Synthetic Data

Sentetik veri, gerçek dünyadaki verilerin istatistiksel özelliklerini, kalıplarını ve yapısal karakteristiklerini taklit eden, yapay olarak üretilmiş bilgidir. Hızla gelişen artificial intelligence (AI) ve machine learning (ML) alanlarında bu veri, otantik veri toplamanın pahalı, zaman alıcı veya gizlilik düzenlemeleriyle kısıtlı olduğu durumlarda kritik bir kaynak olarak hizmet eder. Gerçek dünya olaylarından derlenen organik verilerin aksine sentetik veri, bilgisayar simülasyonları ve gelişmiş üretken modeller gibi teknikler kullanılarak algoritmik olarak oluşturulur. Gartner predict tarafından yapılan sektörel analizlere göre 2030 yılına kadar sentetik veriler AI modellerinde gerçek verileri gölgede bırakarak akıllı sistemlerin oluşturulma ve devreye alınma biçimini kökten değiştirecektir.

AI Geliştirmede Sentetik Verinin Rolü#

Sentetik veri setleri kullanmanın temel nedeni, geleneksel data collection and annotation süreçlerinde yer alan sınırlamaların üstesinden gelmektir. Sağlam computer vision (CV) modellerini eğitmek genellikle çeşitli senaryolar içeren devasa veri setleri gerektirir. Nadir hastalık teşhisi veya tehlikeli uç durumdaki trafik kazaları gibi gerçek dünya verilerinin kıt olduğu durumlarda sentetik veriler bu boşluğu doldurur.

Bu verilerin oluşturulması, geliştiricilerin talep üzerine mükemmel şekilde etiketlenmiş training data oluşturmasına olanak tanır. Bu, manuel etiketleme süreçlerinde sıklıkla görülen insan hatasını ortadan kaldırarak object detection için hassas sınırlayıcı kutular veya semantic segmentation için piksel mükemmelliğinde maskeler içerir. Dahası, mühendislerin veri setlerini yeterince temsil edilmeyen gruplar veya çevresel koşullarla kasıtlı olarak dengelemesine olanak tanıyarak bias in AI sorununu ele alır ve daha adil bir model performansı sağlar.

Gerçek Dünya Uygulamaları#

Sentetik veri; veri gizliliği, güvenlik ve ölçeklenebilirliğin ön planda olduğu sektörlerde devrim yaratıyor.

• Otonom Sürüş Simülasyonları: autonomous vehicles araçları yalnızca fiziksel dünyada test etmek riskli ve coğrafi olarak sınırlıdır. Şirketler algı sistemlerini eğitmek için NVIDIA Omniverse gibi fotogerçekçi simülatörler kullanır. Bu simülatörler milyarlarca sanal mil üreterek AI sistemini gerçek dünyada tutarlı bir şekilde yakalaması zor olan tehlikeli hava koşullarına, düzensiz yaya davranışlarına ve karmaşık şehir düzenlerine maruz bırakır.
• Sağlık ve Tıbbi Görüntüleme: HIPAA ve GDPR gibi hasta gizliliği yasaları tıbbi kayıtların paylaşımını katı bir şekilde düzenler. Sentetik veriler, kişisel olarak tanımlanabilir herhangi bir bilgi içermeden patoloji belirteçlerini koruyan röntgen veya MRI taramaları gibi gerçekçi medical image analysis veri setlerinin oluşturulmasını sağlar. Bu, araştırmacıların hasta gizliliğinden ödün vermeden tumor detection models modellerini iş birliği içinde eğitmesine olanak tanır.

Görüntüleme AI'sı İçin Sentetik Veri Oluşturma#

Yüksek kaliteli sentetik veri oluşturmak genellikle iki ana yaklaşımı içerir: simülasyon motorları ve üretken yapay zeka. Unity Engine gibi simülasyon motorları, fizik tabanlı aydınlatma ve dokularla sahneleri oluşturmak için 3B grafikleri kullanır. Alternatif olarak, Generative Adversarial Networks (GANs) ve diffusion models gibi üretken modeller, yeni ve fotogerçekçi örnekler sentezlemek için gerçek verilerin dağılımını öğrenir.

Sentetik bir veri seti oluşturulduktan sonra yüksek performanslı modelleri eğitmek için kullanılabilir. Aşağıdaki Python örneği, bir görüntü üzerinde çıkarım yapmak için ultralytics paketini kullanarak potansiyel olarak sentetik verilerle eğitilmiş bir modelin nasıl yükleneceğini gösterir.

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()

Sentetik Veri ve Veri Çoğaltma (Data Augmentation) Karşılaştırması#

Sentetik verileri data augmentation işleminden ayırmak faydalıdır çünkü her iki teknik de veri setlerini genişletmeyi amaçlar ancak farklı şekilde çalışır.

• Veri Çoğaltma, hafif varyasyonlar oluşturmak için mevcut gerçek dünya görüntülerine döndürme, kırpma veya renk ayarı gibi dönüşümler uygulamayı içerir. Orijinal veri kaynağına dayanır.
• Sentetik Veri, algoritmalar veya simülasyonlar kullanarak sıfırdan tamamen yeni veri örneklerinin oluşturulmasını içerir. Her çıktı için orijinal bir görüntü gerektirmez, bu da kamera tarafından hiç yakalanmamış senaryoların üretilmesine olanak tanır.

Ultralytics Platform üzerindeki modern iş akışları genellikle her iki yaklaşımı birleştirir: veri setindeki boşlukları doldurmak için sentetik verileri kullanmak ve YOLO26 gibi modellerin dayanıklılığını en üst düzeye çıkarmak için eğitim sırasında veri artırımı uygulamak.