合成數據會阻礙生成AI的進步還是被證明是必不可少的突破？

了解合成數據：AI及其他地區的遊戲規則改變者

隨著生成AI的出現，我們對合成圖像和文本並不陌生。但是您聽說過合成數據嗎？正如名稱所暗示的那樣，它的數據是人為創建的，可以代表真實數據。這種創新的工具正在醫療保健，金融，汽車行業，尤其​​是在人工智能領域中引起轟動。

在我們的數字時代，綜合數據的重要性在South by Southwest（SXSW）的AI會議上強調了“模擬數據對AI和未來的影響”。本次會議研究了合成數據如何增強生成AI，同時還可以解決潛在的陷阱。

該小組以Nvidia的Mike Hollinger，TypeForm的Oji Udezue和來自德克薩斯州立大學的Tahir Ekin等專家為特色。他們對技術有一個普遍樂觀的看法。烏德祖說：“對我們來說，它（綜合數據）使我們有能力建造更便宜和更好的東西 - 這是一種聖杯。”

合成數據的優勢

合成數據提供了一種模仿現實世界中的方式，在這些方案中，收集實際數據可能太昂貴，耗時或提出隱私問題，尤其是使用敏感財務數據。由於其在訓練和完善AI和機器學習模型中的關鍵作用，它的知名度最近飆升，這與這些技術迅速發展至關重要。

Hollinger解釋說：“與Chatgpt一起，與Gemini一起使用Claude，DeepSeek，以及這些模型中的任何一個，在該模型的訓練數據中很可能是合成生成的步驟。”此過程涉及使用合成數據來增強和改變訓練材料，從而進行更健壯的模型培訓。

合成數據對AI模型特別有益，因為它們需要大量，多樣化和高質量的數據集來進行有效的培訓。這些可能很難獲得，尤其是對於不可通過公共資料來源的利基市場或專有數據集而言。 Gartner最近的一份報告將合成數據稱為2025年的最高趨勢，建議其用來填補見解的空白或替換敏感數據以增強隱私。

與合成數據相關的風險

生成合成數據涉及使用複雜的算法來模仿真實數據的模式和結構。但是，就像任何AI輸出一樣，偏差的風險可能會對結果產生重大影響。 Hollinger以會議當天的一個例子為例，由於日光節省時間，該會議的時間為23個小時。如果合成數據集包含受此類時間變化影響的一天，則可能會偏向模型的準確性。

確保合成數據保持在現實情況下，對於避免這些差異並保持準確性至關重要。然而，烏德祖（Udezue）指出了一個挑戰：“人類以無法預測的方式是不可預測的。您如何預測80億人的變化？”

除技術問題外，一個主要的障礙是建立對合成數據的信任。它的生成，驗證和使用的透明度（也許是通過模型卡）至關重要。埃金（Ekin）提出了一個相關的問題：“從用戶角度來看，我們正在使用這些AI工具，但是您如何進入未在道路上測試但僅使用模擬數據進行測試的自動駕駛汽車？”

展望未來：綜合數據的未來

儘管面臨這些挑戰，但小組對合成數據在AI和其他部門的未來中的作用表示樂觀。 Udezue得出結論，強調，模擬數據將正確使用後，將提昇科學，將提升軟件，但將提升該行業，但是我們必須正確地獲得治理和透明度，否則我們將無法正確利用它。 ”