神经符号因果推理与信令博弈结合实现涌现语义通信

语义通信（SC）旨在以最小数据传输实现可靠通信，同时向异构业务与用户提供无缝连接。本文提出一种新颖的涌现语义通信（ESC）系统框架，其由用于涌现语言设计的信令博弈和用于因果推理的神经符号（NeSy）人工智能（AI）方法组成。为设计语言，信令博弈通过通信节点效用间的交替最大化求解。涌现语言通过为接收端将复杂消息拆分为更简单的推理任务，帮助建立上下文感知的发送词表（最小语义表示）并辅助推理过程（实现对未见场景的泛化）。发送端的因果描述随后被建模（神经组件）为数据中相关属性的后验分布。利用重构的因果状态，接收端评估一组逻辑公式（符号部分）以执行其任务。节点的 NeSy 推理组件由近期提出的 AI 工具 Generative Flow Networks 实现，并针对更高的语义可靠性进行优化。ESC 系统旨在增强基于范畴论严格代数性质设计的语义信息、可靠性、失真与相似性新指标，从而将指标推广到 Shannon 不确定性概念之外。仿真结果验证了 ESC 高效通信（减少比特数）的能力，并取得比未利用因果推理能力的传统无线与最先进系统更好的语义可靠性。