大家都知道，自從信息革命爆發以來，我們的信息量(數據量)就在不斷膨脹。

文字、圖片、音頻、視頻……越來越多的數據在不斷產生，不僅佔據著我們的硬盤空間，也充斥著整個通信網絡。

這些數據讓我們的工作和生活更加便利，也推動著社會的進步和發展。

進入21世紀後，在雲計算、大數據、物聯網和人工智能的共同刺激下，數據的增長趨勢更加猛烈。

根據IDC的報告，到2025年，全球數據總量將達到175ZB，約等於1750億TB。

而ITU則預測，全球移動數據流量的年增長速率將會在2030年達到55%。2030年的數據流量，將是2020年的100倍。

圖片

面對如此巨大的流量增長，人類現有的通信技術手段，已經疲於招架。

1948年，祖師爺克勞德·香農(Claude Elwood Shannon)發表了那篇經典論文——《A Mathematics Theory of Communication(通信的數學理論)》，標誌著信息論的誕生。

後來，1949年，他又發表了《Communication in the Presence of Noise(噪聲下的通信)》，闡明了通信的基本問題，給出了通信系統的模型，以及著名的香農公式。

從那之後，我們就一直在信息論和香農公式的基礎上，進行通信技術的研究。

經過70多年的積累，我們的通信技術已經無限接近於香農極限。以huffman編碼、算法編碼為代表的信源編碼技術，把信源數據壓縮到了極致。而以LDPC碼、極化碼為代表的信道編碼技術，把信道也利用到了極致。

那接下來，該怎麼辦呢?面對萬物智聯時代的數據洪流，我們的優質頻譜資源越來越少，硬件和能耗成本越來越高，該如何應對?

通信的三個層級

大家不妨冷靜思考一下。

一直以來，我們在通信技術上所做的努力，似乎都在做一件事情——把攜帶信息的符號，完整、準確、快速地從信源發送到信宿。

這就好像一個勤勞的快遞員，他的唯一使命，就是把寄件人交給他的貨物，完好無損且快速地，送到收件人的手上。

圖片

那麼，當貨物實在太多，快遞員真的已經拿不動的時候，他會不會蹦出這麼一個念頭——這些貨物，真的有必要全送嗎?

圖片

大家或者也會有這樣的經歷：

你想在網上搜索一部好看的電影。你挑了一部，花了好久的時間，終於下載完成，結果，你打開一看，根本不是自己喜歡的。於是，你就只能刪掉它。

網絡辛苦完成的數據傳輸工作，沒有發揮價值。你的時間，也浪費了。

是的，在這裡，我們就會想到——通信的終極奧義，究竟是什麼?

事實上，早在現代通信理論奠基之際，先賢們就考慮到了這個問題。

1938年，美國哲學家查爾斯·莫里斯(Charles William Morris)提出了符號論。他指出，符號應該包括了語法-語義-語用三元概念。

克勞德·香農提出信息論後，和沃倫·韋弗(Warren Weaver)一起對自己的理論和模型進行延展完善。他們合著了一本書，名字仍然叫《通信的數學理論》。

他們倆當時就意識到，語義在通信中的重要性。於是，他們提出了通信的3個級別，即Level A/B/C。

圖片

Level A：語法通信，解決技術問題，即通信符號如何保證正確傳輸;

Level B：語義通信，解決語義問題，即發送的符號如何傳遞確切的含義;

Level C：語用通信，解決有效性問題，即接收的含義如何以期望的方式影響系統行為。

長期以來，經典信息論局限在語法信息傳輸層次，即Level A。也就是說，我們一直在研究怎麼把數據傳過去。

如今，在傳統通信已經進入瓶頸的情況下，我們就可以考慮一下——是不是可以在語義通信上，尋找突破點。

語義通信的特點

語義通信(Semantic Communication)，是以任務為主體，“先理解，後傳輸”的通信方式。

它會對原始信號進行有選擇的特徵提取、壓縮和傳輸，然後再利用語義層面信息進行通信。

如果我們把傳統通信看成是形式通信的話，那麼，語義通信就是“達意通信”、“內容通信”。

換句話說：“不能傻幹活，要多動腦子。”

通信的真正目的是什麼，是讓對方了解自己的意思。說話，只是一種表達方式。話的本身，也是為了表達意思。那麼，就沒有必要進抓著這句話不放，而是看如何更高效地傳達意思。

從學術上來說，降低接收者對信息的不確定性，或者說，使接收到的信息熵減少至0，讓接收者正確理解發送者的信息內容，就是“達意”通信。

大家平時溝通交流，也會注意到：對於陌生人，你需要千叮嚀萬囑咐，確保自己的意思被理解。而對於你很親近的人，有時候，一個眼神就足夠了。不是嗎?

“你懂的”

語義通信和傳統信源編碼的區別在哪裡呢?

傳統信源編碼是對信息本身的壓縮，它尋找數據的規律，通過算法進行數據精簡。而語義通信，重在“理解和消化”，講究的是“智能”。

語義通信系統的架構

語義通信可以顯著降低數據流量，提高通信效率。那麼，它究竟是如何工作的呢?

語義通信目前還處於早期研究階段，不同的研究團隊，有不同的語義通信架構設計。

而且，針對不同類型的通信(文本通信、圖像通信、音視頻通信等)，不同目的的通信(是否有特定任務)，也會有不同的語義通信模型和架構。

早期的一種模型，是在傳統經典通信系統上疊加語義通信。

圖片

在發送端，信源產生的信息首先送入語義提取模塊，產生語義表徵序列。接著，送入語義信源編碼器，對語義特徵壓縮編碼。然後，送入信道編碼器。最後，進入傳輸信道。

在接收端，先信道譯碼，再語義譯碼。得到的語義表徵序列，送入語義恢復與重建模塊，最終得到信源數據。

中間那段信道部分，就是傳統經典通信來實現。

另一種現在比較有代表的模型，是信源信道聯合編碼。這種方式，更有整體性，全盤思考。

圖片

大家能看出來，相比傳統通信，語義通信多了一個知識庫。其實，有的模型並沒有知識庫，直接在語義編碼器上硬剛。

更多的系統模型，是基於知識庫的。系統模型的性能和準確率，高度依賴於知識庫。

知識庫就有點像密碼本。如果兩端的知識庫不一致，那麼，語義通信是無法正常工作的。

知識庫又不像密碼本那樣，內容固定且形式單一。知識庫由很多的語義知識圖譜組成，分為多個層級，可以對現實世界中的實體、概念、屬性以及它們之間的關係進行建模。

基於知識庫，進行語義理解，就需要前面我們所說的“智能”。

誰最適合幹這個活?當然是AI人工智能。

簡單來說，就是讓AI來完成語義理解的工作。語義編碼與譯碼模塊基於海量數據訓練的知識庫，通過深度學習網絡來擬合語義的特徵，可以高效提取與重建語義信息。

這也是為什麼，最近十幾年來，語義通信開始重新被提及的原因。

早在1956年，法國物理學家L.布里淵(L.Brillouin)就指出，經典信息論忽略語義通信，是因為工程需要(要先解決基本需求)，並不意味著人們要永遠忽視語義信息。

如今，一方面傳統信息論遇到瓶頸，另一方面AI人工智能技術日益成熟，所以，我們重提語義通信的時機就成熟了。

特別值得一提的是，AI人工智能可以幫助語義通信，反過來，語義通信，也非常適合人工智能的發展。

大家應該能夠理解：同類型主體之間的通信，往往容易簡化。就像人和人之間，通信肯定比人和牛之間簡單。

未來，我們正在朝著智能化的方向發展，AI人工智能批量應用之後，就會有很多的智能體。這些智能體之間，就會有大量的通信需求。而語義通信，本身就是AI在進行“翻譯”，對於智能體通信，肯定會有更大的優勢。

語義通信面臨的挑戰

語義通信的發展前景，行業是一致看好的。但是，想要讓這項技術投入實用，真正發揮價值，並不容易。

首先，語義通信的基礎理論體系，並不完善。

香農的信息論，給傳統語法信息奠定了理論基礎。他用一個簡單的對數公式，就把信息(熵)明確定義出來;用香農公式，又把語法通信的信道容量邊界也劃定了。

對於語義通信，還沒有人完成這兩項重要工作。相對於語法通信，語義通信缺失嚴謹的數學表徵，沒有紮實的理論依據。

語義通信的信息度量方式，目前也沒有特別明確。

傳統語法通信有誤碼率、丟包率之類的指標，用於衡量服務質量。語義通信關注“達意”，不關注“精準傳輸”，所以，這些指標都用不了。

在語義通信中，只能會採用宏觀的任務完成質量或語義準確率，來進行系統性能評估。

說到準確率，這是語義通信的第二個大問題。

以目前現有的技術，即便是用上了AI人工智能，仍然無法做到完美的準確率。語義的識別與恢復，比想像中難得多。

第三個問題，是適用場景問題。

通信是一件複雜工作。數據是多樣化的，有結構化數據，也有非結構化數據。文字、圖片、音視頻，還有一些特定的通信任務，混在一起，很難借助一個有範圍限制性的知識庫，進行語義提取。

例如，我們採用工業製造場景的知識庫，去進行農林牧漁場景的語義通信，肯定不行。但是，通信場景的邊界，又該如何精確劃分?

知識庫還涉及到第四個問題，那就是安全問題。

在現實情況下，如何維持兩份高度一致的知識庫?如果對知識庫進行傳遞，會不會洩密?如何保障知識庫不被入侵和擾亂?

總而言之，語義通信面臨的挑戰還有很多。這些還都是理論研究上的問題，將來如果產業化，問題還會更多。

語義通信的研究進展

前面說了，語義通信目前還處於早期研究階段。2010年至今，這個概念的研究熱度是越來越高的。

在國內，很多高校都進行了一些語義通信模型的搭建，並取得了初步進展。

最有代表性的，是北郵張平院士及他的團隊。

2022年左右，他們針對6G的智簡演進需求，提出了一種新的語義信息表徵模型——語義基(Seb)。

語義基是語義信息的基本組織單元，類似於香農在傳統信息論體系中的比特(Bit)。它以更為結構化、簡約化、彈性化的方式對信息進行組織，為描述涉及網絡意圖的語義信息提供了新的視角。

他們還提出了面向6G的“一面三層(語義智能平面、語義物理承載層、語義網絡協議層、語義應用意圖層)”智簡網絡協議架構，為語義通信的研究提供了重要參考。

除了高校之外，部分企業也參與到語義通信的研究和實踐中。

以中國移動為例，他們和清華大學合作，搞了一個面向人臉場景的會話視頻語義傳輸方案，在中移平安鄉村網絡中進行應用，效果不錯。

相比於傳統H.264編碼，針對人臉場景，語義通信在相同用戶體驗下將碼率降低為10-20%，即降低到3KB也能獲清晰流暢體驗。

結語

總而言之，語義通信技術，擁有巨大的研究潛力。

它是通信系統設計思想、理念的一次重大變革，很可能徹底顛覆我們現有的信息通信技術體系。

面向未來，語義通信到底是騾子是馬，就讓時間來告訴我們答案吧。