szintetikus adat
angolul: synthetic data
Mesterségesen, számítógéppel előállított adat, amely a valódi adatok jellemzőit utánozza, de nem valós személyektől vagy eseményektől származik.
Érthetően
A szintetikus adat olyan, mint a pilóták repülésszimulátora: nem igazi repülés, mégis elég élethű ahhoz, hogy tanulni lehessen belőle. Itt a gép nem valódi emberek valódi adataiból dolgozik, hanem kitalált, de valószerű adatokból: nem létező betegek leleteiből, soha le nem zajlott bankkártyás vásárlásokból, megrendezett közlekedési helyzetekből.
Három fő okból használják. Az első az adatvédelem: valódi betegadatot vagy banki tranzakciót nem lehet csak úgy átadni egy fejlesztőcsapatnak. A második a hiány: ritka betegségről vagy ritka balesettípusról kevés a valódi felvétel, mesterségesen viszont akármennyi készíthető. A harmadik a költség: a valódi adat gyűjtése és felcímkézése drága és lassú.
A valódi adattól abban különbözik, hogy nem megfigyelésből, hanem előállításból születik. Ezért csak annyira jó, amennyire a mögötte álló szabály vagy modell ismeri a valóságot. Amit a készítője nem tudott a világról, az a szintetikus adatból is hiányozni fog.
Hogyan működik
- Először kell valami kiindulópont: egy valódi adathalmaz, amelynek a mintázatait meg lehet tanulni, vagy egy szabályrendszer, szimuláció, amely leírja, hogyan viselkedik a világ.
- Ha valódi adatból indulnak, egy generáló modell megtanulja annak jellemzőit: milyen értékek fordulnak elő, milyen gyakran, és mi mivel jár együtt (például az életkor a vérnyomással). Szimulációnál ezt a szerepet a beépített szabályok töltik be.
- A modell vagy a szimuláció ezután új, soha nem létezett rekordokat, szövegeket vagy képeket állít elő. Ezek összességükben hasonlítanak az eredetire, de egyik sem egy valódi eset másolata.
- Az eredményt ellenőrzik: elég élethű-e, használható-e ugyanarra a célra, és nem lehet-e belőle visszakövetkeztetni valódi személyekre.
- A kész adatot betanításra, tesztelésre vagy megosztásra használják. Gyakran valódi adattal keverik, hogy a rendszer ne szakadjon el a valóságtól.
Példa a mindennapokból
Egy banki alkalmazás fejlesztői nem a te számlatörténeteden próbálják ki az új funkciót, hanem több ezer kitalált ügyfél kitalált tranzakcióin. Ugyanígy az önvezető autók szoftvere is rengeteg olyan veszélyes helyzetet gyakorol szimulációban, amelyet a valódi utakon életveszélyes volna megrendezni.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- Örökli a kiinduló adat hibáit és torzításait, sőt fel is erősítheti őket.
- A valóban váratlan, soha nem látott helyzeteket csak korlátozottan tudja visszaadni, mert arra épül, amit a készítője vagy a kiinduló adat ismert.
- Ha egy MI-modellt túlnyomórészt más modellek által gyártott adaton tanítanak, a minősége nemzedékről nemzedékre romolhat. Ezt hívják modellösszeomlásnak.
- Az, hogy egy adat szintetikus, nem bizonyítja, hogy névtelen: ezt külön kell vizsgálni és igazolni.
Hasonló, de nem ugyanaz
- anonimizált adat – Az anonimizált adat valódi emberek valódi adata, amelyből az azonosítókat eltávolították. A szintetikus adat ezzel szemben újonnan előállított.
- deepfake – A deepfake jellemzően egy létező személyről készült hamis kép, hang vagy videó, amely megtévesztésre is alkalmas. A szintetikus adat viszont többnyire gépek tanítására és tesztelésére készül, nem emberek becsapására.
- adatbővítés – Az adatbővítés meglévő valódi adatokat módosít kissé (például elforgat egy képet). A szintetikus adat teljesen új példákat hoz létre.
Kapcsolódó fogalmak
tanítóadat, adat, gépi tanulás
szintetikus tanítóadat, szimulációs adat, szintetikus betegadat
generatív MI, adatbővítés, anonimizálás, modellösszeomlás, digitális iker
Röviden a története
A mai értelemben vett szintetikus adat ötletét Donald Rubin statisztikus vetette fel 1993-ban, hogy népszámlálási adatokat a válaszadók kilétének felfedése nélkül lehessen közzétenni. A generatív modellek, különösen a 2014-ben bemutatott GAN-ok, majd a nagy nyelvi modellek tették lehetővé, hogy élethű képek és szövegek is tömegesen készüljenek így.
Hol tart most
2026 végén a szintetikus adat bevett eszköz az MI-modellek betanításában és a szoftvertesztelésben, és az egészségügyben, a pénzügyben és az autóiparban is terjed. A minőség és a névtelenség igazolásának egységes szabványai még alakulóban vannak.
Más nevei
szintetikus adat · szintetikus adatok · mesterséges adat · mesterségesen generált adat · synthetic data · synthetic dataset · artificial data
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.