【ごうせいでーた】
合成データ（シンセティックデータ） とは？
最終更新:
💡 人工的に作るデータ。用途に合うか、安全かも検証
統計モデルやシミュレーションなどで人工的に生成したデータ。学習や試験に使えるが、実データへの忠実さやプライバシー保護は生成方法と用途に応じて確認する。
📌 このページのポイント
- 統計モデルや生成AI、仮想シーンなどでデータを作る
- 学習・試験の材料に使う。実際に観測した記録とは区別する
- 統計的な類似度と、使うタスクでの性能は別に評価する
- 合成しただけで個人情報の漏えいリスクがなくなるわけではない
ひよこ 合成データって偽物の記録？
ペンギン先生 人工的に作ったデータだよ。実データの傾向を学んで表形式のデータを作ったり、仮想シーンから画像を作ったりする。学習や試験の材料になるけれど、実際に起きた出来事の記録として扱うものではないんだ。
ひよこ AIでしか作れないの？
ひよこ たくさん作れば、学習も良くなる？
ペンギン先生 量だけでは決まらないよ。実際の利用環境との違いや、生成できていない特徴があると、期待した性能にならない。合成データを使った後は、実際の用途に合う評価データで確かめる必要があるんだ。
ひよこ 品質はどう調べるの？
ペンギン先生 表形式なら、列の分布や列同士の関係を実データと比べられるよ。SDMetricsの品質評価はこうした統計的な類似度を見る。ただし、その点数が高くても学習後の性能が高いとは限らない。用途での有用性と、プライバシーのリスクも別に調べよう。
ひよこ 実在しない人のデータなら、自由に公開できる？
まとめ：ざっくりこれだけ覚えればOK！
「合成データ」って出てきたら「学習や試験などに使う、人工的に作ったデータ」と思えればだいたいOK！
📖 おまけ：英語の意味
「Synthetic Data」 ＝ 人工的に合成したデータ
💬 Syntheticは人工の・合成の、Dataはデータという意味だよ。