Synthetische gegevens

Definitie

Synthetische data is kunstmatig gegenereerde informatie die echte data nabootst. Deze kan worden gecreëerd met behulp van simulaties, GAN's of andere generatieve methoden.

Doel

Het doel is om echte gegevens aan te vullen of te vervangen wanneer deze schaars, gevoelig of duur zijn om te verzamelen.

Belang

• Beschermt de privacy door de afhankelijkheid van persoonlijke gegevens te verminderen.
• Maakt training mogelijk voor zeldzame gevallen of randgevallen.
• Het kan zijn dat de volledige complexiteit van gegevens uit de echte wereld niet aanwezig is.
• Wordt steeds vaker gebruikt in veiligheidskritische AI.

Hoe het werkt

1. Definieer de gegevenskenmerken die u wilt repliceren.
2. Gebruik simulatie- of generatieve modellen om gegevens te creëren.
3. Valideer synthetische gegevens aan de hand van echte verdelingen.
4. Gebruik synthetische gegevens in trainingspijplijnen.
5. Let op hiaten in het realisme.

Voorbeelden (echte wereld)

• Waymo: gebruikt synthetische rijscènes voor autonome training.
• NVIDIA Omniverse: genereert synthetische 3D-data voor robotica.
• Gezondheidszorg: synthetische patiëntgegevens voor onderzoek.

Referenties / Verder lezen

• Speciale publicatie van NIST over synthetische data.
• Goncalves et al. “Generatie en evaluatie van synthetische data.” ACM Computing Surveys.
• Synthetische gegevenskluis (MIT).
• Wat zijn synthetische data in AI?