Szintetikus adat
Mesterségesen generált adat, amelyet valódi adatok helyett vagy kiegészítéseként használnak AI-modellek tanításához. Nincs mögötte valódi eset, mégis valószerű mintákat követ.
Analógia
Mint amikor egy pilóta szimulátorban edz: a szimulált helyzetek nem valósak, de elég hűek ahhoz, hogy valódi készségeket fejlesszen.
Miért fontos?
Ha nincs elég valódi adatod (ritka betegség, bizalmas pénzügyi esetek), szintetikus adattal kiegészítheted a tréninget anélkül, hogy személyes adatokat veszélyeztetnél. Üzleti AI-projekteknél egyre fontosabb alternatíva az adathiány és az adatvédelmi korlátok megoldására.
Hogyan működik?
Szintetikus adat készülhet szabályokkal, szimulációval vagy generatív modellel. A célja lehet ritka helyzetek kiegészítése, tesztelés, fejlesztés vagy tanítás, amikor a valódi adatok kevésbé hozzáférhetők. Az adat akkor hasznos, ha megőrzi a feladat szempontjából fontos mintákat, miközben nem vezet be félrevezető leegyszerűsítést. A létrehozott példákat ezért össze kell vetni a valós felhasználási környezettel, és ellenőrizni kell, hogy ne ismételjék mechanikusan a generáló rendszer hibáit.
A fejlesztő vagy adatelemző például mesterséges ügyfélkérdésekkel próbálhat ki egy osztályozót, mielőtt valódi ügyféladatokat kapcsolna hozzá. Szintetikus adatok a ritka esetek kipróbálását is segíthetik, de a modell csak azt tanulhatja meg belőlük, amit a generálási folyamat képvisel. Adatvédelmi cél esetén külön ellenőrizni kell, hogy a generált sorok nem őriznek-e meg visszafejthető részleteket a forrásból. Az eredmény nem automatikusan alkalmas minden tanítási vagy döntési célra.
Példa
Egy csapat mesterséges, de változatos megfogalmazású panaszlevelekkel ellenőrzi, hogy a témacsoportosító a hangnem helyett a levél tényleges tárgyát is felismeri-e.
Gyakori tévhit
A szintetikus adat nem válik automatikusan elfogulatlanná vagy anonimmá attól, hogy számítógép állította elő. A forrás, a generálási szabályok és a kimenet ellenőrzése továbbra is fontos.