現実世界のデータと合成データ: AI の未来を解明する

AI 分野に入ると、「合成データ」という用語によく出会うことになります。簡単に言えば、合成データとは、現実世界のデータを複製するように設計された人工的に生成されたデータです。 

一方、人間が生成したデータは、人間によって収集される従来のデータであり、ソーシャル メディアでのやり取り、金銭の取引、特定のソフトウェアの操作方法、2 人での会話、請求書のデータセット、画像のコレクションなど、あらゆるものが含まれます。 

高品質なデータに対する需要が高まるにつれ、2 つの傾向が見られます。1 つは、AI マシンに人間が生成したデータにできるだけ近い合成データを生成するよう求める人々、もう 1 つは、人間が生成したデータには表現力と現実感があると信じて人間が生成したデータにこだわる人々です。 

そこでこの記事では、人間が生成したデータと合成データについて知っておくべきすべてのことを説明します。 

人間が生成したデータまたは現実世界のデータとは何ですか?

まず、あなたがこの記事を読んでいる間に、Google はあなたがこの Web サイトでどのくらいの時間を費やしているかを学習し、SEO と全体的なユーザー エクスペリエンスの向上に役立てています。つまり、人間が生成したデータとは、ソーシャル メディアでのやり取り、電子商取引の取引、アンケート、センサー入力など、さまざまなアクティビティを通じて人々から収集されたデータに他なりません。

人間が生成したデータの最も重要な部分は、多くの場合自然環境で捉えられた現実世界の行動、意見、パターンを表現している点です。 

人間が生成したデータのソースをいくつか紹介します。

• インターネットアクティビティ: ソーシャル メディアの投稿、クリック、検索、レビューに対して人間がどのように反応するか。
• 購入履歴： オンラインショッピングの記録、支出パターンなど。
• センサーデータ: スマートデバイス、IoT システム、ウェアラブル。
• フィードバック： アンケート、製品レビュー、インタビュー、コールセンターの会話、アンケート。

人間が生成したデータの長所と短所 

長所：

• 実データ: 人間が生成したデータは、現実世界のシナリオで個人がどのように考え、行動し、決定を下すかを正確に表します。この信頼性は非常に貴重であり、自然なユーザー インタラクションと好みを理解することは、有意義で魅力的なエクスペリエンスを生み出すために不可欠です。
• コンテキスト： 人間が生成したデータの美しさは、文化的、時間的、状況的なニュアンスを含むコンテキストにあります。
• 検証： データは実際のものであり、正確さを他のデータと簡単に照合できます (合成データではこれは不可能です)。 

短所：

• コストと拡張性: これは人間が生成したデータの最大の欠点です。信頼できるソースからデータを収集するのは非常にコストがかかり、機械学習などのデータ固有のタスクには拡張できないからです。 

• プライバシー： 人間が生成したデータは機密性が高く、個人的なものである可能性があります。適切に処理されなければ、何百人もの人々の私生活に影響を及ぼす可能性があります。 
• バイアス: 人間には偏見があり、人間が生成したデータにも偏見があります。人間が生成したデータは社会的な偏見を反映し、多様性に欠ける場合があります。

実世界データの応用