当前，工业革命经过各种变化已经进入工业4.0时代，智能机器人的协同操作越来越多。与传统的工业化和自动化不同，协同操作中由于面临大量个性化的生产模式，因而要求机器人具有很好的智能性，以适应多品种的生产模式。要适应产能、品种、电力波动以及原材料的质量等各种动态环境的变化，则需要各个机器人之间不断地协调以适应新的环境，以保证所生产的产品达到要求。 

　　生物与信息交叉领域专家、西安电子科技大学副校长石光明在2021年世界机器人大会“未来峰会”上作报告时指出，多智能体之间的相互协同操作非常重要。协同操作包括机和机之间的操作、人和人之间的操作，其中最重要的是形成很好的操作策略，而语义通讯有望成为解决传知一体的新方式。 

　　实现传知低延时是关键 

　　协同操作的过程中最离不开的就是信息交流，有了信息的交流才能协同。在协同交流过程中，最重要的就是确保生产线能够及时生产。因此，工业期望传递信息和理解信息都要达到低延迟——即两个机器人或者人和机器间的信息理解延时要比较短，才能为后面的协同策略、协同工作做好准备。 

　　目前，5G已经普遍应用在各个领域，工业领域也不例外。但石光明指出，5G大规模在生产线上的自动化应用，并没有普遍出现。 

　　对此他认为，首先是机器的学习能力，远远还没达到人们预期的理想能力；其次信息传输的网络，没有实现真正的低延时。“因为5G中的延时只是指信号传递的延时，但实际上协同工作除了信号传递延时，还有理解的延时。简单而言，就是传过来的东西要被理解，但需要花很长时间。我们希望传递和理解都要实现低延时，5G在工业智能生产线上真正做到普遍化，任重而道远。” 

　　因此，如何做到传和知的低延时是非常重要的。石光明指出，当前通讯技术是使用较少的通讯资源，快速传送更多且误差更少的数据比特，因此表达信息时会采用最简单的0和1比特。 

　　“但如果是一个非常大、长的数码，我们是很难理解的。比如二维码，机器能够很快扫出来的东西，但人类就很难理解它的意义。能否在表达信息的时候直接用语义的方式表达替代数据比特，传递的时候用语义去传递它，这也许是解决传和知一体很好的一种方式。” 

　　语义通讯：新的通讯方式 

　　语义通讯泛指不同的智能体之间进行的以“达意”为目的的通讯，“智能体”可以指人类、智能机器甚至其他生物。 

　　通信的目的是接收方能理解发送方的信息含义，降低接收者对信息的不确定性，使接收者正确理解发送者的信息内容。而现有通讯恰恰相反，只关注载波形式而忽略内容。这也是大数据通讯给现有通讯造成巨大压力的原因，因此语义通讯技术呼之欲出。 

　　通信的目的是接收方能理解发送方的信息含义，降低接收者对信息的不确定性，使接收者正确理解发送者的信息内容。而现有通讯恰恰相反，只关注载波形式而忽略内容。这也是大数据通讯给现有通讯造成巨大压力的原因，因此语义通讯技术呼之欲出。 

　　语义这一概念早在20世纪40年代末至50年代初就已被提出，但当时的语义概念，很难用数学的方式表达出来。石光明指出，多义性、不确定性导致语义的研究被搁置了一段时间。但当前新信息时代、智能时代让通讯有了新的需求，过去被搁置的语义问题已经成为现阶段需要解决的问题。 

　　“现在是一个非常重要的时间，随着人工智能技术与通讯技术的巨大进步，到了应该将语义大力发展起来应用的一个阶段。” 

　　事实上，语义的产生就是某一种信号的刺激在人脑中某个区域的反应。语义具有普适性、可表示性以及客观性。语义的可计算性、可推理性能应用在信息科学领域如线性计算、因果性推测等，这使得语义与自然科学的研究有着密不可分的联系。石光明指出，目前生物学家正不断努力从语义的推理和属性中得到启发，未来有望将语义应用到智能系统中去。 

　　语义的基元 

　　人的基本感觉( 视、听、嗅、味、触) 就是语义的基元。语义由多个子语义组合而成，子语义又由其子语义组合，如此按层级结构细分直至基本语义基元，这一过程就是语义定义。一个信号能够包含语义，一定是能让接收者基本感觉神经元产生兴奋。 

　　关于语义基元，石光明指出，语义实际上从某种角度看是多种模态之间的互相度量，即一段语音可以与视觉或味觉、触觉、嗅觉中语义基元的集合相互定义。 

　　例如，人们发音的“红色”与脑海中的红色图像会相互关联，并形成“红颜色”的语义，这是人类语言的基础。这种相互定义的模式就是形成复杂语义的重要基础。 

　　石光明表示，从通讯的角度上看，语义就是传送的信号数据中用于被人理解的含义。“正如大家所知，一切物质都是由分子组成。分子是由原子组成，而原子是由电子和原子核组合相同，语义也存在层级关系，最小的语义单位与理解的对象语义含义层级有关。” 

　　例如要理解“熊猫”，其基本语义单位是熊猫的脸、熊猫的身体、熊猫的四肢等。换言之，语义通讯时语义的基本元素是理解对象下一层的基本语义元素。 

　　“因此从某种意义上讲，语义数学刻画的工作也有类似的语义基元的概念，它可以形成从最基本的发展到最大的过程。”石光明说。 

　　建立语义容错纠错机制 

　　虽然语义是标准、固定的，但语义也是可以变化的，具有偏位的特征。比如许多人的普通话发音并不标准，这就是原位的偏位，但经过一段时间适应，大多数旁人都能够听明白并理解——但如果偏离原位太远，可能就无法识别。 

　　与过去相比，语义通讯最大的不同在于保持一些比特的失真。传统通讯采用绝对波形误差或比特误差的方式，现在又从比特失真发展为以语义失真为度量。通过不断地学习、完善语义知识库，利用带宽、效率降低资源的同时还能达到传知的效果，让语义接收端具备一定的自动纠错能力，这是未来建立语义容错纠错机制非常重要的一个方面。 

　　石光明指出，传统的通讯是信号到信号的传递，而语义通讯是内容上的传递。传统通讯是发送方传递比特，接收方去理解；而语义通讯是在发送方和接收方有共识的前提下，传递的语义符号在传递过程中就能被理解，这就是传和知一体的低延时设想。 

　　“两者的主要区别在于语义通讯是基于知识库的高效内容通讯，即‘内容理解’通讯而非数据通讯，这是一种真正意义上的人工智能通讯方式。” 

　　有效的“内容通讯”很大程度上取决于知识库的建立。拥有相同或类似知识库的人或生物、机器间才能进行高效的语义通讯。从这一意义上看，语义通讯可被视为“类脑通讯”，即真正意义上的智能通讯与信息交互的方式。 

　　石光明指出，这种建立在人类用户和机器之间具备普适性、可理解性的用语义符号建立起的数据库，是以人类的普适性知识和语义体系作为基础，可进一步减少语义和物理信号之间的转换次数，从而降低可能产生的语义失真。 

　　“我们利用语义的概念，做了一些原理性实验，比如利用语义做水声识别，效果有很大的提升，使原来1/10的数据量可以达到同样的识别率；在化妆品生产线上做协同机改造，与以前相比也提高了生产效率。利用语义，未来可以在工业上做通信协同，让传和知一体化，这是我们正在做的工作，希望对将来工业产线的变革起到一些作用。”石光明说。