今天這篇文章，我們來聊一個非常酷的話題——語義通訊。
大家都知道，自從資訊革命爆發以來，我們的資訊量（資料量）就在不斷膨脹。
文字、圖片、音訊、視訊……越來越多的資料在不斷產生，不僅佔據著我們的硬碟空間，也充斥著整個通訊網路。
這些資料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，在雲端運算、大資料、物聯網和人工智慧的共同刺激下，資料的增長趨勢更加猛烈。
根據IDC的報告，到2025年，全球資料總量將達到175ZB，約等於1750億TB。
而ITU則預測，全球移動資料流量的年增長速率將會在2030年達到55%。2030年的資料流量，將是2020年的100倍。
面對如此巨大的流量增長，人類現有的通訊技術手段，已經疲於招架。
1948年，祖師爺克勞德·夏農（Claude Elwood Shannon）發表了那篇經典論文——《A Mathematics Theory of Communication（通訊的數學理論）》，標誌著資訊論的誕生。
後來，1949年，他又發表了《Communication in the Presence of Noise（噪聲下的通訊）》，闡明瞭通訊的基本問題，給出了通訊系統的模型，以及著名的夏農公式。
從那之後，我們就一直在資訊論和夏農公式的基礎上，進行通訊技術的研究。
經過70多年的積累，我們的通訊技術已經無限接近於夏農極限。以huffman編碼、演算法編碼為代表的信源編碼技術，把信源資料壓縮到了極致。而以LDPC碼、極化碼為代表的頻道編碼技術，把頻道也利用到了極致。
那接下來，該怎麼辦呢？面對萬物智聯時代的資料洪流，我們的優質頻譜資源越來越少，硬體和能耗成本越來越高，該如何應對？
█通訊的三個層級
大家不妨冷靜思考一下。
一直以來，我們在通訊技術上所做的努力，似乎都在做一件事情——把攜帶資訊的符號，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。
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？
大家或者也會有這樣的經歷：
你想在網上搜尋一部好看的電影。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。
網路辛苦完成的資料傳輸工作，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——通訊的終極奧義，究竟是什麼？
事實上，早在現代通訊理論奠基之際，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·夏農提出資訊論後，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《通訊的數學理論》。
他們倆當時就意識到，語義在通訊中的重要性。於是，他們提出了通訊的3個級別，即Level A/B/C。
Level A：語法通訊，解決技術問題，即通訊符號如何保證正確傳輸；
Level B：語義通訊，解決語義問題，即發送的符號如何傳遞確切的含義；
Level C：語用通訊，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，經典資訊論侷限在語法資訊傳輸層次，即Level A。也就是說，我們一直在研究怎麼把資料傳過去。
如今，在傳統通訊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訊上，尋找突破點。
█語義通訊的特點
語義通訊（Semantic Communication），是以任務為主體，「先理解，後傳輸」的通訊方式。
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資訊進行通訊。
如果我們把傳統通訊看成是形式通訊的話，那麼，語義通訊就是「達意通訊」、「內容通訊」。
換句話說：「不能傻幹活，要多動腦子。」
通訊的真正目的是什麼，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，就沒有必要緊抓著這句話不放，而是看如何更高效地傳達意思。
從學術上來說，降低接收者對資訊的不確定性，或者說，使接收到的資訊熵減少至0，讓接收者正確理解發送者的資訊內容，就是「達意」通訊。
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」
語義通訊和傳統信源編碼的區別在哪裡呢？
傳統信源編碼是對資訊本身的壓縮，它尋找資料的規律，通過演算法進行資料精簡。而語義通訊，重在「理解和消化」，講究的是「智慧」。
█語義通訊系統的架構
語義通訊可以顯著降低資料流量，提高通訊效率。那麼，它究竟是如何工作的呢？
語義通訊目前還處於早期研究階段，不同的研究團隊，有不同的語義通訊架構設計。
而且，針對不同類型的通訊（文字通訊、圖像通訊、音視訊通訊等），不同目的的通訊（是否有特定任務），也會有不同的語義通訊模型和架構。
早期的一種模型，是在傳統經典通訊系統上疊加語義通訊。
在發送端，信源產生的資訊首先送入語義提取模組，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，送入頻道編碼器。最後，進入傳輸頻道。
在接收端，先頻道譯碼，再語義譯碼。得到的語義表徵序列，送入語義恢復與重建模組，最終得到信源資料。
中間那段頻道部分，就是傳統經典通訊來實現。
另一種現在比較有代表的模型，是信源頻道聯合編碼。這種方式，更有整體性，全盤思考。
大家能看出來，相比傳統通訊，語義通訊多了一個知識庫。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，語義通訊是無法正常工作的。
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「智慧」。
誰最適合幹這個活？當然是AI人工智慧。
簡單來說，就是讓AI來完成語義理解的工作。語義編碼與譯碼模組基於海量資料訓練的知識庫，通過深度學習網路來擬合語義的特徵，可以高效提取與重建語義資訊。
這也是為什麼，最近十幾年來，語義通訊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，經典資訊論忽略語義通訊，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資訊。
如今，一方面傳統資訊論遇到瓶頸，另一方面AI人工智慧技術日益成熟，所以，我們重提語義通訊的時機就成熟了。
特別值得一提的是，AI人工智慧可以幫助語義通訊，反過來，語義通訊，也非常適合人工智慧的發展。
大家應該能夠理解：同類型主體之間的通訊，往往容易簡化。就像人和人之間，通訊肯定比人和牛之間簡單。
未來，我們正在朝著智慧化的方向發展，AI人工智慧批量應用之後，就會有很多的智慧體。這些智慧體之間，就會有大量的通訊需求。而語義通訊，本身就是AI在進行「翻譯」，對於智慧體通訊，肯定會有更大的優勢。
█語義通訊面臨的挑戰
語義通訊的發展前景，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，語義通訊的基礎理論體系，並不完善。
夏農的資訊論，給傳統語法資訊奠定了理論基礎。他用一個簡單的對數公式，就把資訊（熵）明確定義出來；用夏農公式，又把語法通訊的頻道容量邊界也劃定了。
對於語義通訊，還沒有人完成這兩項重要工作。相對於語法通訊，語義通訊缺失嚴謹的數學表徵，沒有紮實的理論依據。
語義通訊的資訊度量方式，目前也沒有特別明確。
傳統語法通訊有誤位元速率、丟包率之類的指標，用於衡量服務質量。語義通訊關注「達意」，不關注「精準傳輸」，所以，這些指標都用不了。
在語義通訊中，只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，這是語義通訊的第二個大問題。
以目前現有的技術，即便是用上了AI人工智慧，仍然無法做到完美的準確率。語義的識別與恢復，比想象中難得多。
第三個問題，是適用場景問題。
通訊是一件複雜工作。資料是多樣化的，有結構化資料，也有非結構化資料。文字、圖片、音視訊，還有一些特定的通訊任務，混在一起，很難藉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訊，肯定不行。但是，通訊場景的邊界，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，語義通訊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。
█語義通訊的研究進展
前面說了，語義通訊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訊模型的搭建，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資訊表徵模型——語義基（Seb）。
語義基是語義資訊的基本組織單元，類似於夏農在傳統資訊論體系中的比特（Bit）。它以更為結構化、簡約化、彈性化的方式對資訊進行組織，為描述涉及網路意圖的語義資訊提供了新的視角。
他們還提出了面向6G的「一面三層（語義智慧平面、語義物理承載層、語義網路協議層、語義應用意圖層）」智簡網路協議架構，為語義通訊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訊的研究和實踐中。
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訊語義傳輸方案，在中移平安鄉村網路中進行應用，效果不錯。
相比於傳統H.264編碼，針對人臉場景，語義通訊在相同使用者體驗下將位元速率降低為10-20%，即降低到3KB也能獲清晰流暢體驗。
█結語
總而言之，語義通訊技術，擁有巨大的研究潛力。
它是通訊系統設計思想、理念的一次重大變革，很可能徹底顛覆我們現有的資訊通訊技術體系。
面向未來，語義通訊到底是騾子是馬，就讓時間來告訴我們答案吧。
— 全文完 —
參考資料：
面向未來的語義通訊：基本原理與實現方法，張平等，《通訊學報》；
邁向6G智簡網路——基於語義通訊的網路新正規化，張平等，《Engineering》；
語義通訊：原理與挑戰，秦志金等；
語義通訊——智慧時代的產物，石光明等；
面向萬物智聯的語義通訊網路，石光明等，《物聯網學報》；
面向6G的語義通訊，牛凱等，《行動通訊》；
基於資訊論的語義通訊：理論與挑戰，施雨軒等，《中興通訊》；
面向6G的語義通訊系統，王碧舳等，《行動通訊》；