今天的高級人工智能開發(fā)仍然深深植根于 1950 年代的計算機科學哲學，包括“垃圾進，垃圾出”這句話。這句格言提醒我們，人工智能模型的好壞取決于它所訓練的數(shù)據(jù)。

從晚期癌癥篩查到推薦一部新電影，數(shù)據(jù)科學家需要大量多樣的數(shù)據(jù)集來訓練 AI 模型。對于現(xiàn)實世界的數(shù)據(jù)來說，這可能是一個重大挑戰(zhàn)。通常出于隱私原因受到保護，真實數(shù)據(jù)可能很難獲得，而且獲取成本也很高，而且可能不像預期的那樣多樣化。

Rev Lebaredian（來源：英偉達）

幸運的是，人工智能可以通過合成數(shù)據(jù)集自行救援——計算機生成的模擬可確保提供充足的多樣化和匿名訓練數(shù)據(jù)。數(shù)據(jù)是完全匿名的，可以使用各種方法創(chuàng)建，例如通用對抗網(wǎng)絡或使用更多非 AI 程序的模擬器，以確保與真實數(shù)據(jù)非常相似。通過使用合成數(shù)據(jù)集，人工智能開發(fā)人員可以從更高性能和更健壯的模型中受益。

數(shù)據(jù)的騙局

隨著開發(fā)人員達到現(xiàn)成數(shù)據(jù)的極限，他們很快將需要尋找其他地方來改進他們的模型。合成數(shù)據(jù)是計算機模擬或算法生成的信息，可替代現(xiàn)實世界的數(shù)據(jù)，以填補模型需求和數(shù)據(jù)可用性之間的差距。

數(shù)據(jù)科學家有很多方法可以生成合成數(shù)據(jù)。模擬和 3D 渲染是很好的起點。例如，一輛自動駕駛汽車通常是通過讓它在真正的道路上行駛之前駕駛數(shù)千英里的虛擬道路來訓練的。通用對抗網(wǎng)絡，即創(chuàng)建新數(shù)據(jù)的生成模型，也可用于數(shù)據(jù)生產(chǎn)。多虧了這些，合成數(shù)據(jù)收集變得比以往任何時候都更容易獲得和更有效。

分析公司 Gartner 最近報告*，合成數(shù)據(jù)正處于從一個雜耍變成未來人工智能背后的主要力量的軌道上。Gartner 在一項研究中指出，“合成數(shù)據(jù)通過允許較小的組織在沒有大量數(shù)據(jù)的情況下創(chuàng)建 AI 模型，有效地解決了他們的冷啟動問題，從而使競爭環(huán)境民主化。”

人工數(shù)據(jù)滿足 AI 的關鍵需求
AI 已經(jīng)無處不在，因為它已經(jīng)通過智能設備和技術融入我們的生活，涵蓋醫(yī)療保健、零售、娛樂、自動駕駛汽車、智能空間等領域，這些智能設備和技術正在加速我們走向未來。

將人工智能用作數(shù)字鏡子是其發(fā)展的下一步。然而，特定環(huán)境中的變化可能是無數(shù)的。襯衫的顏色可能有多種色調(diào)和色調(diào)。房間的燈光隨著太陽的移動或燈具的開啟而變化。

這個隧道中車輛的場景使用了間接照明。這是一個難以實時準確渲染的場景示例，但在 Nvidia Drive Sim 中由 Nvidia Omniverse RTX 渲染器啟用（來源：Nvidia）

捕捉條件的復雜性使得各種合成數(shù)據(jù)集對于 AI 模型制作至關重要。與從主要來源收集數(shù)據(jù)所需的時間和費用相比，可以收集合成數(shù)據(jù)為數(shù)字雙胞胎提供動力。這可以最大限度地訪問大量不同的數(shù)據(jù)，并增加免于隱私問題的好處。

Gartner 注意到這一人工智能資產(chǎn)的重要性，還指出，“合成數(shù)據(jù)通常被視為質(zhì)量較低的替代品，只有在真實數(shù)據(jù)難以獲取、價格昂貴或受到監(jiān)管限制時才有用。這錯過了合成數(shù)據(jù)的真正潛力。事實是，如果沒有合成數(shù)據(jù)，您將無法構建高質(zhì)量、高價值的 AI 模型?！?/p>

現(xiàn)實真的很隨機

多樣化的訓練數(shù)據(jù)集是構建 AI 模型的關鍵，但現(xiàn)實世界的數(shù)據(jù)可能不足。域隨機化的內(nèi)置功能使機器人模擬應用程序和合成數(shù)據(jù)生成工具 Nvidia Isaac Sim 能夠隨機改變模擬中的紋理、顏色、照明和位置。

Nvidia Drive Sim 也是如此，這是一個用于測試自動駕駛汽車的模擬平臺。它能夠改變路牌的大小或語言或太陽的位置。

O'Reilly Media 的報告“使用合成數(shù)據(jù)加速 AI ”中強調(diào)了這些功能，該報告強調(diào)安全和效率是模擬中的優(yōu)先事項。根據(jù)該報告，“使用合成數(shù)據(jù)可以解決的一些問題成本太高或太危險（例如，在訓練模型控制自動駕駛汽車的情況下），無法使用更傳統(tǒng)的方法解決，或者根本無法解決。”

Nvidia Isaac 模擬引擎創(chuàng)建了更好的逼真環(huán)境，并簡化了合成數(shù)據(jù)生成和域隨機化，為工程師和開發(fā)人員在廣泛的應用程序中訓練和部署機器人構建數(shù)據(jù)集（來源：Nvidia）

隨機化條件（例如照明、顏色和對象放置）對于創(chuàng)建各種合成訓練數(shù)據(jù)以實現(xiàn)更準確的 AI 模型至關重要。這些數(shù)字世界的變化反映了現(xiàn)實生活中經(jīng)常出現(xiàn)的意外和不可預測的變化。

例如，在工廠中，當不同的工人處理同一個物體時，一個工人處理的物體可能最終處于不同的位置。在訓練機器人如何使用合成數(shù)據(jù)和模擬在真實工廠中工作時，環(huán)境條件（如定位）的變化非常重要。這些能力使強大的智能工廠和城市的生產(chǎn)成為可能。

圖形與人工智能之間的關鍵環(huán)節(jié)

除了虛擬城市和工廠，合成數(shù)據(jù)為計算機圖形學的復興鋪平了道路，因為模擬 3D 世界現(xiàn)在是訓練 AI 模型的關鍵組成部分。在 3D 世界中，物體應該下落，身體部位應該彎曲，皮膚應該被貼上紋理以與人類的所有運動部位非常相似。

個人在虛擬世界中出現(xiàn)的不同方式，具有自然的身體變化、面部特征和行為，說明了合成數(shù)據(jù)的真正力量。多樣化的合成數(shù)據(jù)可以準確地彌合虛擬世界和現(xiàn)實世界之間的差距，其特征從萬有引力定律到身體動作再到皮膚紋理。

人類因不同的膚色、反應和表情而彼此不同，這些都可以在媒體制作和數(shù)字復制品中展示。數(shù)字人類只是難題的一部分，因為照明和物體定位等環(huán)境條件在計算機圖形和模擬中同樣重要。

例如，自動駕駛汽車需要能夠在太陽低落時做出反應，這可能會妨礙能見度。合成數(shù)據(jù)可以通過創(chuàng)建更真實的虛擬環(huán)境來幫助改善模擬世界，這些虛擬環(huán)境是真正的數(shù)字雙胞胎。生成物理上準確的、基于物理的環(huán)境和人類極具挑戰(zhàn)性，需要高級模擬、高性能計算資源和大量數(shù)據(jù)。

Nvidia Drive Sim 使用高保真和物理精確的模擬來創(chuàng)建一種安全、可擴展且具有成本效益的方式，將自動駕駛汽車帶到我們的道路上（來源：Nvidia）

人工智能推進自己的未來

人工智能使用合成數(shù)據(jù)進行自我改進的能力使其成為一項獨特而強大的技術。綜合數(shù)據(jù)是提高用于高級模型和模擬的穩(wěn)健訓練數(shù)據(jù)的質(zhì)量和數(shù)量的關鍵。

每一波人工智能創(chuàng)新都建立在上一波的基礎上。合成數(shù)據(jù)的機會將超越其在當前人工智能應用中的應用，擴展到農(nóng)業(yè)、自動駕駛汽車、醫(yī)療保健、機器人等行業(yè)。

在為 AI 開發(fā)數(shù)據(jù)源時，不要讓“人工”和“合成”這兩個詞阻止您。數(shù)據(jù)可能是人為創(chuàng)建的，但結果對于真正的成功至關重要。很快，將出現(xiàn)一個極其精確的數(shù)字現(xiàn)實鏡像，使用合成數(shù)據(jù)高效準確地構建。

——Rev Lebaredian 是 Nvidia 的仿真技術副總裁

*Gartner，“Maverick Research：忘記你的真實數(shù)據(jù)——合成數(shù)據(jù)是 AI 的未來”，Leinar Ramos，Jitendra Subramanyam，2021 年 6 月 24 日。

審核編輯 黃昊宇