合成數據是2016年公布的管理科學技術名詞，指通過計算機算法生成的模擬數據，模擬真實世界的數據分布和特徵。該技術生成方式包括基於生成對抗網路（GANs）、擴散模型、統計模擬等方法，套用於自動駕駛、醫療影像、金融反欺詐等領域，可用於降低數據採集成本並滿足隱私合規需求。在具身智慧型等領域，由於訓練數據需求量大，AI仿真合成數據被視為解決數據需求的途徑之一。合成數據技術起源於1993年哈佛大學教授Donald B. Rubin的學術研究。2024年Gartner預測60%的AI訓練數據將採用合成數據，2030年該比例預計超過90%。中國《天津市促進人工智慧創新發展行動方案(2025-2027年)》明確提出構建AI合成數據集，國家數據局亦推進高質量數據集建設相關工作。相關技術框架如SYNTHLLM採用多階段生成流程以實現合成數據的規模生產。有觀點指出合成數據對於未來自動駕駛及各類機器人系統的開發具有重要意義。當前該技術面臨模型偏差放大、數據分布偏見等挑戰，常需結合人工審核與《人工智慧生成合成內容標識辦法》等監管措施。
基本介紹
- 中文名：合成數據
- 外文名： synthetic data
- 所屬學科：管理科學技術_生產運作管理與工業工程_工業工程
- 公布年度： 2016年
套用,定義,出處,
套用
合成數據對於自動駕駛系統至關重要，並且適用於各種形式的機器人系統。
具身智慧型領域的發展增加了對高質量、大規模訓練數據的需求，AI仿真合成數據成為關鍵組成部分。具身智慧型的數據需求量至少是自動駕駛的1000倍。在物理AI訓練體系中，仿真數據已不僅是真實數據的補充，而是模型預訓練、強化學習及評測所依賴的基礎。合成數據的套用涵蓋醫療場景中的臟器、農業場景中的採摘任務以及工業場景中的線纜操作等需要複雜物理互動的具體場景。相關仿真資產與合成數據通常由專業機構或平台提供。
定義
合成數據是2016年公布的管理科學技術名詞，指通過計算機算法生成的模擬數據，模擬真實世界的數據分布和特徵。
出處
《管理科學技術名詞》。
