Синтетические данные

Определение

Синтетические данные — это искусственно сгенерированная информация, имитирующая данные реального мира. Их можно создавать с помощью моделирования, генеративно-состязательных сетей (GAN) или других генеративных методов.

Цель

Цель состоит в том, чтобы дополнить или заменить реальные данные, когда их мало, они конфиденциальны или их сбор требует больших затрат.

Значение

• Защищает конфиденциальность, снижая зависимость от персональных данных.
• Позволяет проводить обучение для редких или пограничных случаев.
• Могут не обладать всей полнотой данных реального мира.
• Все чаще используется в критически важных для безопасности системах искусственного интеллекта.

Как это работает

1. Определите характеристики данных для репликации.
2. Используйте имитационные или генеративные модели для создания данных.
3. Проверка синтетических данных на соответствие реальным распределениям.
4. Используйте синтетические данные в процессах обучения.
5. Отслеживайте пробелы в реалистичности.

Примеры (реальный мир)

• Waymo: использует синтетические сцены вождения для автономного обучения.
• NVIDIA Omniverse: генерирует синтетические 3D-данные для робототехники.
• Здравоохранение: синтетические данные о пациентах для исследований.

Ссылки/Дополнительная литература

• Специальная публикация NIST по синтетическим данным.
• Гонсалвес и др. «Создание и оценка синтетических данных». ACM Computing Surveys.
• Синтетическое хранилище данных (MIT).
• Что такое синтетические данные в ИИ