Data ya syntetisk: Kuunda mifumo sahihi ya AI kwa kutumia miundo iliyotengenezwa

• mwandishi:
• mwandishi jina

  Mtazamo wa Quantumrun
• Huenda 4, 2022

Muhtasari wa maarifa

Data ya syntetisk, zana yenye nguvu ambayo ina programu kuanzia huduma ya afya hadi rejareja, inaunda upya jinsi mifumo ya AI inavyoundwa na kutekelezwa. Kwa kuwezesha uundaji wa seti mbalimbali za data na changamano bila kuhatarisha taarifa nyeti, data ya sanisi inaboresha ufanisi katika sekta zote, kuhifadhi faragha na kupunguza gharama. Hata hivyo, pia inatoa changamoto, kama vile uwezekano wa matumizi mabaya katika kuunda vyombo vya habari vya udanganyifu, masuala ya mazingira yanayohusiana na matumizi ya nishati, na mabadiliko ya mienendo ya soko la ajira ambayo yanahitaji kusimamiwa kwa uangalifu.

Muktadha wa data sanisi

Kwa miongo kadhaa, data ya syntetisk imekuwepo katika aina tofauti. Inaweza kupatikana katika michezo ya kompyuta kama vile viigaji vya ndege na katika uigaji wa fizikia ambao unaonyesha kila kitu kuanzia atomu hadi galaksi. Sasa, data ya sanisi inatumika katika tasnia kama vile huduma ya afya ili kutatua changamoto za ulimwengu halisi za AI.

Uendelezaji wa AI unaendelea kukabili vikwazo kadhaa vya utekelezaji. Seti kubwa za data, kwa mfano, zinahitajika ili kutoa matokeo ya kuaminika, bila upendeleo, na kuzingatia kanuni kali zaidi za faragha za data. Katikati ya changamoto hizi, data ya maelezo iliyoundwa na uigaji wa kompyuta au programu imeibuka kama mbadala wa data halisi. Data hii iliyoundwa na AI, inayojulikana kama data ya sanisi, ni muhimu katika kusuluhisha maswala ya faragha na kumaliza chuki kwa kuwa inaweza kuhakikisha utofauti wa data unaoakisi ulimwengu halisi.

Wahudumu wa afya hutumia data ya sanisi, kama mfano, ndani ya sekta ya picha za matibabu kutoa mafunzo kwa mifumo ya AI huku wakidumisha usiri wa mgonjwa. Kampuni ya huduma ya mtandaoni, Curai, kwa mfano, ilitumia kesi 400,000 za kimatibabu za kutengeneza kutoa mafunzo kwa kanuni za utambuzi. Zaidi ya hayo, wauzaji reja reja kama vile Caper hutumia uigaji wa 3D kuunda mkusanyiko wa data sintetiki wa picha elfu moja kutoka kwa picha tano za bidhaa. Kulingana na utafiti wa Gartner uliotolewa mnamo Juni 2021 unaolenga data ya syntetisk, data nyingi itakayotumika katika ukuzaji wa AI itatengenezwa kwa njia ya utungaji sheria, viwango vya takwimu, uigaji, au njia nyinginezo kufikia 2030.

Athari ya usumbufu

Data ya syntetisk husaidia kuhifadhi faragha na kuzuia uvunjaji wa data. Kwa mfano, hospitali au shirika linaweza kumpa msanidi data ya matibabu ya hali ya juu ili kufunza mfumo wa utambuzi wa saratani unaotegemea AI—data ambayo ni changamano kama data ya ulimwengu halisi inayokusudiwa kufasiriwa na mfumo huu. Kwa njia hii, wasanidi programu wana seti za data za ubora za kutumia wakati wa kuunda na kuunda mfumo, na mtandao wa hospitali hauna hatari ya kuhatarisha data nyeti ya matibabu ya mgonjwa. 

Data ya syntetisk inaweza kuruhusu wanunuzi wa data ya majaribio kufikia maelezo kwa bei ya chini kuliko huduma za kawaida. Kulingana na Paul Walborsky, ambaye alianzisha AI Reverie, mojawapo ya biashara za kwanza zilizojitolea za data ya syntetisk, picha moja ambayo inagharimu $6 kutoka kwa huduma ya kuweka lebo inaweza kuzalishwa kwa senti sita. Kinyume chake, data sanisi itafungua njia kwa data iliyoongezwa, ambayo inajumuisha kuongeza data mpya kwenye mkusanyiko wa data uliopo wa ulimwengu halisi. Wasanidi wanaweza kuzungusha au kuangaza picha ya zamani ili kuunda mpya. 

Hatimaye, kwa kuzingatia masuala ya faragha na vizuizi vya serikali, maelezo ya kibinafsi yaliyo katika hifadhidata yanazidi kupitishwa kisheria na changamano, na hivyo kufanya kuwa vigumu kwa taarifa za ulimwengu halisi kutumika kuunda programu na majukwaa mapya. Data ya syntetisk inaweza kuwapa wasanidi programu suluhisho la kurekebisha data nyeti sana.

Athari za data ya syntetisk 

Athari pana za data ya sintetiki zinaweza kujumuisha:

• Ukuaji wa kasi wa mifumo mipya ya AI, kwa kiwango na utofauti, ambayo inaboresha michakato katika tasnia nyingi na nyanja za nidhamu, na kusababisha kuimarishwa kwa ufanisi katika sekta kama vile huduma ya afya, uchukuzi na fedha.
• Kuwezesha mashirika kushiriki habari kwa uwazi zaidi na timu kushirikiana na kufanya kazi kwa ufanisi zaidi, na kusababisha mazingira ya kazi yenye ushirikiano zaidi na uwezo wa kushughulikia miradi ngumu kwa urahisi.
• Wasanidi programu na wataalamu wa data wanaweza kutuma barua pepe au kubeba seti kubwa za data za sanisi kwenye kompyuta zao za mkononi, salama kwa kujua kwamba data muhimu haihatarishiwi, na hivyo kusababisha hali za kazi zinazonyumbulika zaidi na salama.
• Kupungua kwa kasi kwa ukiukaji wa hifadhidata ya usalama wa mtandao, kwani data halisi haitahitaji tena kufikiwa au kushirikiwa mara kwa mara, na hivyo kusababisha mazingira salama zaidi ya kidijitali kwa biashara na watu binafsi sawa.
• Serikali kupata uhuru zaidi wa kutekeleza sheria kali zaidi ya usimamizi wa data bila kuwa na wasiwasi kuhusu kuzuia ukuzaji wa mifumo ya AI kwenye tasnia, na hivyo kusababisha hali ya matumizi ya data iliyodhibitiwa zaidi na wazi.
• Uwezekano wa data ya syntetisk kutumika kwa njia isiyo ya kimaadili katika kuunda bandia za kina au media zingine za ujanja, na kusababisha habari potofu na mmomonyoko wa uaminifu katika maudhui ya dijitali.
• Mabadiliko katika mienendo ya soko la ajira, na kuongezeka kwa utegemezi wa data ya sanisi kunaweza kupunguza hitaji la majukumu ya kukusanya data, na kusababisha kuhamishwa kwa kazi katika sekta fulani.
• Athari zinazowezekana za kimazingira za kuongezeka kwa rasilimali za hesabu zinazohitajika kuzalisha na kudhibiti data ya sanisi, na kusababisha matumizi makubwa ya nishati na masuala yanayohusiana na mazingira.

Maswali ya kuzingatia

• Ni tasnia gani zingine zinaweza kufaidika na data ya sintetiki?
• Je, ni kanuni zipi ambazo serikali inapaswa kutekeleza kuhusu jinsi data ya sintetiki inavyoundwa, kutumiwa na kutumwa?