在追求建立 6G 網路的過程中，開發者面臨著一個悖論：連接基礎設施的設備越多，就越難在不耗費巨大能源和造成延遲的情況下，確保系統運行穩定。一項針對基於專家混合模型（MoE）之代理式人工智慧的研究提出，應將運算與網路協作整合，使系統能自行適應負載並在無需人工持續干預的情況下做出決策。這改變了以往將網路視為被動資訊傳輸通道的傳統觀念。
現代網路已應用人工智慧來管理資源，但多半遵循僵化的規則，難以應對不可預見的情境。代理式人工智慧不僅能做出反應，還能預先規劃行動，利用專家混合機制根據情境選擇最佳模型。根據研究數據顯示，這能顯著降低能耗並提升頻道吞吐量，對於城市環境中的大規模部署尤為重要。
與運算與通訊分離的傳統做法不同，此架構允許人工智慧代理動態分配任務。例如，在物聯網感測器密集的場景中，代理式人工智慧會在局部設備與中央伺服器之間分配數據處理任務，進而將延遲與流量降至最低。專家混合模型僅啟動必要的模組，正如專家團隊中只會召集相關成員來解決問題。這減少了傳輸的總資訊量，並加快了整個系統的反應速度。
然而，技術優勢背後也隱藏著嚴峻的監管與倫理問題。一旦自主代理開始決定數據處理的優先順序，使用者可能會失去對自身資訊使用方式與地點的掌握。專家指出，為防止濫用，必須建立內建的稽核機制，並在關鍵時刻保留人工干預的餘地。此外，安全問題變得格外尖銳，因為針對此類系統的攻擊所造成的後果可能比傳統網路更為廣泛。
在日常生活中，此類網路預示著智慧城市、自動駕駛交通和遠距醫療將能更可靠地運作。設備的能耗將會降低，應用程式即便在高負載下也能順暢運行。與此同時，這也改變了人與技術之間的關係，使後者成為日常生活中更積極的參與者，並要求使用者對這些系統的運作方式具備更高層級的認知。
分析師強調，這項技術的成功很大程度上取決於如何解決不同設備製造商之間的標準化與相容性問題。若缺乏實施代理系統與專家混合模型的統一方法，全球 6G 網路的整合可能會面臨碎片化及額外的困難。
為了確保這些變革能帶來益處而非意料之外的後果，開發者與監管機構應從一開始就致力於演算法透明度並保護使用者的自主權。
