ARTICLE · 1193963
6G时代,AI必须从“聪明”走向“可信”
近日，来自英国约克大学、爱尔兰都柏林大学等机构的研究团队，在IEEE发表综述论文：《Advancing 6G: Survey for Explainable AI on Communications and Network Slicing》系统分析了未来6G网络中的关键技术——可解释人工智能（Explainable AI，XAI）。
论文指出6G并不是简单的“5G升级版”，未来6G将支持数百Gb/s甚至Tb/s级的数据传输，并具备超低延迟、高可靠性、自主优化等能力。它将融合太赫兹通信、边缘计算、网络切片、AI智能管理等技术，成为连接人、车、设备和城市的智能基础设施。
FIGURE 2.6G key features, potential scenarios, and technologies.
Q
但是，越强大的AI，也带来了新的问题：如果AI做错了，人类知道为什么吗？
过去，网络优化主要依靠人工规则。
工程师可以知道：为什么调整频率；为什么增加带宽；为什么修复某个设备。
但进入6G时代，网络复杂度暴涨。
AI需要实时处理：
海量用户数据；
动态信号变化；
设备状态；
网络负载情况。
A
论文指出，传统AI模型尤其是深度学习模型往往具有“黑箱”特点，虽然预测能力强，但决策逻辑难以理解，这会影响关键场景中的安全和信任。
比如：AI突然降低某辆自动驾驶汽车的通信优先级。原因是什么？是信号不好？是道路拥堵？还是算法判断存在风险？如果无法解释，人类就无法真正信任它。
XAI：让AI不仅会回答，还会解释
XAI的核心理念不是让AI变得更聪明，
而是让AI变得更透明。
传统AI：输入数据 → AI模型 → 输出结果
XAI：输入数据 → AI模型 → 输出结果
同时告诉你“为什么？”
网络速度下降。
普通AI：“预测网络性能下降。”
XAI：“主要原因是用户数量增加40%，信号强度降低20%，导致网络负载过高。”
这意味着：AI第一次拥有了“解释能力”。
FIGURE 3.The number of scholarly works containing the keywords “XAI,” “XAI model,” or “XAI in communications” across different years.
有SCI润色，
SCI辅导，
申博辅导需求的伙伴，
欢迎加V咨询。
论文总结6大XAI技术，破解AI黑箱
研究团队系统梳理了当前最重要的XAI方法。
FIGURE 4.Overview of currently popular XAI Algorithms.”
1. SHAP：找出影响决策的关键因素
SHAP基于博弈论思想，可以计算不同因素对AI判断的贡献。
例如：网络速度下降。SHAP可以告诉工程师：信号强度影响最大；用户数量其次；天气因素影响较小。这样，网络维护人员可以快速定位问题。
FIGURE 5.Example of SHAP.
2. LIME：解释一次具体决定
如果AI做出了一个特殊判断：为什么？
LIME可以模拟附近情况，分析哪些因素导致这个结果。
例如：为什么车辆通信需要更高优先级？因为：速度增加；延迟升高；道路环境变化。它帮助人类理解AI的一次具体决策。
FIGURE 6.Example of LIME.
3. 反事实解释：告诉你“改变什么才能变好”
它回答：“如果改变某个条件，结果会不会不同？”
比如：当前网络延迟50毫秒。AI可以告诉你：如果提高信号质量，降低用户负载，延迟可能下降到20毫秒。这让AI建议从“解释”变成“行动方案”。
FIGURE 7.Example of CounterFactual.
最大应用场景：6G网络切片
6G的重要技术之一：网络切片。
TABLE 6 XAI Applications in the MAC/Network Layer
一张物理网络，可以切割成多个专用网络。
医院远程手术：需要极低延迟。
自动驾驶：需要极高可靠。
普通用户：需要高速上网。
不同应用拥有不同网络资源。
但问题来了：资源应该怎么分？AI可以解决。可是：为什么这样分？运营商不知道。
XAI加入后AI不仅分配资源，还能解释“因为远程医疗任务优先级更高。”“因为车辆通信需要毫秒级响应。”“因为当前区域用户密度增加。”
FIGURE 8.Stakeholders for implementing XAI in communications systems.
论文认为，XAI能够提升网络切片中的透明度、可靠性和资源管理能力，是未来6G智能网络的重要支撑。
TABLE 8 List of XAI in Network Slicing Application
自动驾驶时代，也需要一个“会解释的AI”
未来自动驾驶依赖V2X通信：
车辆与车辆交流；
车辆与道路交流；
车辆与城市系统交流。
如果汽车突然刹车，用户最想知道为什么？
XAI可以解释“前方车辆减速。”“道路传感器检测异常。”“通信延迟出现变化。”让自动驾驶从：“相信机器”变成：“理解机器”。
未来AI竞争，不只是比谁更强
过去：AI竞争看准确率。
未来：AI竞争看可信度。
因为：
无人驾驶需要信任；
远程医疗需要信任；
智能城市需要信任。
一个无法解释自己的AI，很难真正进入关键领域。
这篇IEEE论文揭示了一个重要趋势：未来6G的核心，不只是让网络更快。而是让网络更智能、更透明、更值得相信。从人工智能（AI），走向可解释人工智能（XAI）。这可能是下一代通信革命真正的关键一步。
（注：本文基于发表于《IEEE Open Journal of the Communications Society》的综述论文《Advancing 6G: Survey for Explainable AI on Communications and Network Slicing》进行深度解读。数据与结论来自原论文，仅供学术与技术交流。若有侵权行为，请联系我们删除。）
往期回顾
01 |
02 |
03 |
