بيانات مولدة اصطناعياً تحاكي البيانات الحقيقية، تُستخدم هنا لتدريب النماذج دون تعريض المرضى الفعليين.تشير البيانات الاصطناعية إلى المعلومات التي تُولَّد بشكل مصطنع بدلاً من جمعها من أحداث العالم الحقيقي. في سياق المقالات المقدمة، تُستخدم لتدريب نماذج التعلم الآلي دون تعريضها لبيانات المرضى الفعلية، والتي غالباً ما تكون حساسة ومحمية بموجب لوائح الخصوصية. هذا المفهوم أساسي في مجالات مثل التصوير الطبي، حيث يمكن إنشاء توائم رقمية للمرضى أو الأعضاء لمحاكاة الحالات واختبار الخوارزميات بأمان.
اكتسب المصطلح شهرة في العقد 2010 مع صعود التعلم العميق، على الرغم من أن الفكرة الأساسية لتوليد بيانات اصطناعية للاختبار لها جذور في تقنيات المحاكاة السابقة. لا يُنسب الفضل إلى مخترع واحد.
تتضمن العملية عادةً استخدام نماذج توليدية، مثل الشبكات التنافسية التوليدية (GANs) أو الترميز الذاتي التبايني، لتعلم التوزيع الإحصائي للبيانات الحقيقية ثم أخذ عينات جديدة ومعقولة من هذا التوزيع. يمكن تسمية هذه الأمثلة الاصطناعية بحقيقة أرضية معروفة، مما يسمح بتدريب النماذج والتحقق منها في بيئة خاضعة للتحكم. يمكن جعل البيانات المولدة تحاكي حالات محددة، مثل حالات مرضية مختلفة أو تشوهات تصويرية، والتي قد تكون نادرة أو صعبة الحصول عليها في مجموعات البيانات الحقيقية.
تُستخدم البيانات الاصطناعية لتدريب نماذج التشخيص في التصوير الطبي، ولتوسيع مجموعات البيانات الحقيقية الصغيرة، ولاختبار الأنظمة المستقلة في بيئات محاكاة قبل النشر في العالم الحقيقي.
يمكن استخدام البيانات الاصطناعية لتوليد صور لأمراض نادرة تكون نادرة جداً بحيث لا تكفي الأمثلة الحقيقية لتدريب نموذج تشخيصي موثوق.







