Semantic communication (SC) aims to communicate reliably with minimal data transfer while simultaneously providing seamless connectivity to heterogeneous services and users. In this paper, a novel emergent SC (ESC) system framework is proposed and is composed of a signaling game for emergent language design and a neuro-symbolic (NeSy) artificial intelligence (AI) approach for causal reasoning. In order to design the language, the signaling game is solved using an alternating maximization between the communicating node's utilities. The emergent language helps create a context-aware transmit vocabulary (minimal semantic representation) and aids the reasoning process (enabling generalization to unseen scenarios) by splitting complex messages into simpler reasoning tasks for the receiver. The causal description at the transmitter is then modeled (a neural component) as a posterior distribution of the relevant attributes present in the data. Using the reconstructed causal state, the receiver evaluates a set of logical formulas (symbolic part) to execute its task. The nodes NeSy reasoning components are implemented by the recently proposed AI tool called Generative Flow Networks, and they are optimized for higher semantic reliability. The ESC system is designed to enhance the novel metrics of semantic information, reliability, distortion and similarity that are designed using rigorous algebraic properties from category theory thereby generalizing the metrics beyond Shannon's notion of uncertainty. Simulation results validate the ability of ESC to communicate efficiently (with reduced bits) and achieve better semantic reliability than conventional wireless and state-of-the-art systems that do not exploit causal reasoning capabilities.
翻译:语义通信( SC) 旨在以最小的数据传输方式可靠地进行沟通, 同时向各种服务和用户提供无缝连接。 在本文中, 提出了一个新的突发SC( ESC) 系统框架, 由突发语言设计信号游戏和因果推理神经同步( Nesy) 人工智能( AI) 方法组成的信号游戏组成。 为了设计语言, 信号游戏通过在沟通节点的公用设施之间交替最大化来解决。 新兴语言有助于创建上下文感传输词汇( 最小语义代表), 帮助推理进程( 将复杂信息转换为隐性情景), 将复杂信息转换为更简单的接收器推理任务 。 发送器的因果描述随后建模( 神经系统组件), 作为数据中相关属性的外观分布。 使用经重建的常规因果状态, 接收器评估一套逻辑公式( 缩略图部分) 来执行任务。 最近提议的 AI 工具“ 精度流动网络” 应用Nesy 州推理学组件, 将精度转换为隐性逻辑, 将精度推至更精确的精度系统, 将精度系统设计成更精确的精度系统,, 将精度 将精度 精度 精度 精度 精度 精度 精度 精度系统 精度 精度 精度 精度 精度 精度 精度 精度 精度 精度 精度 精度 精度 精度 性, 精度 精度 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性 性