15 beste hulpmiddelen voor het genereren van synthetische gegevens

Synthetische data, zoals de naam al zegt, is iets dat kunstmatig wordt gemaakt door AI-programma's.

Het kan van alles zijn, van tekst, afbeeldingen, spraak en zelfs videobeelden.

Nu de echte vraag: waarom niet gewoon echte gegevens gebruiken?

De reden is het gebrek aan controle over data.

Alleen Amazon genereert elke dag meer dan 1000 petabytes aan data. Veel andere tech- of socialemediareuzen genereren enorme hoeveelheden gebruikersgegevens. Maar de controle over deze echte gegevens is slechts in handen van een handvol techreuzen.

De kleinere bedrijven of startups hebben echter geen toegang tot zo'n overvloed. En daarom kunnen synthetische gegevens een winstgevende kans zijn om prototypes te trainen en modellen te maken.

Ook het feit dat digitalisering de weg heeft vrijgemaakt voor bedrijven om onze gegevens vast te leggen om hun ML-modellen te trainen. Dit is voor ons geen probleem zolang ze onze gegevens gebruiken om inkomsten te genereren.

Maar het grote probleem doet zich voor wanneer de hacker inbreekt in een systeem en gevoelige gegevens kan ophalen.

Het gebruik van traditionele anonimiseringstechnieken is nog een ander probleem.

De techniek maakt gebruik van pseudonimisering, shuffling van rijen en kolommen, vervanging van directory's en encryptie.

Hoewel het veelbelovend lijkt, tonen studies aan dat de identiteit van 80% van de creditcardhouders kan worden achterhaald aan de hand van de laatste 3 transacties en dat 87% van hen risico loopt als hun geboortedatum, geslacht en postcode bekend worden.

Om dit probleem op te lossen, stappen bedrijven nu over op hulpmiddelen voor het genereren van synthetische gegevens. Hoewel ze een alternatieve manier bieden om gegevens uit de echte wereld vast te leggen, blijven verwerkte gegevens onaangetast.

Wat is synthetische datageneratie?

Het genereren van synthetische data is een wiskundig en statistisch proces dat wordt uitgevoerd door machine learning- modellen die getraind zijn met behulp van echte objecten, mensen en de omgeving.

De uitvoergegevens bevatten echter geen gevoelige gegevens, maar behouden de gedragskenmerken van echte gegevens.

Synthetische gegevensgeneratie is niet alleen een innovatie, maar een oplossing voor nauwkeurige, veilige en kosteneffectieve gegevensmodellering.

Volgens Gartner gaan synthetische data tegen 2030 de echte data overschaduwen. Bovendien is de impact al zichtbaar waar sommige startups inspelen op deze innovatie.

Wat zijn de voordelen van synthetische data?

• Het genereren van synthetische gegevens is een veilige, snelle en schaalbare oplossing in vergelijking met traditionele anonimiseringstools.
• Het bespaart tijd en kosten door de handmatige en alledaagse voorbereiding van gegevens te automatiseren.
• Gegevens uit de echte wereld zijn sterk bevooroordeeld ten aanzien van bepaalde uitkomsten of categorieën. Synthetische data verwijdert dergelijk scheef gedrag en biedt een diverse kijk op mogelijkheden.
• Het biedt volledige controle over de gegevens waar ontwikkelaars parameters kunnen aanpassen om zich aan te passen aan veranderende omstandigheden.
• Met behulp van synthetische data kunnen onderzoekers scenario's modelleren die misschien niet bestaan ​​en die innovatie zouden kunnen bevorderen.
• Zonder gevoelige gegevens in gevaar te brengen, kunnen marketeers een klantpersonage creëren dat lijkt op een echte Klantreis en gedrag.
• Herbalanceringsfuncties kunnen onnauwkeurigheden en ontbrekende informatie helpen verminderen om een ​​uitgebreide en hoogwaardige dataset te bieden.
• Het kan de eerlijkheid van gegevens garanderen door een eerlijke verdeling van gegevens, terwijl het privacybeleid wordt nageleefd.
• Synthetische gegevens kunnen worden toegepast op bijna alle sectoren: IT en software, detailhandel, financiën, defensie, gezondheidszorg, landbouw, voedselproductie, bouw, gaming en nog veel meer.

Beste tools om synthetische gegevens te genereren

Ik ga nu de 15 beste platforms voor het genereren van synthetische gegevens delen die de kloof tussen de echte en de gesimuleerde wereld kunnen verkleinen.

1. Vaag

Hazy is een in het VK gevestigde startup voor het genereren van synthetische gegevens die tot doel heeft onbewerkte bankgegevens te trainen voor fintech-industrieën. Hazy's datamodellering stelt ontwikkelaars in staat de analyseworkflows op te voeren en tegelijkertijd een hoog risico op fraude te vermijden, zoals gevonden bij het verzamelen van echte klantgegevens.

Hoewel banken geacht worden API's te bieden voor gegevensprivacy en transparantie, geeft het werken aan de synthetische gegevens van Hazy een zucht van verlichting omdat het veiligheid biedt en voldoet aan het AVG-beleid.

Tijdens de financiële dienstverlening wordt een complexe hoeveelheid data gegenereerd die doorgaans in silo's binnen bedrijven wordt opgeslagen.

Het delen van concrete financiële gegevens tussen verschillende bedrijfsonderdelen, met name voor onderzoeksdoeleinden, is echter wettelijk aan strenge beperkingen onderworpen.

Dit voorkomt ook dat bedrijven nieuwe inkomstenstromen creëren en tegelijkertijd waardevolle klantinzichten verkopen. Hazy zorgt er daarom voor dat bedrijven geld kunnen verdienen met data door inzichten te verkopen, niet identiteiten.

Het delen van gegevens is een onderdeel van de operationele vereisten voor bankinstellingen.

Hierdoor kunnen ze klantgedrag begrijpen op basis van de transacties en nieuwe voorbeelden synthetiseren zonder echte gegevens of een deel ervan op te slaan. Maar met de gesynthetiseerde klantgegevens in de hand, is het gewoon onmogelijk om deze terug te brengen naar de oorspronkelijke vorm.

Hazy zorgt er ook voor dat dergelijke resource-intensieve processen binnen enkele dagen worden beheerd, die anders maanden zouden kunnen duren.

2. K2Bekijk

De tools voor het genereren van synthetische gegevens van K2View zijn geavanceerd en nauwkeurig voor het creëren van realistische en conforme synthetische gegevens op schaal.

U kunt ze gebruiken om voor veel doeleinden nuttige gegevens te verstrekken. Voorbeelden zijn het testen van software en het trainen van machine learning-modellen.

Het belangrijkste aanbod van K2View is een innovatieve Business Entity Approach. Het behoudt de referentiële integriteit bij het genereren van synthetische gegevens. Om dit te bereiken, gebruiken ze blauwdrukken van datamodellen die laten zien hoe bedrijfsentiteiten met elkaar verbonden zijn.

Hierdoor zijn de geproduceerde gegevens nauwkeurig en consistent over verschillende dingen heen.

K2View biedt vier manieren om gegevens te genereren, die kunnen worden gecombineerd voor betere resultaten.

1. Generatieve AI die geavanceerde ML-algoritmen gebruikt om echte gegevensdistributies en -patronen na te bootsen, zelfs wanneer de originele gegevens schaars zijn.
2. Op regels gebaseerde generatie die ideaal is voor het genereren van gegevens voor nieuwe functionaliteit en negatieve testscenario's.
3. Gegevens klonen, waarbij subsets van productiegegevens worden gekopieerd voor prestatietests.
4. Gegevensmaskering, die PII-gegevens beveiligt door deze te anonimiseren of te coderen.

3. Datomiseren

Datomize, gelanceerd in 2020, is een van de beste startups en een opkomende tool voor het genereren van synthetische gegevens. De AI/ML-modellering van Datomize is gericht op klantgegevens van wereldwijde banken.

Een leverancier hebben die de technische vereisten begrijpt en de regelgevende raad respecteert, is het halve werk dat moet worden gewonnen.

En Datomize onderscheidt zich echt als een succesvolle kunstmatige gegevensgenerator, een externe medewerker bij testen, ontwikkeling, innovatie en het genereren van inkomsten.

Met Datomize kunt u eenvoudig verbinding maken met bedrijfsgegevensservers zoals PostgreSQL, MySQL, Oracle, enz... en complexe gegevensstructuren en afhankelijkheden verwerken met honderden en duizenden tabellen.

Het algoritme haalt vervolgens gedragskenmerken uit de onbewerkte gegevens en creëert identieke gegevenstweelingen, maar volledig los van de oorspronkelijke gegevens.

Met API's-integratie, cloudsamenwerking, gegevenssimulatie en privacyfuncties biedt Datomize state-of-art AI-oplossingen.

Datomize heeft onlangs $6 miljoen aan startkapitaal opgehaald voor de commercialisering van haar diensten en om organisaties in staat te stellen hun digitale transformatie te versnellen.

4. Tonic

Tonic.ai wordt vaak "The fake data company" genoemd en biedt een geautomatiseerde en geanonimiseerde manier van gegevenssynthese voor gebruik bij testen en ontwikkeling.

Het platform implementeert ook de-identificatie van databases, wat inhoudt dat persoonlijk identificeerbare gegevens (PII) uit echte gegevens worden gefilterd en de privacy van klanten wordt beschermd.

Het robuuste AI-algoritme van Tonic categoriseert verschillende tabellen in databases met behulp van het Generative Adversarial Network of GAN-model.

Het bestaat uit twee submodellen - Generator en Discriminator. Ze werken elkaar tegen.

De generator haalt echte invoergegevens op en creëert vergelijkbare maar volledig nieuwe gegevensinstanties. Discriminator, die wordt getraind door een generator op zowel echte als synthetische gegevens, maakt onderscheid tussen beide gegevens. Het proces ging door zolang de discriminator geen onderscheid kon maken tussen echte en valse gegevens.

Het platform behoudt gedrag en afhankelijkheden binnen de gegevens en maakt het voor het data science-team gemakkelijk om met even waardevolle gegevens te werken door uren aan handmatig werk te elimineren.

Onlangs heeft Tonic Smart Linking Generator gelanceerd, dat gebruik maakt van neurale netwerken om complexe datasets na te bootsen die veel categorisatie vereisen.

5. MEESTAL.AI

Mostly.AI is een in Wenen gevestigd synthetisch dataplatform dat sectoren als verzekeringen, banken en telecom bedient. Het maakt geavanceerde AI en privacy van het hoogste niveau mogelijk, terwijl patronen en structuur uit originele gegevens worden geëxtraheerd om volledig verschillende datasets voor te bereiden.

Mostly.AI houdt zich strikt aan de privacywetten van de AVG en beweert de eerste synthetische gegevensgenerator te zijn die SOC 2 Type 2-certificering heeft ontvangen. Dit betekent dat de bedrijfsethiek van het bedrijf veiligheid, transparantie en vertrouwelijkheid volgt.

Het platform stelt gebruikers in staat om vanaf het begin onbewerkte gegevens te samplen, terwijl ze rekening houden met de waarschijnlijkheid van het creëren van synthetische gegevens waarmee ze geen directe relatie hebben.

Maar dit betekent ook dat er geen tweerichtingssysteem is waar de heridentificatie van de gesynthetiseerde gegevens ongedaan kan worden gemaakt.

Niet alleen datasynthese. Het machine learning-systeem van Mostly.AI maakt ook de weg vrij voor data-engineers om meerdere aanvalsscenario's te visualiseren en indien nodig risicomijdende maatregelen te nemen.

Mostly.AI zit boordevol voorspellende modellen, geavanceerde analyses en functies voor fraudedetectie, en is daarmee dé software voor bedrijven die op zoek zijn naar naadloze prestaties, samenwerking en innovatie.

6. Sogeti

Sogeti is een dochteronderneming van Capgemini Group en een cognitieve oplossing voor gegevensverwerking en -synthese.

Het maakt gebruik van een native ingebouwde technologie genaamd Artificial Data Amplifier (ADA) die kan leren en redeneren over elk type gegevens dat eraan wordt toegevoegd, of het nu gestructureerde documenten of ongestructureerde documenten zijn, zoals handgeschreven, foto's, gescande of tabelkopieën.

ADA maakt gebruik van deep learning-methoden die herkenningsmogelijkheden zoals mensen kunnen nabootsen en Sogeti onderscheidt van zijn concurrenten.

Of het nu gaat om gegevensextractie, het ADA-systeem kan de relevantie van de te verwerken informatie identificeren en classificeren volgens de categorieën.

Zodra synthetische gegevens zijn gegenereerd, behoudt Sogeti gegevenskenmerken en correlaties die statistisch vergelijkbaar zijn met de oorspronkelijke gegevens, maar zonder enige identiteit.

Met de implementatie van het ADA-systeem is Sogeti naar voren gekomen als een van de beste op datawetenschap gebaseerde oplossingen, specifiek voor engineering, onderzoek, kwaliteitsborging en testen.

7. Gesynthetiseerd

Synthesized.io is een alles-in-één AI dataOps-oplossing voor gegevensvoorziening, augmentatie, veilig delen en samenwerking.

Het platform genereert versies van de originele gegevens en meerdere scenario's voor testgegevens waarin ontbrekende waarden en gevoelige informatie worden geïdentificeerd. Het bedrijf begrijpt het probleem van onevenwichtigheden in de gegevens, zoals ontbrekende waarden of vooringenomen informatie met betrekking tot voorspellende modellering.

Daarom maakt het platform gebruik van een geautomatiseerd generatief model genaamd Synthesized SDK dat helpt om gegevens indien nodig opnieuw vorm te geven. Het model kan ervoor zorgen dat de gegevens relevant zijn, vrij van vooringenomenheid en geen gevoelige informatie bevatten.

Bovendien kunnen data-engineers gegevens ook anonimiseren voor hergebruik.

Onlangs heeft het bedrijf Synthesized SDK uitgebracht in Google Colab, waardoor het een ideaal platform is om kritische inzichten te verkrijgen en samen te werken aan deep learning-bibliotheken.

Het platform laat R&D-teams en zakelijke klanten met elkaar kennismaken en stelt hen in staat om de functies te leren die nodig zijn om hoogwaardige synthetische gegevens te creëren.

Daarnaast lanceerde het bedrijf ook een open-source Python-bibliotheek genaamd FairLens die werkt met Synthesized SDK en waarmee ontwikkelaars data-inzichten kunnen verkrijgen, vooroordelen kunnen ontdekken en ervoor kunnen zorgen dat gegevens eerlijk worden gebruikt.

Verschillende verzekerings- en bankbedrijven vertrouwen nu op de gesynthetiseerde SDK en maken het een veeleisend platform voor datawetenschappers om snellere en betere resultaten te leveren dan conventionele synthesetechnieken.  

8. YGegevens

YData is een in Portugal gevestigde startup die datawetenschappers helpt bij het oplossen van problemen van slechte kwaliteit van gegevens of toegang tot grote gebruikersgegevens met behulp van schaalbare AI-oplossingen.

Het bedrijf biedt propriëtaire tools en geautomatiseerde frameworks om het proces van toegang tot gegevens, profilering en het genereren van synthetische gegevens te vergemakkelijken, terwijl de gebruikersprivacy en nalevingsvereisten voor bescherming worden nageleefd.

YData levert niet alleen gesynthetiseerde gegevens van hoge kwaliteit, maar zorgt ervoor dat ze vrij zijn van vooroordelen of enige PII (persoonlijk identificeerbare informatie).

Hoewel het platform in 2019 werd gelanceerd, is hun service al overgenomen door veel organisaties, zoals detailhandel, financiën, gezondheidszorg, telecom en zelfs openbare nutsbedrijven zoals elektriciteit of watervoorziening.

Tijdens het uitvoeren van tests zoals inferentieaanvallen, houden YData-ingenieurs verantwoordelijkheid voor eventuele risico's van identiteitslekken of heridentificatie. Daarom maken ze gebruik van de TSTR-methode (Train Synthetic Test Real) die de mogelijkheid evalueert van door AI gegenereerde gegevens om te worden gebruikt voor het trainen van voorspellingsmodellen.

YData heeft onlangs een startkapitaal van $2.7 miljoen opgehaald om haar diensten wereldwijd uit te breiden, waardoor partners gebruik kunnen maken van haar mogelijkheden voor datageneratie.

9. MDClone

De digitalisering van de zorgsector heeft geleid tot een overvloed aan patiëntgegevens waarmee de industrie de informatie kan gebruiken voor gepersonaliseerde zorg.

Om toegang te krijgen tot klinische gegevens, moesten onderzoekers echter afhankelijk zijn van bemiddelaars om toegang te krijgen tot de gegevens van patiënten. Het proces verliep echter traag en beperkte de flexibiliteit en toegankelijkheid van de gegevens. Ook de privacy van de patiënt was een belangrijk punt van zorg.

MDClone biedt daarom een ​​systematische aanpak om zorggegevens voor onderzoek, analyse en synthese in realtime te democratiseren zonder inbreuk te maken op de gevoelige gegevens van patiënten.

Dit in Israël gevestigde life sciences-platform maakt gebruik van de ADAMS-infrastructuur (vragen, ontdekken, handelen, meten en delen) om gebruikers te helpen gemeenschappelijke barrières zoals beschikbaarheid van gegevens, innovatie en beveiliging te overwinnen en nieuwe samenwerkingsmogelijkheden te bevorderen.

MDClone heeft een transformationele stap gezet in het verstrekken van gekloonde maar toch anonieme patiëntgegevens. De technologie helpt synthetische gegevens te creëren op basis van echte statistische kenmerken van patiënten zonder dergelijke patiënten te hebben.

Met behulp van fictieve patiëntgegevens kunnen zorgverleners over een breed scala aan informatie beschikken op basis van leeftijd, geslacht, medische geschiedenis, enz. Ze kunnen bijvoorbeeld de reacties bestuderen van verschillende soorten medicijnen die zijn voorgeschreven voor specifieke ziekten die kunnen helpen ze vinden betere behandelingsmaatregelen.

10. feit

Facteus is een op fintech gebaseerde synthetische gegevensgenerator die bruikbare inzichten vastlegt uit transactiegegevens zoals creditcard- en bankpastransacties zonder de gevoelige details van de klanten in gevaar te brengen.

Het platform maakt gebruik van native technologieën, Mimic en Quantamatics om analyses, tests, trainingen en cloud-sharing uit te voeren met inachtneming van de regelgeving en privacywetten.

Mimic's datasynthesetechnologie stelt ingenieurs in staat toegang te krijgen tot hoogwaardige gebruikersgegevens, innovatie op te voeren en nieuwe inkomstensystemen te genereren.

Terwijl Mimic helpt bij het genereren van synthetische gegevens, stelt Quantamatics gebruikers in staat om het ontbrekende stukje informatie op te vullen en toekomstige prestaties te voorspellen.

Facteus is onlangs een samenwerking aangegaan met Pacific Epoch , een onderzoeksbureau voor beleggingen, om samengevatte gegevens over de Amerikaanse consumentenbestedingen aan beleggers op de Aziatische markt aan te bieden.

Deze samenwerking zal investeerders unieke marktinzichten bieden om investeringsmodellen in Azië en de VS te versterken

Het bedrijf werkt ook samen met Snowflake Partner Network om de gegevensmigratie, het gebruik van analysetools en de computermogelijkheden van het platform te benutten met behulp van Snowflake's cloudservices.

11. Hoe dan ook

Perceptiemodellering is een geavanceerde technologie in machine learning. Anyverse gebruikt deze technologie om synthetisch gesimuleerde 3D-omgevingen te creëren.

Dit draait allemaal om het vastleggen van beelden uit de echte wereld en het produceren van sensorspecifieke gegevens die moeten worden gevalideerd, getraind en getest.

Anyverse rendert en configureert verschillende scenario's voor voorbeeldgegevens met behulp van een raytracing-engine. De technologie berekent de interactie van lichtstralen met objecten in de scène op fysiek niveau.

Dit is erg handig bij het nabootsen van totaal verschillende scènes en dynamische eigenschappen, terwijl je eventuele hiaten in de gegevens in de originele scène opvult.

Vorig jaar werkte Anyverse samen met Velodyne, een leverancier van veiligheidsoplossingen uit Lidar, om de snelgroeiende autonome ontwikkelingsindustrieën te bedienen.

Het platform ondersteunt een breed scala aan gebruiksscenario's waarbij ontwikkelaars vastgelegde beelden programmatisch kunnen beheren en meerdere versies van de gegevens kunnen genereren.

Door bijvoorbeeld slimme camera's voor drones, voertuigen of indoorscenario's zoals CCTV te trainen, kan het platform rijke databases verzamelen en gebruiken om scenario's te modelleren.

Dit kan nuttig zijn bij het modelleren van slimme steden of verkeersopstoppingen, waarbij het gedrag van mensen en de natuurkundige principes uit de echte wereld worden vastgelegd.

12. CVEDIA

CVEDIA zit boordevol meerdere ML-algoritmen en biedt synthetische computervisie-oplossingen voor verbeterde objectherkenning en AI-rendering.

Het platform werkt samen met NVIDIA's Metropolis-programma , dat hardware en software omvat voor hoogwaardige technische oplossingen. Het maakt gebruik van een reeks tools, sensoren en IoT-technologie voor de ontwikkeling van geavanceerde AI-toepassingen.

CVEDIA's TALOS is bijvoorbeeld een geavanceerde menselijke detector die gezichten met hoge nauwkeurigheid kan identificeren, zelfs in menigtesituaties.

In de door pandemie getroffen wereld is sociale afstand een nieuwe norm geworden. De ACESO-tool gebruikt daarom heatmaps om inzicht te krijgen in openbare hotspotgebieden en hun gedrag.

Op dezelfde manier gebruikt HERMES een deep learning-algoritme om typen voertuigen te classificeren, van fietsen tot bussen. Hoewel de tool de kentekenplaten anonimiseert en zorgt voor naleving van de AVG-regelgeving.

Hetzelfde geldt voor TALOS en ACESO die ervoor zorgen dat de gezichten absoluut onherkenbaar zijn.

Bovendien kan TALOS ook worden gebruikt om wapens en geweren te detecteren en om normale voetgangers en wapenhouders te vergelijken met behoud van nauwkeurigheid in drukke omgevingen.

13. Neurolabs

Neurolabs is een in Roemenië gevestigd synthetisch dataplatform dat computervisiemodellen gebruikt voor de supermarktmarkt. Winkels hebben vaak te maken met problemen met realtime voorraadbeheer, zoekgeraakte of ontbrekende producten en situaties waarin de voorraad niet op voorraad is.

Neurolab integreert daarom zijn zelfgemaakte oplossing genaamd Re-Shelf om dergelijke problemen te monitoren en het interne personeel te waarschuwen.

Re-Shelf gebruikt machine learning en computergegenereerde beelden om pixelperfecte gegevens in realtime te trainen.

Het platform biedt gebruikers toegang tot duizenden populaire voorraadeenheden (productcodes die worden gebruikt om de voorraad van lijsten of facturen te identificeren) en deze te gebruiken om synthetische productafbeeldingen toe te voegen die ontbreken in de database.

Voor topprestaties gebruiken ze geautomatiseerde feedbackloops tussen het computervisiemodel en gesynthetiseerde gegevens. Dit resulteert in een hoogwaardige 3D-replica die de kleur- en lichtvariaties van echte producten nauw nabootst.

Neurolabs beweert dat zijn objectherkenningscapaciteit ongeveer 20 keer sneller en 100 keer goedkoper is.

Het platform werkt momenteel aan verschillende gebruiksscenario's, zoals het identificeren van fabricagefouten, sorteren en sorteren van gewassen in de landbouw, afvalrecycling, enz.

14. Gesmolten.AI

Rendered.AI genereert op fysica gebaseerde synthetische datasets voor satellieten, autonome voertuigen, robotica en de gezondheidszorg.

Het bedrijf beweert het genereren van synthetische gegevens zo eenvoudig te maken als een klik op een knop. Er is een configuratietool zonder code en API's waarmee technici snel wijzigingen en analyses op datasets kunnen aanbrengen. Ze kunnen gegevens genereren in de browser en eenvoudige bediening van machine learning-workflows mogelijk maken zonder veel rekenkracht.

Stel, een bedrijf wil een nieuw type sensor voor satellietbeeldanalyse introduceren en zoekt financiering voor dit project. In dat geval heeft het bedrijf echte data nodig om de toepassing te demonstreren.

Daarom komt een synthetische data-oplossing van Rendered AI in het spel, waarbij het bedrijf verschillende realtime scenario's kan weergeven en satellietachtige beelden kan repliceren.

Het platform maakt ook samenwerking mogelijk waarbij meerdere gebruikers kunnen samenwerken aan kanalen voor het genereren van gegevens en inzichten veilig kunnen delen via de cloud.

15. Gretel

Gretel.ai is een van de ontluikende platforms voor het maken van synthetische gegevens. Gretel is zelfbenoemd als "Privacy Engineering as Service" die statistisch equivalente datasets genereert zonder enige gevoelige klantgegevens van de oorspronkelijke bron.

Tijdens het trainen van de gegevens voor synthese, vergelijkt het ML-algoritme van Gretel realtime informatie met behulp van een reeks-naar-reeksmodel om de voorspelling mogelijk te maken terwijl nieuwe gegevens worden gegenereerd.

Het platform wordt aangedreven met zijn neurale netwerk genaamd Long Short-term Memory (LSTM) om alle gestructureerde gegevens van de originele na te bootsen.

Gretel implementeert ook differentiële privacy die ervoor zorgt dat er geen originele gegevens worden onthouden of opnieuw worden geïdentificeerd in het systeem.

Gretel ziet er veelbelovend uit als datagenerator van de volgende generatie, aangezien het platform belooft binnenkort in de financiële, gezondheidszorg- en gamingsector te gaan werken.

Laatste gedachten

Voor klanten zijn data niet meer eng. Terwijl bedrijven met een betere implementatie van het privacybeleid hun klantafhankelijkheid zouden verminderen.

Voor hackers denk ik dat ze misschien van beroep moeten veranderen.

En voor gegevens wordt het interessant.

Met de vooruitgang in modellen voor machine learning kunnen inzichten net zo reëel zijn als hoe mensen denken en waarnemen. Verschillende permutaties en combinaties zouden het mogelijk maken om alternatieve resultaten te krijgen – zelfs op een schaal die nog nooit iemand heeft ervaren.

Dit klinkt net zo intens als de multiversumtheorie, nietwaar?

Tot slot goed nieuws voor CEO's van techreuzen. Voor hen betekent synthetische data geen congreshoorzittingen meer.