Quand des agents d’IA se disputent entre eux
La mise en œuvre de plusieurs agents d’intelligence artificielle dans un réseau de télécommunications a de plus en plus de conséquences imprévues, car les modèles tentent d’équilibrer les exigences de différentes manières.
Cela pose des problèmes pour la conception des puces de la prochaine génération qui intègrent une capacité native d’agent d’intelligence artificielle pour les réseaux 5G et 6G.
« Nous avons mis en œuvre deux agents d’intelligence artificielle sur des produits Samsung et ils ont causé des problèmes dans le réseau. Un agent optimisait l’interface aérienne et un autre s’occupait de l’équilibrage de la charge », a déclaré Dan Warren, directeur de la recherche sur les communications chez Samsung R&D UK. Le premier agent poussait les appareils hors d’une bande pour la désactiver, tandis que le second poussait les appareils vers l’extérieur pour équilibrer la charge.
« Lorsque vous avez beaucoup de cellules et beaucoup de bandes, il y a beaucoup d’applications, beaucoup d’intelligence artificielle et beaucoup de problèmes si vous ne faites pas les choses correctement », a-t-il déclaré.
« Tout le monde est conscient de la question du conflit entre l’IA et la technologie, et c’est ce qui fait trébucher les gens », a déclaré Rob Curran, de l’institut d’analyse des télécommunications Appledore Research. « Différents frontaux radio, certains optimisés pour l’efficacité énergétique, d’autres pour les performances.
Les agents d’intelligence artificielle sont utilisés dans plusieurs couches de la RAN. Courtesy : RANsemi
Cela a des implications pour les architectures de réseau et la conception de la prochaine génération de puces dans le réseau qui fera fonctionner les agents d’intelligence artificielle.
« C’est de là qu’est née l’idée de disposer d’une couche dans le réseau où toutes les intentions des IA sont reconnues », a déclaré M. Warren.
« Nous avons été confrontés à ces problèmes de luttes et de conflits entre les modèles d’IA, lorsque nous analysons les résultats des modèles d’IA », ajoute le professeur Shadi Moazzeni, directeur du laboratoire Smart IoT de l’université de Bristol, qui étudie les exigences des agents d’IA dans les réseaux 6G.
La question de la lutte contre l’IA est particulièrement importante pour l’IA intégrée, selon le concepteur de puces britannique RANsemi. Il développe une puce pour le réseau d’accès radio (RAN) optimisée pour l’IA avec son propre accélérateur.
- Bristol et Kings College lancent un centre de recherche sur la 6G
- La géopolitique motive la dernière entreprise britannique de puces de télécommunication
« Le fait est qu’en particulier avec l’IA intégrée, vous devez commencer à réfléchir à la bonne quantité de calcul, aux interfaces avec les processeurs hôtes compagnons, si vous fabriquez une puce pour une application spécifique, vous devez penser à beaucoup d’autres choses », a déclaré Doug Pulley, directeur technique du concepteur de puces britannique RANSemi.
Les agents d’IA de haut niveau opérant dans le cloud avec des temps de latence de l’ordre de la milliseconde constituent un problème très différent des exigences de l’IA embarquée qui sont de l’ordre de la microseconde, explique M. Pulley.
« L’approche par défaut de l’IA pour la RAN consiste à placer l’IA dans le cloud, soit pour l’entraînement et l’inférence, soit, au minimum, pour l’entraînement hors ligne des modèles. Chaque emplacement de station de base est différent et présente des caractéristiques dynamiques sur plusieurs échelles de temps (pour l’environnement RF et le trafic), explique Oliver Davies, vice-président du marketing chez RANsemi.
« Le traitement de la bande de base edge du réseau RAN est soumis à des contraintes techniques strictes, notamment une latence ultra-faible, une synchronisation étroite et une efficacité énergétique élevée. Le déchargement des charges de travail d’IA vers un calcul en cloud à usage général, ou même vers des serveurs edge refroidis par air, n’est pas pratique à l’échelle. Au lieu de cela, l’IA en bande de base doit être étroitement conçue avec son environnement matériel, en intégrant l’accélération DSP, des moteurs d’inférence dédiés et des E/S à haut débit pour répondre aux exigences de performance des télécommunications sans fil ».
Les agents d’IA dans le RAN. Courtoisie : RANsemi
Une station de base d’agent IA est un nœud auto-régulé qui utilise l’IA non seulement pour optimiser les opérations de la couche physique telles que la formation de faisceaux ou l’atténuation des interférences, mais aussi pour prendre des décisions autonomes dans les différentes couches logicielles.
C’est ce qui rend nécessaire la coordination entre les agents de l’IA. « Nous sommes dans une phase de transition », a déclaré M. Curran. « Tout le travail et l’expérimentation en cours sont extrêmement précieux, car l’industrie doit apprendre très vite.
Évolution du réseau 6G
« La difficulté réside dans le fait que l’ensemble du réseau est un compromis », a déclaré M. Warren. « Même avec l’interface air (antennes) le compromis est la couverture par rapport à la capacité, puis il y a la capacité de transmission par rapport au coût. C’est là que vous pouvez utiliser l’IA pour optimiser les choses ».
« Il est essentiel que ces agents apprennent à partir de données locales, reflétant leur environnement RF spécifique, les schémas de trafic et le comportement des utilisateurs, plutôt que de s’appuyer uniquement sur des ensembles de formation centralisés. Cette approche signifie également que les stations de base agentiques peuvent travailler ensemble dans des configurations multi-agents, en partageant leurs connaissances et en optimisant conjointement les objectifs de l’ensemble du système », a déclaré M. Davies.
Les stratégies « cloud-first » et les puces d’intelligence artificielle des centres de données ne suffiront pas à assurer la transition vers une technologie RAN native pour l’intelligence artificielle », ajoute-t-il. « Il faut des architectures d’IA intégrées sur mesure, adaptées aux contraintes uniques des télécommunications sans fil modernes. Une approche qui implique de repenser la conception du silicium, du logiciel et du système, en mettant l’accent sur la performance déterministe et l’adaptabilité autonome. »
« Nous devons connaître les exigences de l’industrie pour pouvoir vous aider », explique M. Moazzeni de RANsemi.
« Je dirais que la recherche a un très bon rôle à jouer ici, car lorsque nous comprenons mieux les besoins de l’industrie et du monde de demain, nous devons envisager les besoins dans dix ans, ce qui est très difficile. Nous devons aussi collaborer avec l’industrie pour former les étudiants de manière utile. »
www.appledoreresearch.com ; www.ransemi.com ; www.samsung.com ; www.bristol.ac.uk
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
