AI-Native Networks White Paper

― AIと通信の融合がもたらす未来 ―

いまのAI活用は、ネットワークの一部にAIを「入れている」段階です。その先には、AIの学習・推論のサイクルとネットワークの設計・運用のサイクルが一体となり、ネットワークが自ら判断し自ら変わる「AIネイティブネットワーク」の姿があります。AIネイティブネットワークが実現される頃には、通信ネットワークの役割は「データを届ける基盤」から「判断の論理と信頼を支える基盤」へと変わっていくことも期待されます。

本ホワイトペーパーはこのような姿を見据え、制御判断の何が事前に決められなくなるのかを「判断の位置・根拠・主体」という三つの軸で整理しました。この問題は、通信制御に関与するAIの説明可能性や検証可能性、人間がどこまで設計しどこから判断を委ねるか、そして社会基盤としての責任分界にも関わります。

その上で、これから未来を見据えて設備投資の根拠をどう説明するか、検証の前提が崩れたとき何をもって「正しい」とするか、障害が起きたとき責任をどう切り分けるか——こうした問いに対して、異なる立場の関係者が共通の条件のもとで比較・検証を重ねていく「検証連携基盤」の考え方と段階的な進め方の案を提案しています。

答えを出すというより、問いを共有するためのホワイトペーパーです。

本ホワイトペーパーは特定のAI技術に限定せず、通信ネットワークの制御・運用に関与するAI全般を対象としています。強化学習によるリアルタイム制御、深層学習による予測・異常検知、機械学習による分類・判定、LLMによる運用支援やIntent変換など、技術や方式が異なっても「判断の位置・根拠・主体が設計時に定義できなくなる」という課題は共通して生じます。

こんなこと生じてませんか？ 想定される場面 ー 6つの例

• ① トラフィック制御の品質が落ちた。原因はどこに？
  Near-RT RICがリアルタイムでトラフィックを振り分けている環境で、通信品質が低下した。原因はRICの判断か、コアネットワーク側のリソース不足か、それともクラウドで更新された学習モデルか。判断が複数のレイヤーに分散しているため、切り分けができない。
• ② 省エネのためにセルを止めたら、つながらなくなった
  AIが省エネ目的でセルのON/OFFを制御したところ、特定エリアの通信品質が低下した。判断基準はAIが学習で更新しているため、「なぜこのタイミングでOFFにしたのか」を事後に説明できない。
• ③ それぞれのAIは正しいのに、全体がおかしくなる
  複数のネットワークスライスが、それぞれ独立したAIでリソース配分を最適化している。各AIは自らの目的に照らせば正しい判断をしているが、物理リソースの奪い合いが起き、全体性能が劣化した。どのAIの判断が原因なのか、特定する手段がない。
• ④ ベンダーが違えば、判断も違う
  ベンダーAのRICとベンダーBのコアNW AIが異なる判断を出したとき、どちらを優先するかのルールは運用中に変わり得る。障害が起きても、「どちらのAIの判断が原因か」を切り分ける手段がない。
• ⑤ 自然言語の指示が、意図通りの制御になっているか分からない
  運用者が「遅延を最小化して」とLLMに指示し、LLMがネットワーク設定に変換した。しかし、その変換が運用者の意図通りかを検証する手段がない。LLMの出力は同じ指示でも毎回異なり得るため、再現性も保証できない。
• ⑥ ルールのようで、ルールではない
  異常検知にランダムフォレスト等の機械学習を使っている。ルールベースに近い動作に見えるが、学習データが更新されるたびに判定境界が変わる。運用者は「ほぼルール」と認識しているが、実際には判断基準が静かに変わり続けている。

想定される読者

本ホワイトペーパーを読むにあたっての前提知識

本ホワイトペーパーは、AIと通信が融合する社会基盤としてのAIネイティブネットワークの変化を、技術・運用・投資・制度を横断する視点から整理したものです。以下のような基礎的な理解があると、内容をより的確に把握できます。