Semantic Compression 기반 통신 프레임워크의 진화와 Physical AI 응용

국문 초록 (Abstract)

Shannon의 정보 이론은 통신에서 비트 정확성에 집중해 왔으나, 차세대 네트워크에서는 의미론적 정보를 효율적으로 전달하는 패러다임 전환이 요구되고 있다. 본 논문은 의미론적 압축(Semantic Compression, SC)과 의미론적 통신(Semantic Communication)의 원리 및 기술 요소를 고찰하고, 이를 Physical AI(물리적 AI) 응용 및 대규모 언어 모델(Large Language Model: LLM) 기반 기술과 연계하는 최신 동향을 살펴본다. Shannon 이론의 한계와 Weaver가 제시한 통신 문제의 레벨 B/C를 통해 의미 전달의 중요성을 짚어보고, 의미론적 압축의 개념과 정보 병목 이론(Information Bottleneck Theory)을 포함한 주요 이론을 정리한다. 또한 센트로이드 기반 잠재 공간 인코딩 기법 등 인공지능 기반 의미 추출·압축 기법을 소개하고, 실제 적용 사례로 산업용 로보틱스 및 지능형 센서 네트워크 분야에서의 활용을 논의한다. 마지막으로 의미론적 통신의 향후 과제와 발전 방향을 제시한다.