論文の概要: Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G

• arxiv url: http://arxiv.org/abs/2405.02336v1
• Date: Mon, 29 Apr 2024 04:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-12 15:50:33.691887
• Title: Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G
• Title（参考訳）: Artificial General Intelligence (AGI)-Native Wireless Systems: 6Gを超える旅
• Authors: Walid Saad, Omar Hashash, Christo Kurisummoottil Thomas, Christina Chaccour, Merouane Debbah, Narayan Mandayam, Zhu Han,
• Abstract要約: デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
• 参考スコア（独自算出の注目度）: 58.440115433585824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building future wireless systems that support services like digital twins (DTs) is challenging to achieve through advances to conventional technologies like meta-surfaces. While artificial intelligence (AI)-native networks promise to overcome some limitations of wireless technologies, developments still rely on AI tools like neural networks. Such tools struggle to cope with the non-trivial challenges of the network environment and the growing demands of emerging use cases. In this paper, we revisit the concept of AI-native wireless systems, equipping them with the common sense necessary to transform them into artificial general intelligence (AGI)-native systems. These systems acquire common sense by exploiting different cognitive abilities such as perception, analogy, and reasoning, that enable them to generalize and deal with unforeseen scenarios. Towards developing the components of such a system, we start by showing how the perception module can be built through abstracting real-world elements into generalizable representations. These representations are then used to create a world model, founded on principles of causality and hyper-dimensional (HD) computing, that aligns with intuitive physics and enables analogical reasoning, that define common sense. Then, we explain how methods such as integrated information theory play a role in the proposed intent-driven and objective-driven planning methods that maneuver the AGI-native network to take actions. Next, we discuss how an AGI-native network can enable use cases related to human and autonomous agents: a) analogical reasoning for next-generation DTs, b) synchronized and resilient experiences for cognitive avatars, and c) brain-level metaverse experiences like holographic teleportation. Finally, we conclude with a set of recommendations to build AGI-native systems. Ultimately, we envision this paper as a roadmap for the beyond 6G era.
• Abstract（参考訳）: デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 このようなツールは、ネットワーク環境の非自明な課題や、新興ユースケースの需要の増加に対応するのに苦労しています。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れる。 これらのシステムは、知覚、アナロジー、推論などの異なる認知能力を活用して、予期せぬシナリオを一般化し、扱えるようにすることで、常識を身につける。 このようなシステムのコンポーネントの開発に向けて、実世界の要素を一般化可能な表現に抽象化することで、知覚モジュールをどのように構築できるかを示すことから始める。 これらの表現は、因果性と超次元(HD)コンピューティングの原理に基づいて構築された世界モデルを作成するために使用され、直感的な物理学と整合し、共通感覚を定義する類推的推論を可能にする。 そこで本研究では,AGIネイティブネットワークを動作させる意図駆動型計画手法の提案において,統合情報理論などの手法が果たす役割について解説する。 次に、AGIネイティブネットワークが、人間や自律エージェントに関連するユースケースをどのように実現できるかについて議論する。 a)次世代DTの類似推論 ロ 認知アバターの同期で回復力のある体験、及び c)ホログラフィックテレポーテーションのような脳レベルのメタバース体験。 最後に、AGIネイティブシステムを構築するための一連のレコメンデーションで締めくくります。 最終的に、この論文は6G以上の時代のロードマップとして考えています。

関連論文リスト

• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• Neurosymbolic AI - Why, What, and How [9.551858963199987]
  人間は知覚と認知の組み合わせを使って環境と相互作用する。 一方、機械認識はより複雑な計算を包含する。 本稿では,ニューロシンボリックAIの新たなパラダイムを紹介する。
  論文  参考訳（メタデータ） (2023-05-01T13:27:22Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• The Interplay of AI and Digital Twin: Bridging the Gap between Data-Driven and Model-Driven Approaches [2.842794675894731]
  Digital Twin(DT)の概念は、物理エンティティとネットワークダイナミクスのための仮想ツインを作成することを目的としている。 AIがDTのシードであるという一般的な理解にもかかわらず、DTとAIが互いに有効になることを期待しています。
  論文  参考訳（メタデータ） (2022-09-26T05:12:58Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• Draw your Neural Networks [0.0]
  このGUIベースのアプローチを用いて,ニューラルネットワークの設計と修正を行うSketchフレームワークを提案する。 このシステムは一般的なレイヤと操作を最初から提供し、サポート対象のトレーニング済みモデルをインポートできる。
  論文  参考訳（メタデータ） (2020-12-12T09:44:03Z)
• 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)

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。