در سال‌های اخیر، مدل‌های زبانی بزرگ (LLMs) از چارچوب‌های صرفاً پردازش زبان فراتر رفته و به ابزارهایی عمومی برای «درک، استنتاج و تصمیم‌گیری» تبدیل شده‌اند. یکی از حوزه‌هایی که به‌طور بنیادین می‌تواند از این تحول بهره‌مند شود، شبکه‌های مخابراتی است.
در لایه سوییچ شبکه، جایی که تصمیم‌های حیاتی درباره مسیریابی، تخصیص منابع، ترافیک و تأخیر گرفته می‌شود، مدل‌های زبانی بزرگ می‌توانند نقش یک مغز تطبیق‌پذیر را ایفا کنند. این مدل‌ها قادرند الگوهای پیچیده‌ی ترافیکی، رفتار کاربران و وضعیت لحظه‌ای شبکه را به‌صورت یکپارچه درک کرده و از این درک برای بهینه‌سازی تصمیم‌ها استفاده کنند.
نکته کلیدی اینجاست که LLMها تنها «پیشنهاددهنده» نیستند؛ بلکه می‌توانند به سمت شبکه‌های خودتنظیم‌گر حرکت کنند. شبکه‌هایی که به‌صورت پیوسته پارامترهای خود؛ از جمله پهنای باند، سیاست‌های سوییچینگ، زمان‌بندی بسته‌ها و تحمل خطا،را بر اساس شرایط واقعی و پیش‌بینی آینده تنظیم میکنند

بابک حسین خلج
عضو هیات علمی دانشگاه صنعتی شریف
#برای_هوش_مصنوعی