Synthetic Data ist besonders dort sinnvoll, wo reale, sauber gelabelte Daten nur schwer oder sehr teuer zu bekommen sind. Als Beispiel wird die Medizin genannt: Für große Mengen annotierter Daten braucht es Expertinnen und Experten wie Ärztinnen, Ärzte oder Professoren – das macht Datenerhebung im großen Stil kostspielig, weshalb synthetische Daten hier einen klaren Vorteil bieten.
Mit leistungsfähigeren und günstigeren Rechenressourcen verschiebt sich der nächste Entwicklungsschritt: Weg von rein computergrafisch erzeugten Datensätzen hin zu KI-generierten Daten. Generative Modelle automatisieren dabei zunehmend Teile klassischer Computer-Graphics-Pipelines und machen die Erstellung synthetischer Daten effizienter.
* Diese Inhalte wurden mithilfe von Künstlicher Intelligenz erstellt und können Fehler enthalten.
Statements: Synthetic Data – Trends & Applications
Synthetic Data
1.) Are there special applications or industries where synthetic data is very useful?
2.) As IPCs are getting cheaper and faster: what will be the next step for synthetic data?
1.) It depends on the cost of acquiring real data. If you can easily obtain a large amount of real data, including labels, go for it. A good example for synthetic data is medical: you need experts – professors or doctors – which makes it extremely expensive to obtain labelled data at scale. There’s a strong case for synthetic data.
2.) In the past, synthetic data was generated only by computer graphics. Now the trend goes to AI-generated data, where generative models increasingly automate parts of these computer graphics pipelines.
Der NS42 AI Vision-Sensor von Zebra Technologies ist mit KI-gestützter OCR und Anomalie-Erkennung ausgestattet für hochpräzise OCR-Lesevorgänge ohne Training, Anomalie-Erkennung…
Die tschechische Beteiligungsgesellschaft Jet Investment investiert über ihren Fonds Jet Venture 1 insgesamt 2,1Mio.€ in das schwedische Unternehmen GigaScan Technologies…
