Las redes de comunicación pueden proporcionar de manera endógena servicios de capacitación en inteligencia artificial (AI) para entidades de red con recursos limitados, con el fin de construir gemelos digitales precisos y lograr un alto nivel de autonomía de la red. Dado que las entidades de red que necesitan gemelos digitales y las que proporcionan servicios de AI pueden pertenecer a operadores diferentes, se puede utilizar un mecanismo de incentivos para maximizar la utilidad de ambas partes. En este artículo se establece un modelo de juego de Stenberg para modelar la descarga de tareas de entrenamiento de AI para gemelos digitales en la red AI endógena, donde el operador de la estación base es el líder y las entidades de red con recursos limitados son los seguidores. En este artículo se analiza el equilibrio de Stenberg para obtener una solución equilibrada, teniendo en cuenta la variabilidad temporal del entorno de la red inalámbrica, y luego se diseña un algoritmo de aprendizaje profundo reforzado para realizar una fijación dinámica de precios y una descarga de tareas. Finalmente, la efectividad de las soluciones propuestas se verifica mediante un extenso experimento de simulación.

red de gemelos digitales; inteligencia artificial endógena; juego de Stenberg; descarga de tareas; aprendizaje profundo reforzado