Dati sintetici

Come vengono creati i dati sintetici

La generazione di dati sintetici impiega diverse tecniche, a seconda della complessità e della fedeltà richieste. Alcuni approcci comuni includono:

• Modellazione statistica: Utilizzare metodi statistici come il campionamento da distribuzioni di probabilità o modelli di regressione derivati da dati reali.
• Simulazioni: Creare ambienti o processi virtuali per generare dati. Si tratta di un'attività comune nella robotica e nei sistemi autonomi, che utilizza piattaforme come NVIDIA Omniverse o Unity Simulation.
• Modelli di apprendimento profondo: Impiegano tecniche di apprendimento profondo (DL), in particolare le reti avversarie generative (GAN) e, più recentemente, i modelli di diffusione. Questi modelli apprendono gli schemi sottostanti ai dati reali e generano nuovi punti di dati simili. L'articolo originale sulle GAN ha introdotto un concetto fondamentale in questo settore.

Importanza nell'intelligenza artificiale e nella visione artificiale

I dati sintetici offrono diversi vantaggi significativi per lo sviluppo dell'intelligenza artificiale e della computer vision:

• Superare la scarsità di dati: Fornisce grandi volumi di dati quando i dati reali sono limitati o costosi da acquisire, aiutando la formazione di modelli robusti(Suggerimenti per la formazione di modelli).
• Miglioramento della privacy dei dati: Genera dati che mantengono le proprietà statistiche senza contenere informazioni sensibili del mondo reale, aiutando a rispettare le normative sulla privacy e consentendo tecniche come la Privacy Differenziale.
• Riduzione dei pregiudizi: può essere controllata attentamente per attenuare o aumentare la rappresentazione di gruppi o scenari sottorappresentati, aiutando a risolvere i pregiudizi del set di dati e a promuovere l'equità nell'IA.
• Copertura dei casi limite: Permette di creare dati che rappresentano scenari rari o pericolosi (ad esempio, incidenti per veicoli autonomi, condizioni mediche rare) che sono difficili da catturare nella realtà. Questo migliora la generalizzazione del modello.
• Efficienza in termini di costi e tempo: Spesso è più economico e veloce da generare rispetto alla raccolta e all'etichettatura dei dati del mondo reale(Data Labeling Explained).

Nella computer vision, le immagini sintetiche sono spesso utilizzate per addestrare modelli per compiti come il rilevamento di oggetti, la segmentazione di immagini e la stima della posa in condizioni diverse (ad esempio, illuminazione variabile, condizioni atmosferiche, punti di vista) che potrebbero essere difficili da trovare nei dataset disponibili.

Applicazioni del mondo reale

I dati sintetici vengono applicati in numerosi settori:

• L'intelligenza artificiale nel settore automobilistico: L'addestramento di modelli per le auto a guida autonoma richiede grandi quantità di dati di guida diversi. Le simulazioni, come l'ambiente di simulazione di Waymo, generano scenari sintetici che includono eventi rari come incidenti o condizioni stradali insolite, fondamentali per i test di sicurezza senza rischi reali. Questo accelera lo sviluppo di sistemi autonomi affidabili.
• L'IA nel settore sanitario: Lo sviluppo di modelli di IA per l'analisi di immagini mediche, ad esempio per il rilevamento dei tumori, spesso incontra delle difficoltà a causa delle normative sulla privacy dei pazienti (come l'HIPAA) e della scarsità di dati etichettati per le malattie rare. Le immagini mediche sintetiche o le cartelle cliniche dei pazienti (ad esempio, generate con strumenti come Synthea) consentono ai ricercatori di addestrare i modelli senza compromettere la privacy, democratizzando l'accesso ai dati.

Altre applicazioni includono la modellazione finanziaria(AI in Finance), la vendita al dettaglio(AI for Smarter Retail) e l'addestramento alla robotica.

Dati sintetici e aumento dei dati

Sebbene sia i dati sintetici che l'aumento dei dati mirino a migliorare le serie di dati, si tratta di concetti distinti:

• Aumento dei dati: Consiste nell'applicare trasformazioni (come rotazione, ritaglio, cambio di colore) ai punti di dati reali esistenti per creare versioni leggermente modificate. Aumenta la diversità del set di formazione in base alla distribuzione dei dati originali. I modelli di Ultralytics spesso incorporano delle trasformazioni integrate(integrazione delle alchimie).
• Dati sintetici: Si riferisce a dati completamente nuovi generati artificialmente, spesso utilizzando simulazioni o modelli generativi come le GAN. Non partono necessariamente da uno specifico punto di dati reali e possono rappresentare scenari completamente assenti dal set di dati originale.

In sostanza, l'aumento dei dati amplia la varianza dei dati esistenti, mentre i dati sintetici possono creare punti e scenari del tutto nuovi, offrendo un modo potente per integrare o addirittura sostituire i dati reali nell'addestramento dei modelli di intelligenza artificiale gestiti attraverso piattaforme come Ultralytics HUB.