Wat is Synthetische data?
In één zin
Synthetische data zijn kunstmatig gemaakte gegevens die op echte data lijken en gebruikt worden om AI te trainen of te testen, bijvoorbeeld om privacy te beschermen.
Ook wel: kunstmatige data, synthetic data
Synthetische data zijn gegevens die niet uit de echte wereld komen, maar door een computer zijn gemaakt. Ze lijken wel op echte data. AI-modellen kunnen ermee worden getraind of getest.
Hoe werkt het?
Een computerprogramma, vaak zelf een AI-model, bekijkt echte gegevens en leert de patronen daarin. Daarna maakt het nieuwe gegevens met dezelfde kenmerken, maar zonder dat ze bij een echt persoon of een echte gebeurtenis horen.
Synthetische data kunnen tekst, getallen, afbeeldingen of tabellen zijn. Je kunt ze ook met vaste regels maken, zoals in een simulatie. Een voorbeeld is een virtuele stad waarin zelfrijdende auto’s oefenen.
Een voorbeeld uit de praktijk
Een ziekenhuis wil een AI-model trainen dat ziektes herkent. Patiëntgegevens zijn privé en mogen niet zomaar worden gedeeld. Daarom maakt het ziekenhuis een kunstmatige dataset die lijkt op de echte, maar geen echte patiënten bevat. Onderzoekers kunnen er veilig mee werken. Een ander voorbeeld is een webwinkel die nepbestellingen maakt om zijn systemen te testen.
Waarom is dit belangrijk voor jou?
Goede data zijn schaars en vaak gevoelig. Synthetische data kunnen helpen om privacy te beschermen en om zeldzame situaties toch te oefenen. Er zijn ook aandachtspunten:
- Als de echte data vooroordelen bevatten, nemen de synthetische data die vaak over.
- Nepdata zijn nooit helemaal zoals de werkelijkheid. Het model kan daardoor in de praktijk slechter presteren.
- Wordt een model steeds getraind op door AI gemaakte data, dan kan de kwaliteit langzaam dalen.
Vraag je dus af of synthetische data goed genoeg zijn voor het doel. Controleer de resultaten altijd met echte voorbeelden.
