成功部署任何 AI 應用之前，企業組織需要先取得大量資料，用以訓練演算模型，然而取得合適且充足的機器學習數據並不容易，因此成本合理且有效的「合成資料」（synthetic data）越來越受到業界重視和採用。

什麼是合成資料？

合成資料指的是透過電腦模擬或演算法，人為產生的加註資訊；換言之，合成資料是數位世界的生成物，而非取自真實世界的數據蒐集或量測。

AI 實務領域中，用合成資料來建立精確人工智慧模型的比例愈來愈高，尤其當既有資料集在品質、數量或多樣性方面有所不足時，就會選用合成資料來填補訓練數據的缺口。

儘管此資料類型是「合成的」，它在演算或統計上，仍舊足以反映真實世界的數據，相關研究也證明在 AI 模型訓練歷程中，比起代表實際物體、事件或群體的數據，合成資料可能表現一樣好，甚至可能更好。

日前 Gartner 發表了一份相關報告，預測到了 2030 年，合成資料將成為絕大多數的 AI 模型訓練基礎，數據來源可能是演算法規則、統計模型、電腦模擬等方式；報告更直接指出，未來「倘若沒有合成資料參與，將無法打造出高品質、高價值的 AI 模型」。


詳細內文請參考網址