De acordo com pt.wedoany.com-Pesquisadores do Institute for Intelligent Networked Systems (INSI) da Northeastern University desenvolveram o framework autônomo de IA GENESIS, capaz de automatizar o ciclo de vida de desenvolvimento de software de Rede de Acesso via Rádio (RAN) celular 5G/6G, desde cláusulas de especificações ou ideias de pesquisa até código de transmissão over-the-air em hardware 5G comercial. O artigo que descreve o GENESIS (disponível no arXiv: https://arxiv.org/abs/2605.27360) apresenta o primeiro sistema de agente de IA ponta a ponta capaz de sintetizar, testar, fortalecer, otimizar e proteger a pilha de protocolos de rede celular sem intervenção humana contínua, fechando o ciclo de engenharia que antes exigia meses por iteração.
A pesquisa e desenvolvimento celular avança lentamente em termos estruturais. Converter cláusulas das especificações 3GPP em implementações de rádio funcionais normalmente exige meses de engenharia manual, incluindo leitura de documentos normativos densos, escrita e depuração de código de protocolo, integração entre pilhas de múltiplos fornecedores para garantir consistência e interoperabilidade, além de validação em hardware comercial. O GENESIS ataca diretamente esse gargalo: dado um objetivo de alto nível, incluindo cláusulas de especificações, anomalias de telemetria ou hipóteses de pesquisa, o framework planeja, codifica, testa e itera autonomamente em um continuum de validação de três camadas, desde simulação de software, passando por simulação de canal, até transmissão over-the-air em tempo real no testbed Open6G da Northeastern University. Cada artefato gerado, incluindo alterações de código, resultados de teste e logs, é realimentado em uma base de conhecimento persistente, aprimorando a capacidade do sistema ao longo do tempo.
Em experimentos de comparação direta em tarefas representativas de implementação de recursos 5G, o GENESIS alcançou 100% de sucesso em múltiplas execuções independentes. Enquanto isso, agentes de codificação de última geração prontos para uso, utilizados como linha de base, com o mesmo acesso a ferramentas e ao testbed, não conseguiram produzir implementações viáveis em nenhuma tentativa. O artigo do GENESIS detalha três estudos de caso ponta a ponta: implementação de medições de desempenho críticas da 3GPP, da especificação ao over-the-air; síntese e fortalecimento de um processo de handover condicional com aplicação de otimização em malha fechada; e geração e validação autônoma de um novo algoritmo de escalonamento MAC 5G.
Tommaso Melodia, Professor William Lincoln Smith do Departamento de Engenharia Elétrica e de Computação da Northeastern University e Diretor do INSI, afirmou que a IA autônoma está fundamentalmente transformando as possibilidades da pesquisa em redes sem fio. Converter cláusulas 3GPP em código de transmissão over-the-air validado historicamente exigia meses de engenharia especializada, enquanto o GENESIS leva apenas horas, comprimindo os cronogramas que o roteiro atual do 5G também enfrenta e viabilizando o ritmo de inovação necessário para o 6G. Melodia destacou que o avanço do sistema não reside em nenhum agente de codificação individual, mas no próprio ciclo fechado: o GENESIS lê especificações baseadas em 3GPP e O-RAN, escreve código, valida em testbeds contínuos, da simulação ao rádio em tempo real, e realimenta cada resultado na próxima iteração, permitindo que uma ideia passe da intenção a uma implementação viável em horas e abrindo portas para a prototipagem rápida.
O GENESIS é construído em torno de três primitivas combináveis: agentes (raciocinadores de IA com conhecimento de domínio), habilidades (programas parametrizados determinísticos que executam operações de infraestrutura) e ganchos (portas de segurança orientadas a eventos e trilhas de auditoria acionadas em torno de cada ação). Essas primitivas são combinadas em seis pipelines de capacidade autônoma que cobrem todo o ciclo de vida de desenvolvimento de RAN: SYNTHESIZE, TEST, HARDEN, OPTIMIZE, DISCOVER e SECURE. Uma camada de conhecimento compartilhado chamada SYNAPSE baseia cada decisão do agente em especificações 3GPP e O-RAN cuidadosamente organizadas e acumula os resultados de cada execução como memória institucional.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
