[논문 리뷰] Applications of Explainable AI for 6G: Technical Aspects, Use Cases, and Research Challenges

Shen Wang, M. Atif Qureshi외 4명|arXiv (Cornell University)|2021. 12. 09.

Privacy-Preserving Technologies in Data인용 수 23

한 줄 요약

이 논문은 자율주행차 및 원격 수술과 같은 고위험 응용 분야에서 AI 기반 의사결정의 투명성과 신뢰도를 향상하기 위해 설명 가능 인공지능(XAI)을 6G 네트워크에 통합하는 것을 제안한다. 기술적 구성요소와 사례를 분석함으로써 설명 가능성의 핵심 과제를 규명하고, 6G 시스템에서의 XAI 향후 연구 방향을 제시한다.

ABSTRACT

When 5G began its commercialisation journey around 2020, the discussion on the vision of 6G also surfaced. Researchers expect 6G to have higher bandwidth, coverage, reliability, energy efficiency, lower latency, and an integrated "human-centric" network system powered by artificial intelligence (AI). Such a 6G network will lead to an excessive number of automated decisions made in real-time. These decisions can range widely, from network resource allocation to collision avoidance for self-driving cars. However, the risk of losing control over decision-making may increase due to high-speed, data-intensive AI decision-making beyond designers' and users' comprehension. The promising explainable AI (XAI) methods can mitigate such risks by enhancing the transparency of the black-box AI decision-making process. This paper surveys the application of XAI towards the upcoming 6G age in every aspect, including 6G technologies (e.g., intelligent radio, zero-touch network management) and 6G use cases (e.g., industry 5.0). Moreover, we summarised the lessons learned from the recent attempts and outlined important research challenges in applying XAI for 6G in the near future.

연구 동기 및 목표

• 고속, 데이터 집약적인 자동화로 인해 증가하는 6G 네트워크에서 신뢰할 수 없는 AI 의사결정의 위험을 해결한다.
• 특히 투명성과 사용자 신뢰 측면에서 6G에 AI를 구현할 때 발생하는 기술적 및 사회적 과제를 규명한다.
• 기존 XAI 기법들을 검토하고, 6G 응용 분야 및 네트워크 관리 시스템에의 적용 가능성을 분석한다.
• GDPR 및 PIPL 준수와 같은 규제, 윤리적, 기술적 장벽을 포함하여 XAI의 6G 도입 장애 요인을 강조한다.
• 양자 컴퓨팅 및 블록체인 3.0과 같은 신규 6G 기술과 XAI를 통합하기 위한 향후 연구 방향을 제시한다.

제안 방법

• LIME, SHAP, LRP, PIRL와 같은 XAI 기법을 6G 시스템에 적용하기 위한 종합적 서베이를 수행한다.
• 지능형 무선, 제로터치 네트워크 관리, 의도 기반 네트워킹을 포함한 6G 기술 구성요소에 XAI 방법을 매핑한다.
• 산업 5.0, 연결형 자율주행차(CAVs), 확장현실(XR)과 같은 실제 6G 응용 사례를 분석하여 XAI 통합 수요를 평가한다.
• 채널 추정 및 전력 할당과 같은 AI 기반 네트워크 기능에서의 설명 가능성에 대해 기존 XAI 프레임워크를 평가한다.
• 설명의 품질과 인간이 이해할 수 있는 정도를 평가하기 위해 심리학적 평가 모델(예: 시스템 인과성 척도)을 통합한다.
• 6G 환경에서 양자 컴퓨팅 및 블록체인 3.0과 같은 신기술과 XAI 간의 시너지를 탐색한다.

실험 결과

연구 질문

• RQ1 어떻게 XAI 기법이 AI 기반 6G 네트워크 관리 및 자원 할당의 투명성과 신뢰도를 향상시킬 수 있는가?
• RQ2 원격 수술 및 자율주행과 같은 다양한 6G 응용 분야에서 XAI를 구현할 때 발생하는 주요 기술적 및 규제 과제는 무엇인가?
• RQ3 LIME, SHAP, LRP와 같은 기존 XAI 방법은 고지연, 고용량 데이터 환경인 6G 환경에서 어떻게 성능을 발휘하는가?
• RQ4 6G 네트워크 운영자 및 최종 사용자를 대상으로 효과적인 XAI 인터페이스를 설계할 때 인간-컴퓨터 상호작용은 어떤 역할을 하는가?
• RQ5 양자 컴퓨팅 및 블록체인 3.0과 같은 신규 6G 기술과 XAI를 통합하여 설명 가능하고 안전하며 규제 준수된 의사결정을 보장할 수 있는 방법은 무엇인가?

주요 결과

• 신호 검출, 채널 추정, 전력 할당과 같은 주요 6G 무선 시스템은 현재 낮거나 전혀 설명 가능성이 없어, 심각한 신뢰 격차를 만들어내고 있다.
• LIME, SHAP, LRP와 같은 XAI 기법은 AI 기반 6G 기능의 해석 가능성 향상 잠재력을 보이고 있지만, 실시간, 고용량 데이터 조건에서의 성능은 아직 입증되지 않았다.
• XAI의 6G 통합은 스마트 헬스케어 및 웨어러블 AI와 같은 개인정보 민감도가 높은 분야에서 GDPR 및 PIPL 준수를 위해 필수적이다.
• 현재의 XAI 프레임워크는 결정 투명성이 필수적인 고위험 응용 분야인 자율주행 및 원격 수술과 같은 복잡한 6G 응용 분야에는 부적합하다.
• 양자 컴퓨팅 및 블록체인 3.0을 포함한 미래의 6G 시스템은 이질적이고 분산되어 있으며 고성능인 환경에서의 설명 가능성 관리를 위해 고도화된 XAI가 필요하다.
• DARPA XAI 이니셔티브(2017)는 XAI의 기본 원리를 마련했지만, 6G에의 적용은 제한적이며, 확장 가능하고 인간 중심의 설명 가능성에 대한 상당한 연구 격차가 존재한다.