Na Erasmus MC, jednego z wiodących szpitali, istnieje możliwość zażądania syntetycznych danych generowanych przez Syntho's Silnik syntezatorowy, Centrum Technologii Inteligentnego Zdrowia (SHTC) – Erasmus MC zorganizował oficjalne rozpoczęcie w ostatni czwartek 30 marca, w którym Roberta Weena (Pakiet badawczy) i Wima Keesa Janssena (Synto ) odpowiedział na pytania: „Co to są dane syntetyczne?„,”Dlaczego to robimy?' i „Jak to działa w ramach Erasmus MC?”.
Prawdziwe dane są zbierane poprzez pozyskiwanie informacji o rzeczywistych pacjentach, pracownikach i wewnętrznych procesach biznesowych. Z drugiej strony dane syntetyczne są generowane przez algorytm, który tworzy zupełnie nowe i fikcyjne punkty danych, w których osoby już nie istnieją.
Istotną różnicą jest wykorzystanie sztucznej inteligencji do naśladowania i odtwarzania cech, wzorców i właściwości danych rzeczywistych w danych syntetycznych.
Wynik: Dane syntetyczne generowane przez sztuczną inteligencję, które są tak dokładne, jak rzeczywiste dane. W związku z tym można go nawet używać do analiz, tak jakby to były prawdziwe dane.
Dlatego Syntho nazywa to „Synthetic Data Twin”: dane są tak dobre jak prawdziwe, ale można z niego korzystać bez wyzwań związanych z prywatnością.
Używając danych syntetycznych zamiast rzeczywistych, jako organizacja możemy ograniczyć liczbę ocen ryzyka i związanych z nimi czasochłonnych procesów. Pozwala nam to odblokować więcej i dodatkowe zbiory danych. Możemy również zapewnić przyspieszenie żądań dostępu do danych, abyśmy mogli skrócić „czas oczekiwania na dane”. W ten sposób Erasmus MC buduje solidne podstawy do przyspieszenia innowacji opartych na danych.
Testowanie i opracowywanie reprezentatywnych danych testowych jest niezbędne do dostarczania najnowocześniejszych rozwiązań technologicznych. Syntetyczny bliźniak danych oparty na danych produkcyjnych daje dane, których można użyć jako dane testowe. Wynik: dane zbliżone do produkcji, privacy by design w rozwiązaniu, które działa łatwo, szybko i jest skalowalne. Ponadto dzięki inteligentnemu wykorzystaniu generatywnej sztucznej inteligencji do tworzenia danych syntetycznych możliwe jest również powiększanie i symulowanie zbiorów danych. Może to być rozwiązanie, na przykład, gdy nie ma wystarczających danych (niedobór danych) lub gdy chcesz zwiększyć próbkowanie przypadków brzegowych.
Sztuczna inteligencja jest stosowana do modelowania danych syntetycznych w taki sposób, aby wzorce statystyczne, relacje i cechy zostały zachowane w taki sposób, aby mogły nawet służyć do analiz. Szczególnie w fazie opracowywania modeli będziemy preferować wykorzystanie danych syntetycznych i zawsze stawiamy użytkownikom danych wyzwanie: „po co korzystać z rzeczywistych danych, skoro można również korzystać z danych syntetycznych”?
Czy chcesz użyć syntetycznego zestawu danych? A może chcesz otrzymać więcej informacji o możliwościach? Prosimy o kontakt z Apartament Badawczy Erasmus MC.
Interesujesz się syntetycznymi danymi generowanymi przez sztuczną inteligencję i chcesz poznać ich możliwości? Skontaktuj się z naszymi ekspertami or poprosić o demo.
Skontaktuj się z Syntho a jeden z naszych ekspertów skontaktuje się z Tobą z prędkością światła, aby zbadać wartość danych syntetycznych!