Co jsou syntetická data?

Synthetic Data neboli Syntetická data jsou uměle generované datové sady, které napodobují statistické vlastnosti a vzory reálných dat, aniž by obsahovaly skutečné osobní nebo citlivé informace, a používají se pro trénink nebo testování AI modelů.

Syntetická data řeší problémy jako nedostatek dat, obavy o soukromí a nákladné sběry dat poskytováním neomezených, přizpůsobených trénovacích dat bez rizik pro soukromí.

Syntetická data jsou vytvářena pomocí Generative Adversarial Networks (GANs), Variational Autoencoders nebo jiných generativních modelů, které se učí produkovat realistická data založená na vzorech v reálných datových sadách.

Nemocnice generuje syntetická pacientská data, která odrážejí reálné lékařské vzory pro trénink AI modelů, aniž by odhalovala skutečné informace o pacientech nebo porušovala předpisy o ochraně dat.

Syntetická data úzce souvisí s Generative AI, Data Augmentation, Privacy Preservation, GANs a různými technologiemi ochrany dat.