Synthetic Data 4장 카드뉴스

데이터·DB 분야에서 쓰이는 용어로, 실제로 수집한 데이터 대신 알고리즘이나 모델로 인공 생성한 데이터를 뜻합니다. 영국 왕립학회는 특정 데이터 과제를 풀 목적으로 수학 모델이나 알고리즘으로 만든 데이터라고 정의합니다. 원본과 통계적 성질은 닮았지만 실제 개인 정보는 담지 않는 점이 특징입니다. 쓰임새는 크게 둘입니다. 실데이터를 쓰기 어려운 프라이버시 상황의 대체용, 그리고 희귀하거나 위험해서 모으기 힘든 상황을 시뮬레이션으로 채우는 보강용입니다.

신세틱 데이터는 진짜 데이터를 대신하도록 인공적으로 만들어 낸 데이터예요. 통계적 성질은 원본과 같지만 실제 개인의 정보는 들어 있지 않습니다. 개인정보 때문에 원본을 못 쓸 때, 성질만 같은 대체 데이터를 만들어 학습에 쓰는 식이에요. 설문 응답을 분석용으로 넘길 때 이름과 주민번호를 지우고 통계 특성만 남긴 표본을 떠올리면 가깝습니다. 자율주행처럼 눈·안개 같은 위험 상황을 실제로 겪기 어려운 분야에서는 시뮬레이션으로 부족한 데이터를 채우기도 합니다.

케이스 1: NVIDIA — Omniverse Replicator로 학습용 합성데이터 생성 NVIDIA는 2021년 11월 물리 시뮬레이션 기반 합성데이터 생성 엔진 Omniverse Replicator를 공개했습니다 [3]. 사람이 라벨하기 어려운 정답값과 악천후·희귀 상황을 가상으로 만들어 신경망을 학습시킵니다 [3]. 자율주행용 DRIVE Sim과 로봇용 Isaac Sim에 적용했습니다