本文探讨了下一代通信网络中以目标和语义为基础的通信的机遇和挑战，通过多任务学习和深度神经网络集中训练以处理各种任务，采用去中心化学习解决通信负载和隐私问题，加固语义通信以防范潜在的多领域攻击，任务导向通信、语义通信和集成感知与通信的共同鲁棒设计成为下一代网络系统中实现上下文感知、资源高效和安全通信的关键因素。

本论文研究了目标导向的通信，提出了一种多任务深度学习方法，通过在发射机上训练共同的编码器和在接收机上训练个体的解码器，实现了多任务的联合优化和与多个接收方的通信。该方法在6G网络的边缘提供了高效的资源分配，能够适应不同的信道条件，达到任务特定的目标同时最小化传输开销。通过多任务学习联合训练编码器和解码器，可以捕捉到任务之间共享的信息并相应地优化通信过程。利用无线通信的广播特性，多接收方的目标导向通信（MTOC）减少了在不同接收方完成任务所需的传输次数。通过对MNIST、Fashion MNIST和CIFAR-10数据集进行性能评估，证明了MTOC相对于单一任务导向通信系统在分类准确性和资源利用方面的有效性。