Les réseaux de communication peuvent fournir de manière endogène des services d'entraînement à l'intelligence artificielle (AI) pour les entités de réseau à ressources limitées, afin de construire rapidement des jumeaux numériques précis et d'atteindre un haut niveau d'autonomie du réseau. Étant donné que les entités de réseau nécessitant des jumeaux numériques et celles fournissant des services AI peuvent appartenir à des opérateurs différents, un mécanisme d'incitation peut être utilisé pour maximiser l'utilité des deux parties. Cet article établit un modèle de jeu de Stenberg pour modéliser le délestage des tâches d'entraînement AI pour les jumeaux numériques dans le réseau AI endogène, où l'opérateur de la station de base est le leader et les entités de réseau à ressources limitées sont les suiveurs. Cet article analyse l'équilibre de Stenberg pour obtenir une solution équilibrée, en tenant compte de la variabilité temporelle de l'environnement du réseau sans fil, et propose ensuite un algorithme d'apprentissage par renforcement profond pour réaliser une tarification dynamique et un délestage de tâches. Enfin, la validité des solutions proposées est vérifiée par de nombreuses expériences de simulation.

réseau de jumeaux numériques; intelligence artificielle endogène; jeu de Stenberg; délestage de tâches; apprentissage par renforcement profond