Os dados sintéticos são dados gerados artificialmente, não produzidos por eventos do mundo real. Normalmente são criados usando algoritmos, os dados sintéticos podem ser usados para validar modelos matemáticos e para treinar modelos de aprendizagem de máquina. Os dados gerados por uma simulação computacional podem ser considerados dados sintéticos. Isto abrange a maioria das aplicações de modelagem física, como sintetizadores musicais ou simuladores de voo. O resultado destes sistemas aproxima-se da realidade, mas é totalmente gerado por algoritmos. Os dados sintéticos são usados em diversas áreas como um filtro para informações que, de outra forma, comprometeriam a confidencialidade de aspetos específicos dos dados. Em muitas aplicações sensíveis, conjuntos de dados teoricamente existem, mas não podem ser divulgados ao público em geral; os dados sintéticos contornam as questões de privacidade que surgem do uso de informações reais do consumidor sem permissão ou compensação.
Utilidade Dados sintéticos são gerados para atender a necessidades específicas ou certas condições que podem não ser encontradas nos dados reais originais. Um dos obstáculos na aplicação de abordagens de aprendizagem de máquina atualizadas para tarefas científicas complexas é a escassez de dados rotulados, uma lacuna efetivamente preenchida pelo uso de dados sintéticos, que replicam de perto os dados experimentais reais. Isto pode ser útil no projeto de muitos sistemas, desde simulações baseadas em valores teóricos até processadores de banco de dados, etc. Isto ajuda a detetar e resolver problemas inesperados, como limitações de processamento de informações. Os dados sintéticos são frequentemente gerados para representar os dados autênticos e permitem o estabelecimento de uma linha de base. Outro benefício dos dados sintéticos é proteger a privacidade e a confidencialidade dos dados autênticos, permitindo ainda o uso em sistemas de teste. Especialistas em segurança da computação afirmam que os dados sintéticos gerados "... permitem-nos criar perfis de comportamento realistas para utilizadores e atacantes. Os dados são usados para treinar o próprio sistema de deteção de fraudes, criando assim a adaptação necessária do sistema a um ambiente específico." Em contextos de defesa e militares, os dados sintéticos são vistos como uma ferramenta potencialmente valiosa para desenvolver e aprimorar sistemas complexos de IA, particularmente em contextos onde dados reais de alta qualidade são escassos. Ao mesmo tempo, os dados sintéticos, juntamente com a abordagem de teste, podem proporcionar a capacidade de modelar cenários do mundo real.
Exemplos Em 1987, um veículo autónomo da Navlab usou 1200 imagens sintéticas de estradas como uma abordagem para treino. Em 2021, a Microsoft lançou um banco de dados de 100.000 rostos sintéticos baseados em (500 rostos reais) que afirma "corresponder aos dados reais em precisão".
Ver também Aprendizagem por reforço Colapso de modelos Dados substitutos Modelo generativo Renderização (computação gráfica)
Referências