تتجه الشبكات من الجيل السادس (6G) إلى ما هو أبعد من كونها مجرد بنية تحتية للتواصل. بل يُتوقع أن تتحول إلى أنظمة ذكية تشمل الآلاف من الوكلاء المستقلين للذكاء الاصطناعي (AI) المترابطين. تنتشر هذه الوكلاء عبر منصات متعددة تشمل الأقمار الصناعية في المدار المنخفض (LEO)، والمنصات ذات الارتفاع العالي (HAPs)، والطائرات بدون طيار (UAVs)، وخوادم الحافة (Edge Servers)، والأجهزة الأرضية.

تقوم هذه الوكلاء بمراقبة بيئتها باستمرار وتبادل المعلومات، مما يفتح المجال لأهمية التواصل الدلالي (Semantic Communication) كآلية فعالة لتبادل المعلومات المعنوية بدلاً من البيانات الخام. لكن فعالية هذه الطريقة تعتمد على توافق معتقدات الوكلاء المتواصلين، مما يضمن فهمهم وتفسيرهم الصحيح للرسائل المرسلة. ومع ذلك، يصبح تحقيق هذا الشرط صعبًا في الشبكات 6G، حيث تعمل نماذج الذكاء الاصطناعي المتنوعة تحت قيود حسابية مختلفة وتكتسب معرفة فريدة من بيئاتها المحلية.

لذا، يقدم الباحثون إطار عمل مبتكر لتنسيق المعتقدات المعتمدة على التنوع في الشبكات الأصلية للذكاء الاصطناعي 6G. يعتمد هذا الإطار على نماذج الترجمة الكامنة (Latent Translation Models) التي تم نشرها على خوادم الحافة متعددة الوصلات (Multi-access Edge Computing). تعمل هذه النماذج على ترجمة تحديثات المعتقدات من وكيل إلى معرفة خاصة بكل وكيل دون الحاجة إلى تدريب مشترك أو بنية نماذج متجانسة.

من خلال تبادل تحديثات المعتقدات بشكل مضغوط عبر نموذج الترجمة الكامنة عند الحاجة فقط، يحافظ هذا الإطار على الخصوصية ويقلل من تكلفة التزامن في الوقت نفسه، مما يخفف من تقلب المعرفة المحلية. تم التحقق من فعالية هذا الإطار من خلال دراسة حالة على شبكة متعددة الطبقات تجمع بين الأنظمة الأرضية وغير الأرضية.

أظهرت النتائج الحفاظ على انخفاض تكلفة التزامن، مقاسًا بعدد المعلمات المرسلة، وانخفاض خطأ محاذاة المعتقدات بين الوكلاء المت heterogenous في حالة الدراسة. إن هذا الابتكار يعد خطوة هامة في مستقبل الاتصالات الدلالية ويعكس كيف يمكن للشبكات 6G أن تحدث ثورة في عالم الذكاء الاصطناعي.