2018年，在微軟（Microsoft Build）一架無(wú)人機(jī)飛過(guò)管道，檢查管道是否有泄漏或其他損壞。值得注意的是，無(wú)人機(jī)的視覺(jué)檢查模型使用實(shí)際數(shù)據(jù)和模擬數(shù)據(jù)進(jìn)行了訓(xùn)練。使用合成數(shù)據(jù)幫助機(jī)器學(xué)習(xí)模型了解異常值，讓微軟的研究人員能夠更快地訓(xùn)練這款模型，且不需要像其他情況下那樣在進(jìn)行數(shù)據(jù)采集飛行上花費(fèi)很多。

如今，這項(xiàng)技術(shù)終于開(kāi)始普及了。今年4月，一家初創(chuàng)公司為其合成傳感器數(shù)據(jù)籌集到337萬(wàn)美元，而另一家初創(chuàng)公司發(fā)表了一篇關(guān)于如何使用模擬數(shù)據(jù)訓(xùn)練模型來(lái)識(shí)別機(jī)場(chǎng)跑道上的飛機(jī)的論文。

談到機(jī)器學(xué)習(xí)項(xiàng)目時(shí)，殼牌首席數(shù)據(jù)科學(xué)家丹·杰文斯對(duì)使用模擬數(shù)據(jù)感到非常興奮，因?yàn)樗兄跇?gòu)建模型的同時(shí)還可以檢測(cè)一些少見(jiàn)的問(wèn)題。他說(shuō)：“我認(rèn)為這是一種非常有趣的方法，可以獲取我們正在努力解決的有關(guān)邊緣案例的信息。盡管我們有很多數(shù)據(jù)，但同時(shí)我們也面臨重大問(wèn)題是，那就是，我們通常對(duì)于要發(fā)現(xiàn)的問(wèn)題，我們只有很少的例子來(lái)支持。

在石油行業(yè)，工廠(chǎng)和管道的腐蝕是巨大的挑戰(zhàn)，因?yàn)樗赡軐?dǎo)致災(zāi)難性的故障。企業(yè)會(huì)小心翼翼不讓任何東西腐蝕管道，但這也意味著機(jī)器學(xué)習(xí)模型不能用于現(xiàn)實(shí)世界的腐蝕實(shí)例。因此，他們使用合成數(shù)據(jù)來(lái)提供幫助。例如，殼牌公司也在使用合成數(shù)據(jù)，試圖解決人們?cè)诩佑驼疚鼰煹膯?wèn)題。因?yàn)閿z像機(jī)并不總能捕捉到吸煙者的畫(huà)面，有時(shí)候離得太遠(yuǎn)或者沒(méi)有面對(duì)攝像頭，所以在這個(gè)研究中并沒(méi)有很多現(xiàn)成的案例;因此，公司努力將模擬合成數(shù)據(jù)與真實(shí)數(shù)據(jù)結(jié)合起來(lái)，建立計(jì)算機(jī)視覺(jué)模型。“我們感興趣的幾乎總是‘邊緣案例’，不是一般的標(biāo)準(zhǔn)，而且容易檢測(cè)到與標(biāo)準(zhǔn)圖案不符的邊緣，很難檢測(cè)出想要的具體內(nèi)容。”

與此同時(shí)，另外一家AI公司也在試圖了解更多關(guān)于合成數(shù)據(jù)的準(zhǔn)確性。該公司發(fā)表的論文《稀有飛機(jī)：合成數(shù)據(jù)起飛》闡述了研究人員如何將停放在機(jī)場(chǎng)的飛機(jī)的衛(wèi)星圖像與機(jī)器生成的合成數(shù)據(jù)相結(jié)合。當(dāng)僅使用合成數(shù)據(jù)時(shí)，該模型的準(zhǔn)確率只有55%左右，而當(dāng)僅使用真實(shí)數(shù)據(jù)時(shí)準(zhǔn)確率則躍升至73%。但是通過(guò)將訓(xùn)練樣本的10%作為真實(shí)數(shù)據(jù)，其余部分使用合成數(shù)據(jù)，模型的準(zhǔn)確率達(dá)到了69%。

人工智能專(zhuān)家認(rèn)為合成數(shù)據(jù)將成為大生意。使用這些數(shù)據(jù)的公司需要考慮到他們的假數(shù)據(jù)可能會(huì)扭曲模型，但如果他們能做到這一點(diǎn)，他們就能以比依賴(lài)真實(shí)數(shù)據(jù)更快、更低的成本獲得強(qiáng)健的模型。

因此，即使物聯(lián)網(wǎng)傳感器正在釋放數(shù)拍字節(jié)級(jí)別的數(shù)據(jù)，也不可能對(duì)所有數(shù)據(jù)進(jìn)行注釋并將其用于訓(xùn)練模型。因?yàn)檫@些數(shù)據(jù)可能并不是你真正想要計(jì)算機(jī)尋找的情況。換言之，預(yù)計(jì)合成和模擬數(shù)據(jù)的浪潮將繼續(xù)到來(lái)。