合成数据集为何如此重要？能为AI行业带来哪些便利？

这类公司需要大量带有标签的历史示例来训练AI系统，尤其是那些使用图像和视频的系统。这种需求催生了一个专门帮助其他企业注释数据的子行业。但是还有另一种方法来产生足够的数据来训练AI系统：制造它。

实质上，这就是一家快速成长的以色列初创公司DataGen专门从事的工作。该公司使用自己的机器学习系统来创建所谓的“合成数据”，如人工生成的静止图像和视频图像，然后交由客户用来训练自己的AI。

该方法仅需几个小时就可为其客户生成定制的合成数据集，相比之下，数据标签公司通常需要几个月来策划等效的现实世界视频或图像库。

除了速度优势之外，有了合成数据，公司不必担心存在于数据集中的任何个人识别信息，也不必担心数据如何收集的道德考量。随着世界上越来越多的人口受到数据保护法的保护，这一特性变得越来越重要。Gartner曾表示，到2023年，全球65%的个人数据将受到某种隐私监管，而去年这一比例仅为10%。

DataGen的联合创始人Ofir Chakon（首席执行官）（左）和技术负责人Gil Elbaz（右）创建了所谓的综合数据来训练AI系统。

DataGen的联合创始人Ofir Chakon（首席执行官）（左）和技术负责人Gil Elbaz（右）创建了所谓的综合数据来训练AI系统。

除此之外，在机器学习的训练中，数据偏差仍然可能是一个问题。在某些情况下，合成数据集可以简单地复制真实数据集中发现的相同偏差。不过该公司有可能消除偏见的方法，客户可以根据自己的意愿调整其生成的数据集，修改数据集里的任何参数，从而允许创建更多示例以确保AI系统知道如何处理这些异常或罕见情况。例如，当一个机器人在仓库周围导航时使用摄像机“看”，如果发生停电，仓库低级应急照明开关打开，会发生什么？这是一种罕见情况，而在现实世界的数据集中，要获得这些罕见案例的例子要困难得多。

通常情况下，只有一小部分可用数据被保留用于测试人工智能。人们很难测试足够多的罕见情况，以了解人工智能在现实世界中遇到相同或类似情况时的表现如何。合成数据集的出现，解决了过去无法解决的问题，或成为整个AI行业的推动者。

声明：本文版权归原作者所有，转载请注明出处，请勿转载至外网或用于商业用途。

赞助本站

（编辑：187手机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!