Resultados Esperados
Los principales resultados esperados incluyen:
- Aplicabilidad realista de la IA a gran escala en redes 6G para soportar nativamente arquitecturas de IA, conjuntos de datos comunes y/o metodologías de aprendizaje federado y modelos de evaluación, incluyendo el reentrenamiento de modelos con la introducción/actualización de los conjuntos de datos; soluciones de IA/ML que tendrán una contribución impactante a las actividades de estandarización; solución de interpretabilidad que explore pruebas de cumplimiento estándar y técnicas de depuración.
- Desarrollo de conjuntos de datos curados de escenarios 6G realistas (utilizando nuevos conjuntos de datos reales y/o sintéticos) para su uso de referencia en investigación y estandarización de telecomunicaciones, apuntando a su amplia aceptación y uso futuro para la comparación por futuras actividades de I+D de la UE.
- Análisis, agregación y armonización de resultados de proyectos existentes y creación de un marco general para la comparación y calibración, pruebas y evaluación de soluciones de IA para redes 6G.
- Métricas y modelos para evaluar los pros y los contras de las tecnologías de IA en telecomunicaciones, incluyendo aspectos como eficiencia energética, explicabilidad, fiabilidad, seguridad y privacidad, no discriminación, rendimiento, así como la usabilidad y accesibilidad para los usuarios. El enfoque específico debería centrarse en la eficiencia energética y la complejidad computacional que siguen siendo problemas abiertos para el hardware en tiempo real.
- Recomendaciones para políticas y directrices regulatorias sobre el desarrollo y uso de soluciones de IA para optimizaciones de redes y provisión de IA como servicio.
- Desarrollo de un marco de IA fiable que debe abordarse en cada etapa de la construcción del sistema de IA (desde los datos hasta el desarrollo del modelo, etc.).
- El enfoque debería centrarse en la implementación y estar conectado a los esfuerzos de estandarización actuales y los marcos y herramientas de código abierto de vanguardia.
Alcance
El enfoque de este Área se centra en varios temas complementarios y los solicitantes pueden seleccionar varios o todos los temas mencionados a continuación. El objetivo principal de este proyecto es cubrir los vacíos y trabajar en la integración del sistema de extremo a extremo de las soluciones de IA/ML de SNS, o las soluciones de IA/ML desarrolladas a nivel nacional y no centrarse en problemas de IA/ML dedicados a dominios de redes específicos. El alcance del proyecto objetivo incluye:
- Desarrollo de un marco de referencia para el uso de IA de extremo a extremo para el dominio de las telecomunicaciones en relación con 6G, incluyendo metodologías para aplicaciones centralizadas, distribuidas y federadas, casos de uso de referencia, adquisición y generación de datos, repositorios, datos de entrenamiento y evaluación curados, así como las tecnologías y funcionalidades necesarias para utilizarlo como una plataforma de comparación para futuras soluciones de IA/ML para redes 6G. El marco debería ser ampliable para que las futuras acciones de I+D puedan seguir sus directrices y proporcionar fácilmente nuevos casos de uso y conjuntos de datos. Con este fin, el marco de referencia debe ser independiente del hardware, de modo que pueda admitir implementaciones de hardware heterogéneo.
- Desarrollo de infraestructura de datos y funcionalidades apropiadas que permitan servicios basados en IA novedosos, así como IA como servicio para industrias verticales.
- Modelos para costos y beneficios de IA en aplicaciones de telecomunicaciones. Se deberían poder evaluar métricas típicas de 6G, incluyendo pero no limitándose a la tasa de datos, latencia, densidad, eficiencia energética, flexibilidad y rendimiento, y/o seguridad y privacidad, pero también se pueden considerar otras métricas de valor.
- Soluciones que garanticen el uso fiable de la tecnología y generen confianza en 6G y en los servicios habilitados por 6G. Los temas asociados incluyen: i) evaluación del entorno de IA (entrenamiento, desarrollo, producción); ii) modelos de evaluación de costos fiables de IA y valor de rendimiento; iii) resolución de conflictos entre modelos de IA locales y globales, iv) evaluación de vulnerabilidades de modelos de IA para diferentes aplicaciones de telecomunicaciones potencialmente utilizando medios de hacking amigables y v) ciclo de vida de IA fiable y confiable, incluyendo los entornos de desarrollo e implementación de IA.
- El marco debería abordar una amplia gama de problemas abiertos, indicativamente y no limitados a, la resolución de conflictos de IA/ML de extremo a extremo, la ubicación de IA en lugares apropiados dentro de la red (por ejemplo, borde), proporcionar soluciones de IA/ML eficientes en energía, cómo manejar una gran cantidad de datos para fines de IA/ML utilizando recursos informáticos/almacenamiento y de red de manera escalable, y cualquier otro avance necesario para apoyar el objetivo general. Además, la IA/ML debería ser capaz de funcionar en diferentes/múltiples infraestructuras de red, herramientas, aplicaciones y necesidades de datos/comunicación.
- Cuando sea relevante, armonización/coordinación con iniciativas de 6G de los Estados miembros o países asociados, así como con la iniciativa de cooperación UE-EE.UU. SNS existente (HORIZON-JU-SNS-2023-STREAM-B-01-06: Cooperación de I+D UE-EE.UU. en 6G). Cualquier PoC producido debería implementarse de manera que su integración en futuros proyectos WP2025-26 de Stream C y/o Stream D de SNS sea posible (por ejemplo, soluciones de código abierto, documentación adecuada, soporte después de la finalización del proyecto, etc.).
- La producción de conjuntos de datos debería cubrir tantas áreas como sea posible de la operación real de las redes 6G (patrones de movilidad del usuario, patrones de tráfico de datos RAN/Transporte/Núcleo, fallos de red o ataques de seguridad, patrones de uso de la computación, etc.) incluyendo datos reales y sintéticos, o incluso datos adaptados apropiadamente de conjuntos de datos abiertos y gratuitos.
- Producción de conjuntos de datos y metodologías de validación, contribuyendo a la Humanización Centrada en 6G y la aceptación Societal y en cumplimiento con las normas de legislación de datos. También son deseables el desarrollo de pautas para consideraciones éticas y sugerencias para marcos regulatorios. También se pueden considerar métodos de acreditación de uso/cumplimiento para validar técnicas de producción de conjuntos de datos y conformidad de conjuntos de datos.
- Desarrollo de soluciones que aborden la necesidad de una IA/ML robusta y confiable validando los conjuntos de datos «de calidad» de diferentes escenarios, que influyen en los resultados de los sistemas de IA, así como en el resultado correspondiente de la IA.
- Verificación y validación de técnicas de IA sobre plataformas experimentales, proporcionando además los conjuntos de datos asociados.
Se espera que los solicitantes proporcionen detalles sobre el tipo y la disponibilidad de los conjuntos de datos que serán producidos y curados por el proyecto. Esto incluye, pero no se limita a, si se basarán en conjuntos de datos existentes o nuevos, socios del proyecto a cargo de producirlos, si se basarán en mediciones del mundo real o sintéticas, etc.; así como su complementariedad, disponibilidad de conjuntos de datos más allá de los socios del consorcio.
Deja una respuesta