From Intent to Infrastructure: LLM-Driven Agent Compilers for ISAC Networks

私たちの周りの空気が、賑やかで目に見えない高速道路であると想像してみてください。何十年もの間、私たちはこの高速道路を、ただテキストメッセージや動画、通話を送るためだけに利用してきました。これがワイヤレス通信の世界です。しかし今、科学者たちはこの高速道路のために新しい種類の乗り物を構築しています。それは、「話し」ながら同時に「見る」こともできる車です。これは「統合センシング通信（ISAC）」と呼ばれます。単にあなたのスマートフォンに信号を送るのではなく、ネットワークは物体に跳ね返る信号を送り、コウモリがエコーロケーション（反響定位）を使うように、車や人々、ドローンがどこにあるかを突き止めます。それは、あなたのスマートフォンがあなたに話しかけながら、同時に世界を見ることができるという、まるで超能力を手に入れたようなものです。

しかし、この二つの目的を併せ持つシステムを構築することは、非常に困難です。それは、ミュージシャンが完璧に音を奏でながら、同時に照明を変えたり小道具を動かしたりする舞台クルーとしても振る舞わなければならない交響曲を書くようなものです。「ミュージシャン」は電波であり、「小道具」はアンテナであり、「舞台」はそれらが共有する周波数のスペクトルです。もし、より良く聴き取るために音楽（センシング）を大きくすれば、会話（通信）がかき消されてしまうかもしれません。もし、舞台を素早く動かしすぎれば、ミュージシャンはついていけなくなります。これらのネットワークが6G（次世代インターネット）に向けて成長するにつれ、選択肢があまりにも膨大になり、人間のエンジニアがすべてのつまみを手動で調整することは不可能になります。彼らには、この混沌を管理するためのよりスマートな方法が必要です。

ここで、「エージェント・コンパイラ（Agent Compiler）」と呼ばれる新しいアイデアが登場します。これは、最近の『IEEE Communications Magazine』の論文で提案されたものです。これは、エンジニアに取って代わるロボットではなく、大規模言語モデル（LLM）――あなたとチャットしたり物語を書いたりできる、あの種のAI――によって駆動される、非常にスマートな「翻訳者」あるいは「オーケストラの指揮者」だと考えてください。論文は、ドローンが飛行したり嵐が来たりするたびに、人間に何千もの設定を微調整させるのではなく、単に自然な英語で目標を伝えるべきだと提案しています。AIはコンパイラ（人間のコードを機械への指示に変換するツール）のように機能し、私たちの単純な願いを、複雑で機能的なネットワーク計画へと翻訳します。

この論文は、今日すべてのスマートフォンで動作する完璧な完成品を作り上げたと主張しているわけではありません。代わりに、新しいフレームワークを提案し、それをコンピュータ・シミュレーションでテストしています。研究者たちは、この「エージェント・コンパイラ」が、「被災地で生存者を見つけて」といった、乱雑でハイレベルな要求を受け取り、それをネットワークのためのステップ・バイ・ステップのレシピへと分解できることを見出しました。それは、どのドローンを使用するか、どの程度の速さでスキャンするか、そしてどのように電波を共有するかを決定し、その間もシステムが安全かつ高速であることを維持します。

この魔法がどのように起こるのか、物語として分解してみましょう。

問題点：回すべきつまみが多すぎる

あなたが宇宙船の船長だと想像してください。あなたには「小惑星をスキャンする」ボタンと「地球にメッセージを送る」ボタンがあります。しかし、これらのボタンは同じエンジンに接続されています。もし「スキャン」ボタンを強く押しすぎると、エンジンが熱くなり、メッセージが乱れてしまいます。もし「メッセージ」ボタンを強く押しすぎると、スキャナーが目が見えなくなってしまいます。

現実の世界では、ISACネットワークはまさにこの問題に直面しています。彼らは同じハードウェア、同じ電波、そして同じ時間を共有しなければなりません。論文は、これらを解決するための従来の方法（厳格なルールブックに従う方法や、ディープ強化学習のようにコンピュータに試行錯誤させる方法）が、あまりに硬直的すぎるか、あるいは遅すぎることを指摘しています。ルールブックは突然の嵐に対処できませんし、学習するコンピュータは状況が変わったときに何をすべきかを判断するのに時間がかかりすぎるかもしれません。

解決策：「エージェント・コンパイラ」

著者らは、「エージェント・コンパイラ」と呼ばれる新しいシステムを提案しています。これは、料理を作るのではなく、専門の料理人チームのための完璧なレシピを書く「マスターシェフ」のようなものです。

1. シェフ（LLM）： あなたはシェフに、「3km×3kmのエリア内で6機のドローンを使い、4人の生存者を見つけたい。ビデオは100ミリ秒以内に基地局へ送ってほしい」と伝えます。シェフ（AI）は、この自然言語を理解します。
2. レシピ本（IPG）： シェフはただ命令を叫ぶのではありません。詳細な「ISACポリシーグラフ（IPG）」を書き上げます。これは設計図のようなものです。大きな仕事を小さなタスクに分解します。「ドローンAはここでスキャンする」「ドローンBはビデオを送信する」「ドローンCはデータを待つ」。また、それらの間でデータがどのように流れるかを示す線も描きます。
3. 専門の料理人（アルゴリズム）： シェフは、レーダーの計算やビデオ圧縮自体を自分で行うことはしません。彼は、その仕事に最適な既存のツール（アルゴリズム）を選び、それらに正確に何をすべきかを指示します。
4. 安全チェック： レシピがキッチンに送られる前に、シェフは確認します。「これは可能か？ 電力は足りているか？ ビデオが遅くなりすぎないか？」。もし計画が不可能であれば、シェフは誰かが調理を始める前にレシピを修正します。

3段階の適応

このシステムの最も素晴らしい部分は、物事がうまくいかなくなった時の対処法です。論文では、ネットワークを鷹の目で見守る「ランタイム・エンジン」について説明しています。これには、ビデオゲームのキャラクターが持つ異なるパワーアップのような、3つの反応レベルがあります。

• レベル1：クイック・フィックス（ミリ秒単位）： もし信号がわずかに弱まった場合、システムは瞬時につまみを調整します（ボリュームを上げるなど）。これは非常に高速に行われるため、AIすら関与せず、単なる反射的な動作として行われます。
• レベル2：部分的書き換え（秒単位）： もしドローンが塵の雲の中に迷い込み、数秒間うまく見えなくなった場合、AIが介入します。システム全体を書き換えるのではなく、その特定のドローンのためのレシピの一部だけを書き換えます。
• レベル3：フル・リスタート（分単位）： もしドローンが墜落したり、ミッションの内容が完全に変わったりした場合（例：「生存者探しをやめて、火災の捜索を開始せよ」）、AIは古いレシピを破棄し、ゼロから全く新しいレシピを作成します。

テスト：災害救助シミュレーション

これが機能するかどうかを確認するために、研究者たちは災害救助のシミュレーションを実行しました。想像してみてください、都市に地震が発生しました。6機のドローンが投入されます。4機は生存者を探す「スキャナー」であり、2機はビデオを司令センターに送る「リレー」です。

彼らは、物事がうまくいかなくなるシナリオを設定しました。

• 80秒時点： 金属の残骸の山が「クラッター（ノイズ）」ゾーンを作り出し、スキャナーが視認しにくくなります。
• 200秒時点： 1機のドローンがバッテリー切れで墜落し、司令センターが新しい緊急命令を送ります。

研究者たちは、この「エージェント・コンパイラ」を、5つの他の手法（決して変化しない「固定型」や、毎秒AIに助言を求める「ダイレクトLLM」を含む）と比較しました。

結果は興味深いものでした。「固定型」は、残骸が現れた瞬間に失敗しました。「ダイレクトLLM」は正しい方向は見出しましたが、考えるのに時間がかかりすぎたため、反応が遅すぎました。しかし、「エージェント・コンパイラ」は主役となりました。

• 残骸が現れたとき、システムは迅速に設定を調整し（レベル1）、その後、クリアな領域に焦点を当てるようにスキャン計画を書き換えました（レベル2）。
• ドローンが墜落したとき、システムはミッションを完全に再編成し（レベル3）、残りのドローンでその空白を埋めるようにしました。

シミュレーションにおいて、エージェント・コンパイラは、視認性と通信の良さを組み合わせたスコアである「ユーティリティ」において、0.524という最高値を達成し、次に優れた手法であるダイレクトLLMの0.519を上回りました。

これが意味すること（および意味しないこと）

この論文は、自分たちが何を成し遂げ、何を成し遂げていないかを非常に明確に述べています。これは、今日購入できる物理的なネットワークを構築したわけではありません。また、これが現実世界のあらゆる状況で機能することを証明したわけでもありません。結果は、300秒間のコンピュータ・シミュレーションに基づいています。

著者らは、このアプローチが将来の6Gネットワークの複雑さを扱うための有望な方法であると考えています。彼らは、すべての電波を個別に手動で調整しようとするのではなく、私たちのハイレベルな目標をローレベルの指示へと翻訳するためにAIを使用する必要があると主張しています。

しかし、課題もあると警告しています。AIは時として、レシピの中で間違い（機能しない計画を生成する「ハルシネーション」）を犯す可能性があります。状況の変化が速すぎる場合、考えるのに時間がかかるかもしれません。そしてもちろん、AIがハッカーに騙されたり、人々がどこに隠れているかというプライバシー情報を漏洩させたりしないようにする必要があります。

要約すると、この論文はワイヤレスネットワークの未来に対する新しい考え方を提示しています。それは、私たちが細かく管理しなければならない機械の集まりではなく、スマートな「コンパイラ」に複雑な処理を任せ、シンプルなミッションを与えることができる「チーム」としての姿です。これは、テクノロジーが私たちに適応するのではなく、私たちがテクノロジーに適応しなければならない世界から、テクノロジーが私たちに合わせてくれる世界への一歩なのです。