图片由Michael Marais拍摄，来自Unsplash
每个轰动一时的故事都有一个英雄和一个反派，AI 范式也不例外。随着 AI 和数据的发展以及在我们日常生活中扮演越来越重要的角色，AI 多年来一直需要发出蝙蝠信号。你知道这个故事 - 数百万的投资却回报甚微。
1. 谷歌网络安全证书 - 快速进入网络安全职业的捷径
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT 工作
要理解英雄的角色，重要的是注意到阻碍 AI 充分发挥潜力的反派。对于 AI 来说，反派是双面派。虽然数据是构建可靠且强大的 AI 模型的关键组成部分，但数据也是 AI 采纳的主要障碍之一。
根据 Gartner，数据质量和数量的缺乏是 AI 采纳的一些最大障碍。成功的 AI 项目需要大量的数据来获取最佳应对情况的信息。没有足够的数据或新场景与过去的数据不匹配时，AI 可能会出现问题。情况越复杂，AI 现有的数据越可能不够。
起初训练和完善 AI 模型所需的数据量并不总是明确的。隐私问题也可能使得获取所需数据变得困难。
在视觉领域，合成数据在创建更具能力和伦理的 AI 模型方面显示出潜力。合成数据是计算机生成的图像数据，用于模拟现实世界。视觉特效行业的技术与生成神经网络结合，以创建广泛、多样化且真实感强的标记图像数据。合成数据集是人工创建的，而不是通过现实世界数据生成的，从而使训练数据的开发成本和时间大大降低。像布鲁斯·韦恩一样，合成数据也有许多巧妙的应用。
目前，大多数人工智能系统依赖于“监督学习”，即人工标记并有效地教导人工智能如何解释图像的过程。这个过程既耗时又耗费资源，并且存在根本性限制，因为人类无法扩展，更重要的是，无法标记如 3D 位置、交互等关键属性。此外，关于人工智能的群体偏见和消费者隐私的担忧不断增加，使得获取具有代表性的人类数据变得越来越困难。
对于以消费者为中心的应用程序，如智能手机和智能家居，确保隐私至关重要。合成数据最终可以消除在构建以消费者为中心的应用程序中使用真实人类的需求。由于合成数据是人工生成的，这消除了许多传统数据集收集过程中存在的偏见和隐私问题。
捕获和准备真实世界数据用于模型训练是一个漫长且繁琐的过程。对于复杂的计算机视觉系统，如自动驾驶汽车、机器人或卫星图像，部署所需的硬件可能非常昂贵。一旦数据被捕获，人类需要标记和注释关键特征，这容易出错且成本高昂。
合成数据能够按需提供数据，从而降低计算机视觉模型和产品的成本并加快市场速度。它比传统的人工标注真实数据的方法快和便宜几个数量级，并将加速新型更强大模型在各行业的部署。
如同蝙蝠侠的能力一样，合成数据的能力超越了普通公民。如前所述，人类在准确标记帮助计算机视觉系统解释周围世界的关键属性方面有限。公司受制于足够多样化和准确标记的人类数据集的可用性。目前，获取和标记图像数据的时间和成本巨大。这种方法的根本限制在于，人类工作者无法标记公司可能感兴趣的所有属性。
与需要手动标记的真实数据不同，合成数据是人工生成并标记的，模拟真实世界。合成数据方法提供的关于 3D 位置、深度和新传感器系统的新标签将允许开发适用于自主、机器人和 AR/VR/元宇宙等应用的新型更强大的模型。
人工智能系统可能包含固有的偏见，这会影响到人群的各个群体。驱动人工智能模型的数据集可能在某些数据类别上不平衡，并且某些群体可能被过度或不足代表。这可能导致人工智能数据集中的性别、种族和年龄偏见。引入合成数据。
合成数据并非从现实世界事件或现象中提取，而是部分或完全人工生成的。如果数据集不够多样或庞大，人工智能生成的数据可以填补空白，形成更全面、公正的数据集。这使得人工智能科学家能够创建平衡的数据集，帮助组织满足监管和合规要求，并构建更公平且具有伦理的人工智能系统。
世界将需要强大且具有伦理的人工智能系统来支持未来的应用。自动驾驶的车辆将把旅行者送往机场，虚拟工作会议将在元宇宙中进行，或者送货机器人将送来本周的食品，这些都将依赖于由庞大数据集驱动的计算机视觉应用。合成数据的超能力将在确保这些数据集具有伦理性、公正性、经济性和鲁棒性方面发挥至关重要的作用。
Yashar Behzadi, Ph.D. 是 Synthesis AI 的首席执行官兼创始人。他是一位经验丰富的企业家，在人工智能、医疗技术和物联网市场上建立了变革性的企业。