Synteettinen data tarkoittaa keinotekoisesti tuotettuja esimerkkejä, jotka luodaan yleensä algoritmien tai tekoälymallien avulla sen sijaan, että ne kerättäisiin todellisesta maailmasta. Ne voivat jäljitellä aidon tietoaineiston tilastollisia ominaisuuksia tai syntyä alusta alkaen tiettyjen tilanteiden kattamiseksi. Niitä käytetään koneoppimismallien kouluttamiseen, validointiin ja laajentamiseen.
Niiden merkitys on kasvanut useista käytännön syistä:
- Yksityisyys: niiden avulla voidaan työskennellä ilman todellisten henkilötietojen paljastamista, mikä on hyödyllistä terveydenhuollossa ja rahoitusalalla.
- Niukkuus: ne kattavat harvinaisia tai vaikeasti saatavia tapauksia, kuten harvinaisia vikatilanteita ja vaarallisia tilanteita.
- Kustannukset: ne ovat halvempia kuin suurten todellisten tietomäärien kerääminen ja merkitseminen.
Tyypillinen esimerkki on simulaattorien käyttö itseajavien autojen kouluttamisessa miljoonilla virtuaalikilometreillä. On hyvä pitää mielessä yksi seikka: jos synteettinen data ei kuvaa todellisuutta riittävän hyvin, malli oppii harhaanjohtavia malleja. Siksi sitä yhdistetään usein todelliseen dataan ja validoidaan huolellisesti, jotta vältetään vinoumat ja suorituskyky, joka toimii vain ”paperilla”.