Esta página da Web foi automaticamente traduzida para sua conveniência. Não podemos garantir a precisão ou a confiabilidade do conteúdo traduzido. Se tiver dúvidas sobre a precisão do conteúdo traduzido, consulte a versão oficial em inglês da página da Web.
O que é geração de dados sintéticos?
A geração de dados sintéticos é o processo de criar dados artificiais, como imagens, leituras de sensores, texto ou tabelas, que capturam padrões ou características de dados do mundo real. Em IA, dados sintéticos são usados para treinar e testar modelos quando os dados do mundo real são escassos, sensíveis, caros de coletar ou rotular, ou difíceis de obter com segurança.
Dados sintéticos não contêm necessariamente registros de pessoas ou eventos reais. No entanto, dados gerados a partir de fontes do mundo real podem, às vezes, reproduzir informações sensíveis, dependendo dos métodos utilizados.
Como funciona a geração de dados sintéticos?
A geração de dados sintéticos baseada em simulação é comumente usada para imagens e dados de sensores. Pode envolver várias etapas:
- Construa o ambiente: Crie uma cena 3D ou um gêmeo digital representando os objetos, o ambiente e os sensores relevantes para o sistema de IA.
- Aleatorizar: Varie fatores como iluminação, posições dos objetos, texturas, ângulos de câmera e condições ambientais para aumentar a diversidade do conjunto de dados.
- Capturar: Renderizar imagens, vídeo ou dados de sensores como profundidade e lidar do ambiente simulado.
- Rótulo automaticamente: Gerar anotações como caixas delimitadoras, máscaras de segmentação e posições de objetos diretamente da simulação.
- Validar: Avaliar modelos treinados com dados sintéticos contra dados do mundo real e refinar a simulação para abordar as diferenças entre os dois.
Por exemplo, uma equipe de pesquisa de manufatura pode criar um gêmeo digital de uma fábrica e usá-lo para gerar dados de treinamento rotulados para sistemas de IA. O Korea Institute of Industrial Technology (KITECH) usou Unity Industry para construir um gêmeo digital de uma fundição de moldagem de metal e desenvolver um pipeline de dados sintéticos para IA de manufatura, gerando mais de 100.000 quadros brutos para IA de colaboração humano-robô em um projeto de 14 semanas.
Quais são as principais técnicas de geração de dados sintéticos?
Dados sintéticos podem ser gerados usando várias abordagens, dependendo do tipo de dado e do uso pretendido:
Diferentes técnicas também podem ser combinadas. Por exemplo, modelos generativos podem criar ativos ou ambientes 3D que são então usados na geração de dados baseada em simulação.
Qual é a diferença entre dados sintéticos e dados reais?
Dados sintéticos e dados do mundo real têm forças e limitações diferentes, então muitos projetos usam uma combinação de ambos.
Para que servem os dados sintéticos?
Dados sintéticos são usados em vários setores para treinar e testar modelos de IA, simular cenários difíceis ou incomuns e desenvolver sistemas quando os dados do mundo real são limitados, sensíveis ou caros de coletar.
- Visão computacional Treinar modelos de detecção de objetos, segmentação e estimativa de pose usando imagens com anotações geradas automaticamente.
- Robótica Treinar robôs para perceber e interagir com objetos em ambientes simulados antes do Deployment no mundo real, incluindo através de simulação robótica.
- Veículos autônomos: Gerar e testar cenários de condução incomuns ou perigosos que podem ser difíceis ou inseguros de capturar em estradas reais.
- Manufatura Use simulações de fábrica e Digital Twins para gerar dados de treinamento para inspeção, automação e colaboração humano-robô.
- Testes de software: Gerar dados de teste realistas sem usar registros de clientes reais.
- Saúde e finanças: Gerar dados para testes, pesquisa ou desenvolvimento de modelos enquanto se reduz a exposição a informações sensíveis, dependendo de como os dados sintéticos são gerados e validados.
Quais são os benefícios da geração de dados sintéticos?
- Escalar sob demanda: Gerar grandes quantidades de dados sem depender inteiramente da coleta de dados do mundo real.
- Rotulagem automatizada: Gerar anotações ou metadados automaticamente, dependendo do método de geração, reduzindo a necessidade de rotulagem manual.
- Exposição reduzida a dados sensíveis: Conjuntos de dados sintéticos podem reduzir a necessidade de usar ou compartilhar registros pessoais ou sensíveis reais.
- Cobertura de casos extremos: Gerar ou simular cenários incomuns, perigosos ou caros que podem ser difíceis de capturar no mundo real.
- Diversidade do conjunto de dados: Adicionar cenários ou condições sub-representados para melhorar a cobertura do conjunto de dados quando os dados gerados refletem com precisão a variação relevante do mundo real.
Quais são os desafios da geração de dados sintéticos?
- A lacuna de simulação para o real: Modelos treinados em dados simulados podem ter dificuldades quando as condições do mundo real, como iluminação, texturas, física ou ruído do sensor, diferem da simulação.
- Esforço de validação: As equipes precisam avaliar se os dados sintéticos representam adequadamente as condições que o modelo encontrará, muitas vezes testando com dados do mundo real.
- Viés herdado: Dados sintéticos gerados a partir de dados de origem enviesados ou suposições podem reproduzir ou amplificar esses vieses.
- Privacidade não é automática: Dados sintéticos gerados a partir de registros reais podem potencialmente reproduzir informações sensíveis, portanto, testes apropriados de privacidade e reidentificação podem ser necessários.
Perguntas frequentes (FAQ)
Dados sintéticos são o mesmo que dados falsos?
Não exatamente. Dados sintéticos são gerados artificialmente para reproduzir padrões ou características relevantes de dados do mundo real. Pode ser projetado para usos específicos, como treinamento de modelos de IA, teste de software ou simulação de condições do mundo real. Dados fictícios são geralmente criados para testes ou desenvolvimento e não visam necessariamente refletir padrões do mundo real.
Modelos de IA podem ser treinados apenas com dados sintéticos?
Em alguns casos, sim. Se um modelo pode ser treinado de forma eficaz usando apenas dados sintéticos depende da tarefa, da qualidade e diversidade dos dados e de quão de perto eles representam as condições que o modelo encontrará. Combinar dados sintéticos e do mundo real pode ajudar a fornecer uma cobertura mais ampla, permitindo que os modelos sejam avaliados em condições do mundo real.
Dados sintéticos são sempre privados?
Não automaticamente. Dados sintéticos gerados a partir de registros reais podem potencialmente reproduzir informações sensíveis se o processo de geração memorizar ou reproduzir de perto exemplos de origem. Testes de privacidade apropriados podem ajudar a identificar esses riscos antes que os dados sejam compartilhados. Dados gerados por simulação a partir de ambientes virtuais não partem de registros pessoais, embora suas propriedades de privacidade ainda dependam de como o sistema e os ativos são criados.