La integración de vehículos aéreos no tripulados (VANT) autónomos con redes de quinta generación (5G) presenta un desafío significativo debido a la interferencia de red. La alta altitud de los VANT y las condiciones de propagación aumentan la vulnerabilidad a la interferencia de las estaciones base 5G vecinas (gNB) en la dirección de enlace descendente. Este artículo propone un novedoso algoritmo de aprendizaje por refuerzo profundo, impulsado por IA, para abordar la interferencia a través del control de potencia. Al formular y resolver un problema de optimización de la relación señal-interferencia-ruido (SINR) utilizando el algoritmo de aprendizaje Q profundo (DQL), la interferencia se mitiga de manera efectiva y se mejora el rendimiento del enlace. La comparación de rendimiento con esquemas existentes de mitigación de interferencias, como la asignación de potencia fija (FPA), el aprendizaje Q tabular, la optimización por enjambre de partículas y la teoría de juegos, demuestra la superioridad del algoritmo DQL, donde supera al siguiente mejor método en un 41.66% y converge a una solución óptima más rápido. También se observa que, a velocidades más altas, el VANT solo experimenta una disminución del 10.52% en el rendimiento, lo que significa que el algoritmo puede funcionar de manera efectiva a altas velocidades. La solución propuesta integra de manera efectiva los VANT con las redes 5G, mitiga la interferencia y mejora el rendimiento del enlace, ofreciendo un avance significativo en este campo.