Synthetic data

Synthetic data

Dữ liệu tổng hợp là dữ liệu được tạo ra bằng công nghệ, chứ không phải thu thập trực tiếp từ người thật hay sự kiện thực tế. Nó có thể mô phỏng cấu trúc, phân phối và mối quan hệ của dữ liệu thật, nhưng không chứa thông tin nhận diện cá nhân cụ thể. Người ta dùng dữ liệu này để huấn luyện mô hình máy học, thử nghiệm hệ thống, hoặc chia sẻ nghiên cứu mà không xâm phạm quyền riêng tư. Một lợi ích lớn là giảm rủi ro lộ thông tin nhạy cảm, vì dữ liệu không liên kết trực tiếp tới người thật. Dữ liệu tổng hợp còn giúp khắc phục vấn đề thiếu dữ liệu hoặc dữ liệu không cân bằng bằng cách tạo thêm mẫu cho các trường hợp hiếm. Tuy nhiên, chất lượng dữ liệu tổng hợp rất quan trọng vì nếu dữ liệu giả không phản ánh đúng đặc tính thực tế thì mô hình học được có thể hoạt động kém. Cần có phương pháp đánh giá để kiểm tra tính đại diện, tính toàn vẹn và tính bảo mật của dữ liệu tạo ra. Ngoài ra, có câu hỏi về đạo đức và luật pháp khi dữ liệu tổng hợp có thể vô tình tiết lộ đặc tính nhạy cảm. Do đó, tổ chức nên kết hợp kiểm tra chất lượng, bảo mật và minh bạch về nguồn gốc khi sử dụng loại dữ liệu này.