目录
但什么是合成数据?
(无形)利益
首页 科技周边 人工智能 合成数据会推动 AI/ML 训练的未来吗?

合成数据会推动 AI/ML 训练的未来吗?

Apr 14, 2023 am 09:52 AM
ai 合成数据 ml

合成数据会推动 AI/ML 训练的未来吗?

毫无疑问,为训练人工智能或机器学习 (AI/ML) 收集真实数据既耗时又昂贵。而且,很多时候也充满了风险,但更常见的问题是数据太少或有偏见的数据可能会使企业组织误入歧途。但是,如果你可以生成新数据,即所谓的合成数据呢?

这听起来不太可能,但这正是Synthesis AI计划从 468 Capital、Sorenson Ventures、Strawberry Creek Ventures、Bee Partners、PJC、iRobot Ventures、Boom Capital 和 Kubera Venture Capital 等风险投资公司筹集的 1700 万美元的 A 轮融资。

这是一个非常可靠的证据。该公司正计划利用这这笔资金来扩大其在混合真实和合成数据领域的研发。

Synthesis AI 的首席执行官 Yashar Behzadi 在一份声明中表示:“合成数据正处于采用的拐点,我们的目标是进一步开发该技术并推动计算机视觉系统构建方式的范式变革。该行业将很快在虚拟世界中全面设计和训练计算机视觉模型,从而实现更先进和合乎道德的人工智能。”

但什么是合成数据?

合成数据是人工创建的,而不是从现实世界中收集的。当前,许多应用都专注于视觉数据,例如从计算机视觉系统收集的数据。尽管如此,没有实际理由不能为其他用例创建合成数据,例如测试应用或改进用于检测欺诈的算法。它们有点像物理记录的高度结构化的数字孪生。

通过大规模提供海量、真实的数据集,数据科学家和分析师理论上可以跳过数据收集过程,直接进入测试或训练。

这是因为创建真实世界数据集的大部分成本不仅仅是收集原始数据。以计算机视觉和自动驾驶汽车为例,汽车制造商和研究人员可以将各种摄像头、雷达和激光雷达传感器连接到车辆上进行收集,但原始数据对 AI/ML 算法没有任何意义。同样艰巨的挑战是使用上下文信息手动标记数据,以帮助系统做出更好的决策。

让我们来看看这个挑战的背景:想象一下,你经常开一段很短的车,所有的停车标志、十字路口、停着的车、行人等等,然后想象一下,给每一个潜在的危险都贴上标签是一项艰巨的任务。

合成数据的核心优势在于,理论上,它可以创建完美标记的数据集,其规模足以正确训练 AI/ML 应用,这意味着数据科学家可以在大量新地方突然测试他们的算法,然后才能真正实现世界数据或在难以获取的情况下。继续自动驾驶汽车的例子,数据科学家可以创建合成数据来训练汽车在恶劣条件下驾驶,例如积雪覆盖的道路,而无需派司机向北或进入山区手动收集数据。

合成数据的核心优势在于,从理论上讲,它可以在适当训练AI/ML应用所需的规模上创建完美标记的数据集,这意味着数据科学家可以在获得真实数据之前,或在难以获得数据的情况下,突然在许多新的地方测试他们的算法。还是自动驾驶汽车的例子,数据科学家可以创建合成数据来训练汽车在不利条件下驾驶,比如白雪覆盖的道路,而无需让司机一路向北或进入山区手动收集数据。

然而,合成数据存在先有鸡还是先有蛋的问题,因为只能使用……更多数据和更多 AI/ML 算法来创建它。从“种子”数据集开始,然后将其作为合成创作的基准,这意味着它们只会与您开始使用的数据一样好。

(无形)利益

有哪些数据科学家或研究人员不会从看似无穷无尽的数据生成器中获益?其核心好处——能够避免手动收集真实世界的数据——只是合成数据可以加速AI/ML应用的方式之一。

由于分析师和数据科学家可以严格控制种子数据,甚至可以额外努力纳入多样性,或与外部顾问合作发现和解码偏见,他们可以对自己提出更高的标准。例如,Synthesis AI正在开发一种监测司机状态的系统,并仔细地将不同的面孔包含在他们的计算机生成的合成数据集中,以确保现实世界的应用适用于每个人。

隐私是另一个潜在的胜利。如果一家公司花费数百万英里来为他们的自动驾驶汽车收集真实世界的数据,他们就会收集到很多人认为是个人隐私的大量数据——尤其是他们的脸。像谷歌和苹果这样的大公司已经找到了在他们的地图软件中避免这些类型问题的方法,但他们的路线对于想要测试他们的算法的小型 AI/ML 团队来说并不可行。

“企业还在努力解决与以人为本的产品中的模型偏见和消费者隐私相关的道德问题。很明显,构建下一代计算机视觉需要一种新的范式,”该公司首席执行官兼创始人 Yashar Behzadi​​对媒体表示​​。

虽然合成数据确实依赖于种子才能开始,但可以对其进行调整和修改,以帮助在现实生活中难以或危险捕获的边缘情况下训练 AI/ML 应用。自动驾驶汽车背后的公司希望擅长识别仅部分可见的物体或人,例如隐藏在卡车后面的停车标志,或站在两辆车之间的行人冲上马路。

考虑到这些胜利,尽管有些人担心将偏见编码到合成数据中的先有鸡还是先有蛋的问题,Gartner​​预测,到 2024​​年,用于开发 AI 和分析产品的数据的 60% 将综合生成。他们预测,大部分新数据将专注于在它们所基于的历史数据失去相关性或基于过去经验的假设失效的情况下修复预测模型。

但是总是需要收集一些真实世界的数据,所以我们距离被我们通用的、公正的自我的虚拟形象完全淘汰还有很长的路要走。

以上是合成数据会推动 AI/ML 训练的未来吗?的详细内容。更多信息请关注PHP中文网其他相关文章!

本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

Video Face Swap

Video Face Swap

使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

热门话题

Java教程
1664
14
CakePHP 教程
1422
52
Laravel 教程
1316
25
PHP教程
1268
29
C# 教程
1241
24
如何理解C  中的DMA操作? 如何理解C 中的DMA操作? Apr 28, 2025 pm 10:09 PM

DMA在C 中是指DirectMemoryAccess,直接内存访问技术,允许硬件设备直接与内存进行数据传输,不需要CPU干预。1)DMA操作高度依赖于硬件设备和驱动程序,实现方式因系统而异。2)直接访问内存可能带来安全风险,需确保代码的正确性和安全性。3)DMA可提高性能,但使用不当可能导致系统性能下降。通过实践和学习,可以掌握DMA的使用技巧,在高速数据传输和实时信号处理等场景中发挥其最大效能。

C  中的chrono库如何使用? C 中的chrono库如何使用? Apr 28, 2025 pm 10:18 PM

使用C 中的chrono库可以让你更加精确地控制时间和时间间隔,让我们来探讨一下这个库的魅力所在吧。C 的chrono库是标准库的一部分,它提供了一种现代化的方式来处理时间和时间间隔。对于那些曾经饱受time.h和ctime折磨的程序员来说,chrono无疑是一个福音。它不仅提高了代码的可读性和可维护性,还提供了更高的精度和灵活性。让我们从基础开始,chrono库主要包括以下几个关键组件:std::chrono::system_clock:表示系统时钟,用于获取当前时间。std::chron

量化交易所排行榜2025 数字货币量化交易APP前十名推荐 量化交易所排行榜2025 数字货币量化交易APP前十名推荐 Apr 30, 2025 pm 07:24 PM

交易所内置量化工具包括:1. Binance(币安):提供Binance Futures量化模块,低手续费,支持AI辅助交易。2. OKX(欧易):支持多账户管理和智能订单路由,提供机构级风控。独立量化策略平台有:3. 3Commas:拖拽式策略生成器,适用于多平台对冲套利。4. Quadency:专业级算法策略库,支持自定义风险阈值。5. Pionex:内置16 预设策略,低交易手续费。垂直领域工具包括:6. Cryptohopper:云端量化平台,支持150 技术指标。7. Bitsgap:

怎样在C  中处理高DPI显示? 怎样在C 中处理高DPI显示? Apr 28, 2025 pm 09:57 PM

在C 中处理高DPI显示可以通过以下步骤实现:1)理解DPI和缩放,使用操作系统API获取DPI信息并调整图形输出;2)处理跨平台兼容性,使用如SDL或Qt的跨平台图形库;3)进行性能优化,通过缓存、硬件加速和动态调整细节级别来提升性能;4)解决常见问题,如模糊文本和界面元素过小,通过正确应用DPI缩放来解决。

C  中的实时操作系统编程是什么? C 中的实时操作系统编程是什么? Apr 28, 2025 pm 10:15 PM

C 在实时操作系统(RTOS)编程中表现出色,提供了高效的执行效率和精确的时间管理。1)C 通过直接操作硬件资源和高效的内存管理满足RTOS的需求。2)利用面向对象特性,C 可以设计灵活的任务调度系统。3)C 支持高效的中断处理,但需避免动态内存分配和异常处理以保证实时性。4)模板编程和内联函数有助于性能优化。5)实际应用中,C 可用于实现高效的日志系统。

怎样在C  中测量线程性能? 怎样在C 中测量线程性能? Apr 28, 2025 pm 10:21 PM

在C 中测量线程性能可以使用标准库中的计时工具、性能分析工具和自定义计时器。1.使用库测量执行时间。2.使用gprof进行性能分析,步骤包括编译时添加-pg选项、运行程序生成gmon.out文件、生成性能报告。3.使用Valgrind的Callgrind模块进行更详细的分析,步骤包括运行程序生成callgrind.out文件、使用kcachegrind查看结果。4.自定义计时器可灵活测量特定代码段的执行时间。这些方法帮助全面了解线程性能,并优化代码。

MySQL批量插入数据的高效方法 MySQL批量插入数据的高效方法 Apr 29, 2025 pm 04:18 PM

MySQL批量插入数据的高效方法包括:1.使用INSERTINTO...VALUES语法,2.利用LOADDATAINFILE命令,3.使用事务处理,4.调整批量大小,5.禁用索引,6.使用INSERTIGNORE或INSERT...ONDUPLICATEKEYUPDATE,这些方法能显着提升数据库操作效率。

C  中的字符串流如何使用? C 中的字符串流如何使用? Apr 28, 2025 pm 09:12 PM

C 中使用字符串流的主要步骤和注意事项如下:1.创建输出字符串流并转换数据,如将整数转换为字符串。2.应用于复杂数据结构的序列化,如将vector转换为字符串。3.注意性能问题,避免在处理大量数据时频繁使用字符串流,可考虑使用std::string的append方法。4.注意内存管理,避免频繁创建和销毁字符串流对象,可以重用或使用std::stringstream。

See all articles