Date sintetice

Definiție

Datele sintetice sunt informații generate artificial care imită date din lumea reală. Acestea pot fi create folosind simulări, GAN-uri sau alte metode generative.

Scop

Scopul este de a completa sau înlocui datele reale atunci când acestea sunt rare, sensibile sau costisitoare de colectat.

Importanță

• Protejează confidențialitatea prin reducerea dependenței de datele cu caracter personal.
• Permite antrenamentul pentru cazuri rare sau limită.
• Este posibil să nu aibă complexitatea completă a datelor din lumea reală.
• Din ce în ce mai utilizat în IA critică pentru siguranță.

Cum funcționează

1. Definiți caracteristicile datelor care vor fi replicate.
2. Folosește simulare sau modele generative pentru a crea date.
3. Validați datele sintetice în raport cu distribuții reale.
4. Folosește date sintetice în conductele de antrenament.
5. Monitorizați lacunele de realism.

Exemple (din lumea reală)

• Waymo: folosește scene de condus sintetice pentru antrenament autonom.
• NVIDIA Omniverse: generează date 3D sintetice pentru robotică.
• Asistență medicală: date sintetice ale pacienților pentru cercetare.

Referințe/Lecturi suplimentare

• Publicație specială NIST privind datele sintetice.
• Goncalves și colab. „Generarea și evaluarea datelor sintetice.” ACM Computing Surveys.
• Seif sintetic de date (MIT).
• Ce sunt datele sintetice în IA