Das Multi-Milliarden-Dollar-Potenzial synthetischer Daten

Haben Sie eine MetaBeat 2022-Sitzung verpasst? Besuchen Sie die On-Demand-Bibliothek für alle unsere vorgestellten Sitzungen hier.

Synthetische Daten werden in 5-10 Jahren eine riesige Industrie sein. Beispielsweise schätzt Gartner, dass bis 2024 60 % der Daten für KI-Anwendungen synthetisch sein werden. Diese Art von Daten und die zu ihrer Erstellung verwendeten Tools haben ein erhebliches ungenutztes Investitionspotenzial. Hier ist der Grund.

Synthetische Daten können datenintensive KI/ML antreiben

Wir stehen in der Tat an der Schwelle zu einer Revolution, wie maschinelles Lernen (ML) und künstliche Intelligenz (KI) skalieren und noch mehr Anwendungen in allen Sektoren und Industrien haben können.

Wir leben in einer Zeit, in der die Nachfrage nach ML-Algorithmen in allen Aspekten unseres Lebens sprunghaft ansteigt, von lustigen Gesichtsmaskierungs-Apps wie Filtern auf Instagram oder Snapchat bis hin zu äußerst nützlichen Apps, die unsere Arbeits- und Lebenserfahrungen verbessern sollen, wie z Unterstützung bei der Diagnose von Krankheiten oder Empfehlung einer Behandlung. Zu den wichtigsten Möglichkeiten gehören die Emotions- und Interaktionserkennung, bessere Heimatschutzfunktionen und eine bessere Anomalieerkennung in industriellen Umgebungen.

Während Menschen und Unternehmen sich nach ML/KI-basierten Produkten sehnen, sehnen sich Algorithmen gleichzeitig nach Daten zum Trainieren. All dies bedeutet, dass wir unweigerlich immer mehr unterschiedliche Datenanforderungen sehen werden, und vollständig fabrizierte Daten sind der Schlüssel.

Vorfall

Low-Code/No-Code-Vertex

Schließen Sie sich am 9. November virtuell den Top-Führungskräften von heute beim Low-Code/No-Code-Gipfel an. Melden Sie sich noch heute für Ihren kostenlosen Pass an.

hier registrieren Von Grand Theft Auto zu Google

Haben Sie von selbstfahrenden Autos gehört, die die Verkehrsregeln lernen, indem Sie Spiele wie Grand Theft Auto V spielen, um den virtuellen Verkehr zu studieren? Dies war eine frühe Version von ML durch synthetische Daten. In ähnlicher Weise sind viele Techniker möglicherweise auf synthetische „gescannte Dokumente“ gestoßen, die zum Trainieren von Modellen für die Texterkennung und Datenextraktion verwendet wurden.

Bank- und Finanzwesen ist eine Branche, die für bestimmte Prozesse bereits stark auf synthetische Daten angewiesen ist, während Technologiegiganten wie Google und Facebook sie ebenfalls nutzen, angezogen von der außergewöhnlichen Effizienz, die sie für die Arbeit von Projektmanagern und Daten bringen können Wissenschaftler.

Tatsächlich erwarten wir, dass sich die Anzahl der synthetischen Bilder und Datenpunkte im Laufe des nächsten Jahres verzehnfachen und in den nächsten Jahren auf mehrere Hundert Mal erhöhen wird.

Dateneinschränkungen aus der realen Welt

Menschen an der Spitze des maschinellen Lernens wenden sich zunehmend synthetischen Daten zu, um die vielen Beschränkungen von Original- oder realen Daten zu umgehen. Beispielsweise bietet das Unternehmen Synthesis AI eine Cloud-basierte Generierungsplattform an, die Millionen von perfekt beschrifteten und vielfältigen Bildern von künstlichen Menschen bereitstellt. Synthesis AI war in der Lage, viele Herausforderungen im Zusammenhang mit der chaotischen Realität der Originaldaten zu überwinden. Zunächst einmal macht das Unternehmen Daten billiger. Es kann für ein Unternehmen zu teuer werden, die benötigte Menge und Vielfalt an Daten zu generieren.

Könnten Sie beispielsweise Fotos von jemandem aus jedem erdenklichen Blickwinkel erhalten, der jede mögliche Kombination von Kleidung bei allen möglichen Lichtverhältnissen trägt? Es wäre ein unvorstellbarer Arbeitsaufwand, dies im wirklichen Leben zu tun, aber synthetische Daten können so konstruiert werden, dass sie unendliche Variationen berücksichtigen.

Es bedeutet auch eine viel einfachere Etikettierung...