Synthetic Data

البيانات الاصطناعية هي معلومات مولدة اصطناعياً تحاكي الخصائص الإحصائية والأنماط والسمات الهيكلية للبيانات الواقعية. في مجالي الذكاء الاصطناعي (AI) وتعلم الآلة (ML) سريعَي التطور، تُعد هذه البيانات مورداً حيوياً عندما يكون جمع بيانات موثوقة مكلفاً، أو يستغرق وقتاً طويلاً، أو مقيداً بلوائح الخصوصية. وخلافاً للبيانات العضوية المستمدة من أحداث واقعية، تُنشأ البيانات الاصطناعية خوارزمياً باستخدام تقنيات مثل المحاكاة الحاسوبية والنماذج التوليدية المتقدمة. وبحلول عام 2030، يتوقع المحللون في جارتنر (Gartner) أن تفوق البيانات الاصطناعية البيانات الحقيقية في نماذج الذكاء الاصطناعي، مما يغير بشكل جذري طريقة بناء ونشر الأنظمة الذكية.

دور البيانات الاصطناعية في تطوير الذكاء الاصطناعي#

المحرك الأساسي لاستخدام مجموعات البيانات الاصطناعية هو التغلب على القيود الكامنة في جمع البيانات وتصنيفها التقليدي. غالباً ما يتطلب تدريب نماذج رؤية الحاسوب (CV) القوية مجموعات بيانات ضخمة تحتوى على سيناريوهات متنوعة. وعندما تكون البيانات الواقعية شحيحة —كما هو الحال في تشخيص الأمراض النادرة أو حوادث الطرق الخطيرة النادرة— فإن البيانات الاصطناعية تسد هذه الفجوة.

يُمكن توليد هذه البيانات المطورين من إنشاء بيانات تدريب موسومة بدقة عند الطلب. ويشمل ذلك صناديق إحاطة دقيقة لمهام اكتشاف الكائنات أو أقنعة مثالية البكسل لمهام التجزئة الدلالية، مما يلغي الخطأ البشري الموجود غالباً في عمليات التصنيف اليدوية. علاوة على ذلك، فهي تعالج الانحياز في الذكاء الاصطناعي من خلال السماح للمهندسين بموازنة مجموعات البيانات تعمداً مع الفئات الممثلة تمثيلاً ناقصاً أو الظروف البيئية، مما يضمن أداءً أكثر عدالة للنموذج.

تطبيقات العالم الحقيقي#

تُحدث البيانات الاصطناعية ثورة في الصناعات التي تكون فيها خصوصية البيانات والسلامة والقابلية للتوسع أمورًا بالغة الأهمية.

• محاكاة القيادة الذاتية: يُعد اختبار المركبات ذاتية القيادة في العالم المادي وحدها أمراً محفوفاً بالمخاطر ومقيداً جغرافياً. تستخدم الشركات محاكيات واقعية للغاية، مثل NVIDIA Omniverse، لتدريب أنظمة الإدراك لديها. وتُولد هذه المحاكيات مليارات الأميال الافتراضية، مما يعرض الذكاء الاصطناعي لظروف الطقس الخطيرة، وسلوك المشاة غير المنتظم، والتخطيطات الحضرية المعقدة التي يصعب التقاطها باستمرار في العالم الحقيقي.
• الرعاية الصحية التصوير الطبي: تنظم قوانين خصوصية المرضى مثل HIPAA وGDPR بصرامة مشاركة السجلات الطبية. تتيح البيانات الاصطناعية إنشاء مجموعات بيانات واقعية لتحليل الصور الطبية —مثل الأشعة السينية أو فحوصات التصوير بالرنين المغناطيسي— والتي تحافظ على علامات الأمراض دون احتواء أي معلومات تعريف شخصية. يتيح ذلك للباحثين تدريب نماذج اكتشاف الأورام بشكل تعاوني دون المساس بسرية المريض.

توليد البيانات الاصطناعية لرؤية الذكاء الاصطناعي#

غالباً ما يتضمن إنشاء بيانات اصطناعية عالية الجودة نهجين رئيسيين: محركات المحاكاة والذكاء الاصطناعي التوليدي. تستخدم محركات المحاكاة، مثل Unity Engine، رسومات ثلاثية الأبعاد لعرض المشاهد بإضاءة ومطاطات قائمة على الفيزياء. وبدلاً من ذلك، تتعلم النماذج التوليدية، مثل Generative Adversarial Networks (GANs) ونماذج الانتشار (diffusion models)، توزيع البيانات الحقيقية لتوليد أمثلة جديدة واقعية للغاية.

بمجرد توليد مجموعة البيانات الاصطناعية، يمكن استخدامها لتدريب نماذج عالية الأداء. يوضح مثال Python التالي كيفية تحميل نموذج —مُدرَّب ربما على بيانات اصطناعية— باستخدام حزمة ultralytics لإجراء الاستدلال على صورة.

from ultralytics import YOLO

# Load the YOLO26 model (latest stable generation for superior accuracy)
model = YOLO("yolo26n.pt")

# Run inference on a source image (this could be a synthetic validation image)
results = model("https://ultralytics.com/images/bus.jpg")

# Display the detection results to verify model performance
results[0].show()

البيانات الاصطناعية مقابل تعزيز البيانات#

من المفيد التمييز بين البيانات الاصطناعية وزيادة البيانات، حيث تهدف كلتا التقنيتين إلى توسيع مجموعات البيانات ولكن بطرق مختلفة.

• تعزيز البيانات يتضمن تطبيق تحويلات—مثل الانعكاس، أو التدوير، أو القص، أو ضبط الألوان—على صور واقعية موجودة لإنشاء اختلافات طفيفة. وهو يعتمد على مصدر البيانات الأصلي.
• البيانات الاصطناعية تتضمن إنشاء حالات بيانات جديدة تمامًا من الصفر باستخدام خوارزميات أو عمليات محاكاة. وهي لا تتطلب بالضرورة صورة أصلية لكل مخرج، مما يسمح بتوليد سيناريوهات لم تلتقطها كاميرا من قبل.

تجمع سير العمل الحديثة على Ultralytics Platform غالباً بين النهجين: استخدام البيانات الاصطناعية لملء الفجوات في مجموعة البيانات وتطبيق زيادة البيانات أثناء التدريب لتحقيق أقصى قدر من المتانة لنماذج مثل YOLO26.