有意创建的信息，而不是实际事件的结果，被称为合成数据。合成数据是通过算法生成的，并用于训练机器学习模型、验证数学模型，并作为测试生产或操作数据测试数据集的替代。
使用合成数据的优点包括在使用私有或受控数据时减轻限制，根据无法满足准确数据的特定情况调整数据要求，并为DevOps团队生成用于软件测试和质量保证的数据集。
尝试复制原始数据集复杂性时的限制可能会导致差异。完全替代准确数据是不可能的，因为仍然需要准确的数据来生成实际的合成信息示例。
合成数据有多重要？
开发人员需要大量细致注释的数据集来训练神经网络。当神经网络具有更多多样化的训练数据时，通常更准确。
问题在于编制和确定可能包含几千到数千万个项目的数据集需要大量的工作，并且经常是不可承受的。
现在出现了虚假数据。AI.Reverie的联合创始人保罗·瓦尔博斯基认为，从标注服务中获取的一张图片可能需要6美元，但可以以6美分的价格合成生成。
节省金钱只是个开始。瓦尔博斯基继续表示，通过确保您拥有数据的多样性以准确反映现实世界，合成数据对于处理隐私问题和减少偏见至关重要。
合成数据集有时优于现实世界的数据，因为它们可以自动进行标记，并且可以有意地包含罕见但关键的边角情况。
合成数据初创公司和企业名单
Datagen
成立于2018年的以色列公司Datagen获得了2200万美元的资金，其中包括去年2月的1850万美元A轮融资，这是该公司的正式亮相。由于它主要专注于逼真的视觉模拟和自然世界的重建，尤其擅长人体运动，Datagen将其特殊风格的合成数据称为“模拟数据”。Datagen使用生成对抗网络（GANs），这是一种越来越常见的人工智能方法，与许多处理合成数据的其他企业一样。它类似于计算机棋局中的两个系统之间的游戏，但一个系统生成虚假数据，而另一个系统评估结果的真实性。该公司将GANs与称为强化学习人形动作技术和超级渲染算法的东西相结合，在物理模拟器中进行研究开发。
Datagen的目标行业包括零售、机器人技术、增强和虚拟现实、物联网和自动驾驶汽车。以一个Amazon Go店铺为例，它的计算机视觉系统监视购物者，以确保没有人带走任何物品。
Parallel Domain
模拟自动驾驶车辆的环境可能是当今最常见的应用案例之一。这是Parallel Domain的主要业务领域，这是一家成立于2017年的硅谷初创公司，我们之前已经对其进行了介绍。自那时以来，该公司已经筹集了大约1390万美元的资金，其中包括去年年底的1100万美元A轮融资。丰田可能是其最重要的支持者和客户。该公司致力于教育自动驾驶汽车如何避免伤害人员，为其合成数据平台专注于一些最具挑战性的用例。最近，该公司与丰田研究院合作开发了一种使用合成数据教授自主系统对象永恒性的方法。尽管由于Parallel Domain的影响，现在AI可以在物体暂时消失时仍然追踪物体，但当前的感知系统仍然像孩子玩捉迷藏一样。此外，该公司还向公众提供了用于完全注释的合成相机和LiDAR数据集的数据可视化工具。该公司为自动无人机交付和自动驾驶提供人工训练数据。
Mindtech
成立于2017年的英国公司Mindtech筹集了约650万美元的资金。就在上个月，该公司完成了325万美元的种子轮融资。其中一位著名的投资者是In-Q-Tel，这是一家美国政府组织，为具有帮助像CIA这样的组织的潜力的创新提供资金。因此，这就是它。Mindtech开发的模块化工具Chameleon允许用户使用逼真的3D模型即时创建无限数量的场景和情境。根据该公司的说法，Chameleon专门设计为帮助其客户开发“理解和预测人类互动”的AI系统。除了向间谍机构提供服务外，Mindtech还向零售、智能家居、医疗保健、交通运输和机器人技术行业提供产品和服务。
合成人工智能
2019年初创公司合成人工智能在四月份与iRobot（IRBT）进行了450万美元的种子轮融资，可能是为了推进其智能家居机器人吸尘器的发展。与Datagen一样，合成人工智能使用生成对抗网络（GAN）与计算机生成图像（CGI）技术，这种技术几乎应用于每一部现代电影中，用于构建合成人类。该公司的首款产品FaceAPI允许公司为智能助手、远程会议、驾驶员监控和智能手机面部验证创建更强大的人工智能面部模型。为了增强人工智能模型在代表各种面部类型方面的能力，合成人工智能在六月份发布了4万个原始高分辨率的3D面部模型。
Oneview
OneView是一家以色列初创公司，成立于2019年，融资350万美元。该公司的主要目标是为从卫星和航空照片中生成地理情报的人工智能算法提供人工数据。这些视图经常涵盖地球上的大片区域，包括城市、机场、港口和其他建筑物。OneView使用开源数据映射服务OpenStreetMap的实际数据来创建合成数据集的基础模型。该公司只需将2D图像转换为多次渲染的3D图像，以模拟各种情况，包括对象、天气、光照等等。您可以在此处了解更多关于该过程的信息。
MOSTLY AI
企业可以通过MOSTLY AI的市场领先、最准确的合成数据平台来访问、共享、纠正和模拟数据。由于人工智能的进步，MOSTLY AI的合成数据与实际数据具有相同的外观和感觉，可以保留重要的粒度级别信息，并始终确保没有人会受到曝光。
YData
通过提高训练数据集的质量，YData提供了一个以数据为中心的平台，加快了人工智能解决方案的创建和投资回报。数据科学家现在可以使用先进的合成数据生成和自动化数据质量分析来改进数据集。
Hazy
Hazy通过提供具有差分隐私机制的高质量合成数据的模型，使自己与竞争对手区分开来。在关系型数据库中，数据可以是表格形式、序列形式（包括时间相关事件，如银行交易）或分散在多个表格中。
CVEDIA
CVEDIA是一家提供人工智能解决方案的公司，创建了“合成算法”——利用虚假数据的现成计算机视觉算法。CVEDIA算法提供了超过10种硬件、云和网络部署选项。CVEDIA技术SynCity是基于他们自己的模拟引擎的数据科学和深度学习理论创建的。该组织在制造业、航空航天、智能城市、公用事业、基础设施和安全行业等领域开展工作。
SKY ENGINE AI
全栈机器学习和计算机视觉数据生成平台，为数据科学家提供AI业务转型的规模化解决方案。
SKY ENGINE AI平台使您可以从头开始构建理想的、定制的AI模型，并使用虚拟现实来进行训练，您的传感器、无人机或机器人可以使用SKY ENGINE AI软件在虚拟环境中进行训练和测试，然后再部署到现实世界中。
通过为计算机视觉应用程序提供完美平衡的数据集，如目标检测和识别、3D定位、姿态估计以及分析多传感器数据（如雷达、激光雷达、卫星、X射线等）等复杂案例，SKY ENGINE AI合成数据生成使数据科学家的工作更加轻松。
Edgecase.ai
Edgecase.ai是一个与初创公司和财富500强公司合作生成人工智能训练照片和视频并标注数据的数据工厂。在安全、零售、医疗保健、农业、工业4.0等领域，大规模数据标注是培训最复杂的人工智能视觉和视频识别算法以及人工智能代理的关键需求，Edgecase.ai帮助解决了这个问题。
Statice
Statice创造的现代数据隐私技术可以在保护个人隐私的同时增加数据驱动的创新。公司可以通过Statice数据匿名化程序生成与任何类型的数据集成、处理和传播兼容的隐私保护合成数据。借助Statice，金融、保险和医疗保健行业的企业可以提高数据敏捷性，实现数据生命周期内的价值创造。利用Statice安全地训练机器学习模型、在云中处理数据并与合作伙伴共享数据。
ANYVERSE
一家名为ANYVERSE的西班牙公司利用LiDAR、图像处理和原始传感器数据为汽车行业生成合成数据集。该创业公司的解决方案指定了应该使用多少种变化周期、真实世界数据和输出通道来创建合成数据。这使得汽车原始设备制造商（OEM）和供应商更容易地进行复杂感知模型的深度学习训练。
合成数据建模使用复杂边界案例对客户的整个目标系统进行精确合成。此外，这还产生了符合GDPR合规标准并具有微小图像偏差的数据集。这使得企业能够减少昂贵的数据收集程序并快速进行模型训练。一些创业公司提供平台，让客户指定他们想要利用的目标系统来生成数据，使得用例特定的数据更准确、更易获取。
Rendered.ai
与使用或获取真实世界数据相比，Rendered.ai是一种面向数据科学家、数据工程师和开发人员的平台即服务（PaaS），用于创建和部署无限量、定制化的合成数据生成，用于机器学习和人工智能工作流程中。这降低了成本，弥补了差距，消除了偏见、安全性和隐私问题。
通过提供协作环境、样本和云资源，以便立即开始定义新的数据生成通道，创建在高性能计算环境中的数据集，并提供工具来表征和编目现有和合成的数据集，Rendered.ai将创建和利用合成数据的过程更贴近业务需求。
Datomize
Datomize可以显著提高数据科学家的机器学习模型的性能。由于缺乏高质量的数据和资源密集型的特征工程过程是创建高性能机器学习模型的主要障碍，Datomize为数据科学家提供了无限量、质量和种类都异常丰富的数据，同时自动创建一套全面的尖端特征。Datomize平台通过高质量的合成数据增强原始数据，自动开发提高机器学习模型性能的特征，填补数据中的任何空白，平衡数据以充分代表每个类别以防止偏见模型，并使用基于规则的数据生成实现模拟新场景。
Facteus
Facteus是有价值的金融数据洞察的来源。通过其突破性的、专利申请中的合成数据处理过程，Facteus将来自遗留技术的原始金融交易数据安全地转化为可用于机器学习、人工智能、数据变现和其他战略用途的可操作信息，而不损害数据隐私。由于该公司的数据产品直接从1000多家金融机构、支付提供商、金融科技和借记卡计划中收集而来，业务和投资高管现在可以访问实际消费者的金融交易的“真相”，而不仅仅是广泛的模式。
Gretel
Gretel为开发人员、数据科学家和人工智能/机器学习研究人员提供安全、快速、简单的数据访问，而不会牺牲准确性或隐私，从而解决了数据瓶颈的问题。Gretel的API是由开发人员为开发人员创建的，使得创建匿名和安全的合成数据变得简单，以便保护您的隐私并更快地创新。
Synthesized
Synthesized旨在快速、简单地创建和检索高质量的数据。通过使用简单的YAML配置自动化数据，并快速集成到CI/CD工作流程中，软件或数据工程师无需进行手动设置。无需手动设置，QA和ML团队现在可以快速创建、验证和安全共享用于软件测试、模型训练和数据分析的高质量数据。
Syntheticus
由于数据隐私和数据效用之间的显著紧张关系，公共和私营企业在处理敏感数据时面临着巨大的风险。为了确保组织充分利用其最大的数据潜力并完全合规，Syntheticus提供了一种利用尖端深度学习为各种文件格式生成合成数据的解决方案。
人工数据、数据隐私、深度学习、GDPR、软件即服务、机器学习、人工智能（AI）、云计算、隐私技术、HIPAA、数据分析和隐私盾
Syntho
总部位于荷兰阿姆斯特丹的Syntho是一家数据技术公司，具有强大的隐私增强技术（PET）背景。它于2020年成立，旨在解决隐私难题，实现开放数据经济，使数据能够自由利用和共享，并确保隐私。为了访问您的数据并消除合理的隐私担忧，Syntho提供了保护隐私的合成数据。
Tonic
Tonic使企业能够为软件开发和测试生成安全的合成数据副本，为开发人员提供便利的同时保护消费者的隐私。该公司成立于2018年，总部设在亚特兰大和旧金山，是数据库子集、去识别和合成的企业技术领域的领导者。每天有成千上万的开发人员在医疗、金融服务、物流、教育科技和电子商务等各个领域使用Tonic数据，以更快地构建解决方案。Tonic与eBay、Flexport和PwC等客户合作，开发前沿解决方案，推动个人隐私权益的同时帮助企业发挥最佳水平。
Clearbox AI
Clearbox AI提供名为Enterprise Solution的产品，基于专有技术，由一系列生成式AI模型驱动，产生高质量的结构化合成数据。