12月19日，由中关村泛联院主办的第三届6G前沿技术与趋势论坛——6G通感算智融合创新论坛举行期间，中国工程院张平院士做了题为《ComAI的理论、技术及工程实践》的主旨发言。
AI与通信的融合是当前一大方向，AI的引入也会为信息通信发展带来更多增益。人类社会活动正在从地面向空天地海多维立体空间扩展，驱动着许多如卫星网络、深空通信等新兴技术领域飞速发展，也对互联网基础设施的覆盖、容量、传输速率、灵活性、服务质量等提出更广、更高、更多样化的要求。
而当前包括5G等商用移动通信网络在新空口、频谱资源利用、网络部署、优化和管理、网络安全等方面仍面临一系列挑战。
张平认为，人工智能的核心问题是建构能够跟人类相似，甚至超卓的推理、规划、学习、交互、感知、使用工具和操控机械的能力等。“如果把人工智能弄的比我们人类还聪明，写的诗、弹的音乐比我们还好，这可能不是我们的初衷。我们的初衷是希望人工智能为我们人类解决一些我们人类做不到的问题。”
6G作为基础性、先导性未来产业，具有前瞻性、创新性、颠覆性、融合性等特点，将全面构筑万物智联的新一代信息网络基础设施，是发展新质生产力的重要战略支撑。
此外，6G技术演进面临的挑战之一便是“可持续发展需求”。张平表示，从1G到6G，在香农信道容量曲线之下，若要继续提升频谱效率并有效减少功耗便需要借助于人工智能。基于此，他指出传统通信系统所面临的三个瓶颈，包括通信体制理论极限、通信体制与人工智能匹配性以及通信体制灵活适配复杂场景变化为代表的三大类问题。
ComAI的内涵：实现通信与智能的深度融合
今年有5位诺贝尔奖得主均与人工智能有关，他们的研究为通信领域带来了一些启示——通信也可以与人工智能实现交叉并带来增益。人类一直通过物理模拟、数学建模等方式去模拟、延伸和扩展人类的智能；但其实，无论是人脑神经元的信息协同处理，还是人类之间的信息协同处理，都需要信息传递（通信）与信息认知（智能）极其高效的配合，使得通信与智能融为一体、互为驱动、缺一不可。
当回顾历史也可发现，“通信鼻祖”香农其实在AI领域也有贡献。理论贡献方面，在1950年香农基于人类预测能力以估计语言的熵和冗余度，提出了最初的NLP预测方法。而工程贡献方面，香农在1952年制造了一只机械老鼠，它能在迷宫中自主寻找通往奶酪的路线，被认为是最早的强化学习案例。
早先，通信对AI的发展必有方法论以及理论贡献，像交叉熵函数直接来源于信息论，用于度量数据分布与真实分布的差距。本质上，深度学习的各种任务都可看作是神经模型拟合的数据分布逼近真实分布的过程，是信息论指导下的优化设计。
按照香农公式，若继续仅靠增加天线的数量、发射频谱的带宽、发射天线的功率来增加容量的话已经面临极限；而将传统空口各模块连接起来，提出用人工智能进行整体研究，但除了成本和复杂度增加外，也并未产生明显增益。
从人类信息系统去思考的话，通过对外界信息的感知，再以信息介质为传导，生成整体意图的概念，而意图又通过神经元传至人类各个器官，并进行信息利用、反馈等，其便体现出一个融合的特征。因此，张平提出了ComAI的内涵，就是要能实现通信与智能的深度融合，要能实现通信系统整体性能优化。受自然智能的启发，ComAI将创建更加智能、更具适应性的网络生态系统。
ComAI与语义信息论
ComAI的基础理论在于语义信息论。前人对语义信息的特征进行了多方面多角度探索，但尚未形成统一的语义信息理论框架。张平院士提出，建立语义信息理论的数学框架作为经典信息论的自然延伸，其最新的文章成果便揭示了基于“同义性”本质。
ComAI的基本理论就是要建立语义信息论，其关键技术包括语义基(Seb)物理模型、模分多址MDMA、非线性变换信源信道编码NTSCC、语义全双工SDD等，可实现对初步性能验证，以及探索潜在应用场景。
今年牛凯、张平发表于中国《通信学报》的《语义通信的数学理论》一文中，建立了语义信息理论的数学框架，是经典信息论的自然延伸。论文指出了语义通信的基本假设，包括语法表征性与语义同义性两个方面。
与经典通信系统相比，引入语义信源和语义信宿能使得通信系统的设计目标与设计逻辑发生根本性的改变。而引入同义映射与同义解映射，可用于描述语义信息与语法信息之间的关联关系，能指导语义编码器与语义解码器的设计与优化。
此外，语义信息论也能很好计量语义信息度量。语义信息论还提出三大编码定理，第一定理是语义无失真信源编码定理，第二定理是语义信道编码定理，第三定理是语义限失真信源编码定理。
未来通信“拐点技术”：语义通信
张平指出，语义通信是未来通信的“拐点技术”。基于同义映射，语义通信可以大幅度提高通信系统的频谱效率。由语义信息论所揭示的，平均同义区间长度受编译码神经网络模型的规模、算力水平、同义码字构造、同义区间映射方式等关键因素的直接影响。
非线性变换信源信道编码（NTSCC），其是基于非线性变换，对语义空间的多个信息流进行精细特征提取、变速率编码与传输。模分多址（MDMA），这个概念是指在语义域模型空间，利用了信源语义特征实现多用户区分的新型多址接入方式。语义全双工（SDD）方面，在带内全双工场景下，通过引入语义自干扰抑制机制，可实现逼近理想系统的传输效果。
ComAI的应用前景要面向多智能体协同通信，以智慧港口场景中的多智能体协同工作为例，ComAI可以进一步简化信息交互方案，进而实现全流程多智能体协同信息处理。
在实际验证方面，建成了国际首个面向6G智能与通信融合的外场试验网。通过实际外场验证了语义通信可以在4G/5G链路上达到6G传输能力，其谱效综合提高近10倍，可推进关键技术国际标准化，支撑未来产业化，也可为高校、研究机构等降低6G研究门槛，也引起了海内外的积极响应。
对于信息理论的未来研究方向，张平提出要与人工智能进行深度融合，要对理论极限再思考，更要向语用信息论扩展。尽管大规模模型可以实现语用级信息决策，但语用信息论仍然缺失，需要建立具有向下兼容性的语用信息论，以解决推理与理解理论问题。
对于ComAI关键技术的开放性问题，张平提出了包括与现有通信系统兼容、指导解决AI的现有问题、系统级优化、信息安全和隐私保障问题等几大类的问题。
