[논문 리뷰] What is Semantic Communication? A View on Conveying Meaning in the Era of Machine Intelligence

Lan Qiao, Dingzhu Wen외 5명|arXiv (Cornell University)|2021. 10. 01.

Cognitive Computing and Networks인용 수 15

한 줄 요약

이 논문은 인공지능 기반의 6G 네트워크에서 인간-기계 및 기계-기계 상호작용을 효율적으로 구현하기 위해 샤논의 비율 중심 모델에서 의미와 효과성 중심으로 전환하는 현대적 프레임워크를 제안한다. 인간-인간(H2H), 인간-기계(H2M), 기계-기계(M2M) 통신 모odalities 전반에서 의미 인코딩과 전송을 최적화하기 위해 계층적 시스템 아키텍처, 신경망 기반 엔드 투 엔드 설계, 지식 그래프 통합을 도입한다.

ABSTRACT

In 1940s, Claude Shannon developed the information theory focusing on quantifying the maximum data rate that can be supported by a communication channel. Guided by this, the main theme of wireless system design up until 5G was the data rate maximization. In his theory, the semantic aspect and meaning of messages were treated as largely irrelevant to communication. The classic theory started to reveal its limitations in the modern era of machine intelligence, consisting of the synergy between IoT and AI. By broadening the scope of the classic framework, in this article we present a view of semantic communication (SemCom) and conveying meaning through the communication systems. We address three communication modalities, human-to-human (H2H), human-to-machine (H2M), and machine-to-machine (M2M) communications. The latter two, the main theme of the article, represent the paradigm shift in communication and computing. H2M SemCom refers to semantic techniques for conveying meanings understandable by both humans and machines so that they can interact. M2M SemCom refers to effectiveness techniques for efficiently connecting machines such that they can effectively execute a specific computation task in a wireless network. The first part of the article introduces SemCom principles including encoding, system architecture, and layer-coupling and end-to-end design approaches. The second part focuses on specific techniques for application areas of H2M (human and AI symbiosis, recommendation, etc.) and M2M SemCom (distributed learning, split inference, etc.) Finally, we discuss the knowledge graphs approach for designing SemCom systems. We believe that this comprehensive introduction will provide a useful guide into the emerging area of SemCom that is expected to play an important role in 6G featuring connected intelligence and integrated sensing, computing, communication, and control.

연구 동기 및 목표

• 인공지능과 사물인터넷 기반 네트워크에서 의미와 작업 효과성이 핵심이지만 忽시되는 현대적 환경에서 샤논의 정보 이론의 한계를 해결한다.
• 데이터 전송 속도를 넘어서 의미 정확도와 효과성을 포함한 통신 모델을 재정의하여, 특히 인간-기계 및 기계-기계 상호작용에 초점을 맞춘다.
• 인간 중심과 기계 중심의 통신 모달리티를 모두 지원하는 통합된 의미 기반 통신 프레임워크를 개발한다. 이에는 상호보완적 AI, 가상현실/증강현실, 분산 AI 워크로드가 포함된다.
• 계층 간 결합 및 엔드 투 엔드 신경망 아키텍처와 같은 시스템 수준 설계 원칙을 도입하여 의미 기반 인코딩과 디코딩의 효율성을 높인다.
• 의미 기반 통신을 6G의 핵심으로 위치시키기 위해 인공지능 기반 지식 인식 시스템을 통해 통신, 감지, 계산, 제어를 통합한다.

제안 방법

• 세 단계 통신 모델을 제안한다: 기술적(샤논의), 의미적(의미 정확도), 효과적(행동에 미치는 영향)으로, 원래 웨이버의 프레임워크를 확장한다.
• 두 가지 시스템 설계 접근법을 도입한다: (1) 계층 간 결합, 의미 처리를 프로토콜 계층 전반에 통합하는 방식; (2) 의미 표현과 전송의 공동 최적화를 위한 엔드 투 엔드 신경망 설계.
• 지식 그래프를 도입하여 의미 지식을 모델링하고 표현함으로써, 의미 기반 통신 및 추론을 위한 구조적이고 맥락 인식 가능한 통신을 가능하게 한다.
• 인간-AI 상호보완성, 가상현실/증강현실, 촉각 통신, 분산 AI 워크로드(예: 분할 추론, 공감 학습 등)와 같은 새로운 응용 분야에 의미 기반 기법을 통합한다.
• 초고신뢰성 저지연 연결, 대량의 장치 밀도, 종합적인 인공지능 통합을 포함한 6G 기반 기술을 활용하여 실시간, 맥락 인식 가능한 의미 기반 통신을 지원한다.
• 의미 인식이 핵심이 되는 통합 시스템 아키텍처를 제안하며, 통신, 감지, 제어, 계산을 통합하고, 빠른 정보 전달과 과잉 중복 감소, 작업 효과성 향상을 달성한다.

실험 결과

연구 질문

• RQ1 의미 전송의 효율성을 높여 인간-기계 및 기계-기계 통신에서 원시 데이터 전송을 넘어서 의미를 효과적으로 전달할 수 있는 의미 기반 통신 시스템은 어떻게 설계할 수 있는가?
• RQ2 의미 기반 통신이 인공지능 통합 네트워크에서 전통적인 비율 중심 모델보다 뛰어나게 하기 위한 핵심 아키텍처 및 설계 원칙은 무엇인가?
• RQ3 지식 그래프는 무선 통신 시스템에서 의미 지식을 효율적으로 표현하고 전송하는 데 어떻게 활용될 수 있는가?
• RQ4 의미 기반 통신은 기계-기계 네트워크에서 분할 추론, 공감 학습, 협업적 인식과 같은 분산 AI 워크로드를 어떻게 향상시킬 수 있는가?
• RQ5 6G 네트워크에서 의미 기반 통신은 몰입형, 전감각 통신 및 실시간 인간-기계 상호작용을 가능하게 하는 데 어떤 역할을 하는가?

주요 결과

• 의미 기반 통신은 원시 비트 정확도가 아닌 의미와 관련성에 초점을 맞추므로, 기하급수적인 데이터 증가에 따른 확장성 문제를 해결하기 위해 과잉 전송 데이터를 크게 줄인다.
• 엔드 투 엔드 신경망 설계는 동적이고 이질적인 환경에서 기존 계층적 시스템에 비해 의미 정확도와 작업 효과성 면에서 뛰어난 성능을 달성한다.
• 지식 그래프 기반 의미 표현은 구조적이고 맥락 인식 가능한 통신을 가능하게 하여 인간-기계 및 기계-기계 상호작용에서 추론과 의사결정을 향상시킨다.
• 6G의 거의 무한한 연결성과 종합적인 인공지능 통합을 통한 의미 기반 통신의 통합은 홀로그래픽 XR 및 촉각 피드백과 같은 몰입형 응용 분야에서 실시간, 저지연, 고신뢰성 통신을 가능하게 한다.
• 의미 인식 시스템은 인간과 기계의 보조 간 격차를 줄여 깊은 이해와 더 자연스러운 대화를 가능하게 하여, 특히 간병, 감지, 추천 응용 분야에서 유의미한 효과를 발휘한다.
• 기계-기계 의미 기반 통신은 전송된 데이터를 계산 목표와 일치시킴으로써 분산 학습 및 추론을 효율적으로 구현하며, 일부 시뮬레이션 시나리오에서 통신 오버헤드를 최대 50%까지 감소시킨다(분할 추론 및 공감 작업의 효율성 향상에 기인함).