Integrating Semantic Communication and Human Decision-Making into an End-to-End Sensing-Decision Framework

要約

早くも1949年、ウィーバーはコミュニケーションを非常に広い意味で定義し、ある心や技術システムが別の手順に影響を与える可能性のあるすべての手順を含め、セマンティックコミュニケーションのアイデアを確立しました。
検知情報がタスクの実行を支援するために人間にワイヤレスで提供される専門家支援システムでの機械学習の最近の成功により、効果的かつ効率的なコミュニケーションを設計する必要性がますます明らかになっています。
特に、セマンティックコミュニケーションは、人間の意思決定（HDM）に関連する感知された情報の背後にある意味を伝えることを目指しています。
セマンティックコミュニケーションとHDMの相互作用に関して、エンドツーエンドのセンシング決定プロセス全体をモデル化する方法、HDMのセマンティックコミュニケーションを設計する方法、HDMに提供する情報など、多くの疑問が残ります。
これらの質問に対処するために、セマンティックコミュニケーションとHDMを、コミュニケーションと心理学を橋渡しする確率的なエンドツーエンドのセンシング決定フレームワークに統合することを提案します。
学際的な枠組みでは、HDMプロセスを通じて人間をモデル化し、セマンティックコミュニケーションからの特徴抽出が理論とシミュレーションの両方でHDMを最もよくサポートする方法を探ることができます。
この意味で、私たちの研究は、関連するセマンティック情報を最大化することとHDMモデルの認知能力を一致させることとの基本的な設計トレードオフを明らかにしています。
私たちの最初の分析は、セマンティックコミュニケーションが詳細レベルと人間の認知能力のバランスをとりながら、帯域幅、パワー、レイテンシを必要とする方法を示しています。

要約(オリジナル)

As early as 1949, Weaver defined communication in a very broad sense to include all procedures by which one mind or technical system can influence another, thus establishing the idea of semantic communication. With the recent success of machine learning in expert assistance systems where sensed information is wirelessly provided to a human to assist task execution, the need to design effective and efficient communications has become increasingly apparent. In particular, semantic communication aims to convey the meaning behind the sensed information relevant for Human Decision-Making (HDM). Regarding the interplay between semantic communication and HDM, many questions remain, such as how to model the entire end-to-end sensing-decision-making process, how to design semantic communication for the HDM and which information should be provided to the HDM. To address these questions, we propose to integrate semantic communication and HDM into one probabilistic end-to-end sensing-decision framework that bridges communications and psychology. In our interdisciplinary framework, we model the human through a HDM process, allowing us to explore how feature extraction from semantic communication can best support HDM both in theory and in simulations. In this sense, our study reveals the fundamental design trade-off between maximizing the relevant semantic information and matching the cognitive capabilities of the HDM model. Our initial analysis shows how semantic communication can balance the level of detail with human cognitive capabilities while demanding less bandwidth, power, and latency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google