのビジョンに関する議論も浮上した。 研究者たちは6gの帯域幅、カバレッジ、信頼性、エネルギー効率、レイテンシーの低下、さらに重要なこととして、人工知能(ai)を活用した統合型"人間中心"ネットワークシステムの実現を期待している。 このような6Gネットワークは、1秒ごとに行われる自動決定の過剰な数につながる。 これらの決定は、ネットワークリソースの割り当てから自動運転車の衝突回避まで、広範囲にわたる。 しかしながら、意思決定に対するコントロールを失うリスクは、設計者やユーザの理解を超えた高速データ集約型ai意思決定によって増大する可能性がある。 有望な説明可能なAI(XAI)メソッドは、ブラックボックスAI意思決定プロセスの透明性を高めることによって、このようなリスクを軽減することができる。 この調査論文は、6G技術(インテリジェント無線、ゼロタッチネットワーク管理など)や6Gユースケース(業界5.0など)など、あらゆる面での今後6G時代へのXAIの必要性を強調している。 さらに、最近の試みから学んだ教訓を要約し、6Gシステム構築にXAIを適用する上で重要な研究課題を概説した。 この研究は国連持続可能な開発目標(un-sdg)の目標9,11,16,17と一致し、イノベーションとインフラ構築の促進、持続可能かつ包括的な人的解決、正義と強固な制度の推進、グローバルレベルでのパートナーシップの育成に寄与する。

関連論文リスト

• Decentralized Multi-Party Multi-Network AI for Global Deployment of 6G Wireless Systems [31.754166695074353]
  本稿では、大規模にデプロイされた6GネットワークにAIを統合するための分散マルチパーティ・マルチネットワークAI(DMMAI)フレームワークを紹介する。 DMMAIは、さまざまなネットワークプラットフォームにわたるAI駆動コントロールを調和させ、自らを自律的に構成、監視、修復するネットワークを促進する。 弊社のアプローチでは、マルチネットワークオーケストレーションとAIコントロールの統合について検討し、6GネットワークにおけるAI駆動のコーディネーションのための標準フレームワークにおける重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-04-15T15:21:25Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)
• Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End Collaboration [56.330705072736166]
  基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。 実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• AI Empowered Net-RCA for 6G [12.368396458140326]
  6Gは、より高いデータレート、信頼性の向上、ユビキタスAIサービス、大規模な接続デバイスのサポートを提供すると想定されている。 6Gは前機種よりずっと複雑だ。 システムスケールと複雑性の増大、レガシネットワークとの共存、およびサービス要件の多様化は、必然的に、将来の6Gネットワークの保守コストと労力を増大させます。
  論文  参考訳（メタデータ） (2022-12-01T07:38:32Z)
• A Survey on XAI for 5G and Beyond Security: Technical Aspects, Challenges and Research Directions [5.955491600905514]
  本稿では、5G以上の利害関係者が次世代ネットワークを保護するために使用されるインテリジェントなブラックボックスシステムを調べることができる、説明可能なAI(XAI)手法の可能性について検討する。 XAIを5G以降のセキュリティドメインで使用するという目標は、MLベースのセキュリティシステムの意思決定プロセスが5G以上のステークホルダに対して透過的かつ理解しやすいものになることだ。
  論文  参考訳（メタデータ） (2022-04-27T10:26:24Z)
• A User-Centred Framework for Explainable Artificial Intelligence in Human-Robot Interaction [70.11080854486953]
  本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。 このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-27T09:56:23Z)
• Toward a 6G AI-Native Air Interface [18.29093977252384]
  6Gは大規模分散学習システムのニーズに応える必要がある。 AIが6G自体の設計において決定的な役割を果たすかどうかは定かではない。 この記事の目的は、部分的にAIによって設計された新しいエアインターフェースのビジョンを描くことです。
  論文  参考訳（メタデータ） (2020-12-15T13:46:04Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Federated Learning for 6G Communications: Challenges, Methods, and Future Directions [71.31783903289273]
  6Gとフェデレーション学習の統合を導入し、6Gのための潜在的なフェデレーション学習アプリケーションを提供する。 6G通信の文脈において,重要な技術的課題,それに対応するフェデレーション学習手法,および今後のフェデレーション学習研究のためのオープンな課題について述べる。
  論文  参考訳（メタデータ） (2020-06-04T15:17:19Z)
• Towards Ubiquitous AI in 6G with Federated Learning [43.318721658647014]
  Federated Learning(FL)は、異種および潜在的に大規模ネットワークにおけるデータ駆動型AIソリューションを可能にする、新興の分散AIソリューションである。 FLベースのネットワークアーキテクチャを提案し、6Gで期待される新しい課題に対処する可能性について論じる。
  論文  参考訳（メタデータ） (2020-04-26T13:05:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。