Sentetik Veri Nedir?

Sentetik veri, yapay olarak oluşturulmuş ama gerçeğe benzeyen veridir. Örneğin gerçek müşteri bilgileri yerine, gerçek veriyle benzer dağılımlara sahip ama hiçbir gerçek kişiye ait olmayan kayıtlar üretilebilir. Yapay zekâ modellerini eğitmek ve test etmek için giderek daha fazla kullanılır.

Neden kullanılır?

• Gizlilik: Kişisel veriyi doğrudan kullanmadan model geliştirmeye yardımcı olur.
• Veri azlığı: Nadir olayların (ör. dolandırıcılık işlemleri) örneği azsa sentetik örneklerle desteklenebilir.
• Maliyet: Gerçek veri toplamak ve veri etiketleme yapmak pahalı ve yavaştır.
• Test: Yazılımlar, gerçek müşteri verisi kullanmadan sınanabilir.
• Dil modelleri: Büyük modellerin ürettiği örnekler, daha küçük modelleri eğitmek için de kullanılır.

Nasıl üretilir?

Basit kurallar ve istatistiksel yöntemlerden, gerçek veriden öğrenip benzerini üreten üretken yapay zekâ modellerine kadar farklı yollar vardır. Simülasyonlar da (ör. sürüş simülatöründe üretilen görüntüler) önemli bir kaynaktır.

Örnek

Varsayımsal bir banka, dolandırıcılık tespit modelini geliştirmek istiyor ama gerçek dolandırıcılık kayıtları çok az. Gerçek işlemlerin dağılımına benzeyen ve çeşitli dolandırıcılık kalıpları içeren sentetik işlemler üretilerek modelin bu nadir durumları görmesi sağlanabilir.

Riskler ve sınırlar

• Gerçeklikten kopma: Sentetik veri gerçek dünyanın bütün karmaşıklığını yansıtmayabilir; model sahada beklenenden kötü çalışabilir.
• Önyargı aktarımı: Kaynak veri önyargılıysa sentetik veri bu önyargıyı çoğaltabilir.
• Gizlilik sızıntısı: Kötü üretilmiş sentetik veri, gerçek kayıtlara fazla benzeyip kişisel bilgiyi dolaylı yoldan açığa çıkarabilir.
• Model çöküşü: Modeller ağırlıklı olarak başka modellerin ürettiği veriyle eğitildiğinde çeşitlilik ve kalite zamanla düşebilir.

Bu yüzden sentetik veri çoğunlukla gerçek veriyle birlikte kullanılır ve sonuçlar gerçek veride test edilir.