鄧淑明：合成數據潛力雄厚

 

隨着很多地方陸續收緊保護私隱政策，人工合成數據（Synthetic Data）的應用便日漸增加。

有別於真實數據可能無法反映實況，合成版本則可減少偏差。合成數據可就罕見情況提供更多樣的數據，彌補難以從現實獲得這些資訊的問題。加上，其靈活性高，可以是文本、媒體（片段、圖像、聲音）和列表，並能根據真實資料的含量，大致分為三類：一）真假各半，二）模擬真實並加以改動，三）完全虛構。

有估計合成數據的成本僅為真實數據的1%，所以吸引不少企業參與，從銀行、醫藥到無人駕駛等多個行業都有使用。例如摩根大通除了用合成數據來反洗黑錢外，也以此開發創新產品和服務，尤其真實的歷史數據未必可滿足需要，合成數據便大派用場。

瑞士藥廠羅氏（Roche）則與初創合作，在臨床研究中使用合成醫學數據，代替患者數據，以提高分析能力。德國的夏里特醫學院醫學人工智能實驗室（CLAIM）研究中風，指每個患者的大腦結構都有其獨特之處，匿名化圖像意義不大，因此致力開發合成數據。

過去兩年來，Alphabet旗下的自動駕駛公司Waymo團隊一直以合成數據，生成逼真的駕駛數據集，包括繁忙的城市街道、高速多車的道路和混亂的停車場，或者通過調節迎面而至的車輛速度，來衡量Waymo的反應。

不過，合成數據較適合用於相對直接的問題，如欺詐檢測或信用評分，一旦遇上複雜多變的情況，它就應付不來。在需要精確真實的數據作規劃時，合成數據也可能礙事。美國每年一度向1%的人口發出社區調查（ACS），以研究該國在教育、健康、收入、人口統計和地區之間的關係，當局打算把實際數據換成合成版本，便被批評難以為貧困小區分配本來有限的資源。

畢竟，合成數據是個發展潛力雄厚的新興產業，相信仍有待各界發揮創意加以開拓。

文章只屬作者觀點，不代表本網立場。