（摘要）语义通信：从概念空间到语义空间再到人工意识处理 

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

引言

在不断进化的通信技术领域，我们正见证从基于数据传输的概念空间向注重信息内容本质和意义的语义空间的转变。这一转变预示着未来语义通信将重塑我们对通信理解和实践的方式，引入了段玉聪教授提出的DIKWP模型，为这一转变提供了理论基础和实施路径。

概念空间的通信技术定义

概念空间的通信依赖于物理层和网络层的数据传输，重视数据的速率和精确传输，但往往忽略了数据内容的实际意义。

特点

• 注重传输效率和准确性

• 忽视数据内容的深层次意义和价值

语义空间的通信转变定义

语义通信不仅关注数据的传输，更重要的是确保接收方能正确理解数据的真实意义，实现信息的深度传递和理解。

重要性

在信息爆炸的时代，准确理解和处理信息的能力变得尤为关键，这要求通信技术能够超越物理层面，进入语义层面。

DIKWP模型在语义通信中的应用数据层（D）

• 应用：收集和传输原始数据，确保数据的完整性和准确性。

• 目标：作为通信的基础，保障信息的原始价值和意图。

信息层（I）

• 应用：解释数据的基础含义，确保信息在不同环境下保持其真实意图。

• 目标：桥接数据与知识，为深层次理解打下基础。

知识层（K）

• 应用：联系背景知识，理解数据在特定上下文中的意义。

• 目标：提升通信的相关性和有效性，确保信息传递的准确性。

智慧层（W）

• 应用：运用智慧判断信息的深层次含义和潜在影响。

• 目标：在通信中引入伦理和道德考量，提升决策的质量。

意图层（P）

• 应用：识别和传达发送方和接收方的真实意图。

• 目标：使通信更加目标导向和高效，提升信息交流的质量和效率。

未来语义通信的特点

• 深度理解：确保接收方不仅接收信息，还能深入理解信息的内在含义。

• 上下文感知：能够根据不同环境和上下文理解信息的变化。

• 智能适应：根据接收方需求和反馈，动态调整信息的传递方式。

实施段玉聪教授理论的策略

为了在实际中应用段玉聪教授的理论，以下策略可为未来语义通信的实施提供指导：

1. 构建跨学科研发团队

集合计算机科学、语言学、心理学等多个领域的专家，共同研发能够理解和处理复杂语义信息的AI系统。这种跨学科合作能够确保从多角度理解语义通信的挑战和需求。

2. 发展高级语义处理算法

利用自然语言处理（NLP）、机器学习和深度学习技术，开发能够理解人类语言复杂性和多样性的算法。特别是在智慧层（W）和意图层（P）的应用上，算法需要能够处理抽象概念、伦理道德判断以及意图识别。

3. 创建开放的语义数据库

构建和维护一个广泛的语义数据库，包含不同文化、社会和专业背景下的语义信息。这个数据库不仅为AI系统提供丰富的学习材料，也支持系统的动态学习和适应。

4. 设计用户交互和反馈机制

开发易于使用的用户界面，鼓励用户参与语义通信的过程，提供反馈和改进建议。通过分析用户反馈，AI系统可以更好地理解人类的语义需求和偏好，不断优化其性能。

5. 强化安全性和隐私保护

在设计和实施语义通信系统时，确保数据的安全性和用户的隐私保护。这不仅是技术上的要求，也是道德和法律上的责任。

未来展望

随着技术的不断进步，未来的语义通信有望实现更加深入和准确的信息理解与传递。这将极大地提高人与人、人与机器之间的交流效率，减少误解和冲突，促进信息的快速、准确交流。此外，语义通信技术的发展还将为智能助手、自动化客服、远程教育等领域带来革命性的变革，使得信息交流不仅限于数据的传递，更能够实现意义的共享和理解。

结论

段玉聪教授的DIKWP模型为解决当前和未来通信技术中的语义理解和处理问题提供了一种全新的思路。通过从概念空间到语义空间的转变，未来的语义通信将更加注重信息的本质意义和接收方的深度理解，推动通信技术和人工智能向更高层次的发展。随着这一理论的进一步研究和应用，我们有理由相信，未来的通信将更加智能、高效和人性化。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼北京信用学会高级顾问、重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、海南省人工智能学会高级顾问、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

  

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3429562-1424026.html

上一篇：（摘要）DIKWP与语义心理学
下一篇：段玉聪：从量子意识到人工智能系统的新视角