ГОСТ на синтетические данные для обучения ИИ

В России разработали предварительный национальный стандарт для синтетических данных — искусственно созданных массивов информации, которые имитируют реальные данные, но не содержат сведений о конкретных людях или объектах. Это считается более безопасным для обучения моделей искусственного интеллекта.

Над стандартом работали Ассоциация больших данных, в которую входят такие компании, как «Яндекс», VK, Сбер, Т-банк и МТС, а также АНО «Национальный технологический центр цифровой криптографии». Документ носит временный характер и рассчитан на трёхлетнюю апробацию, по результатам которой он может стать полноценным ГОСТом.

Как сообщает макс-канал «МашТех», новый стандарт впервые в России устанавливает единые требования как к процессам создания синтетических данных, так и к их качеству. По словам представителей Ассоциации, российская разработка объединяет три ключевых направления:

• Современные методы синтеза данных с использованием нейросетей.

• Продвинутые технологии защиты конфиденциальности.

• Метрики для оценки качества данных.

Авторы утверждают, что на пересечении этих компонентов получился один из самых передовых стандартов в мире, который является прикладным и имеет строгую математическую основу. В то же время международная стандартизация в этой области развивается медленно и фрагментарно.

Зачем всё это нужно?

Использование синтетических данных в обучении ИИ будет расти, поскольку создание реальных датасетов требует больше времени и ресурсов. Однако полная замена реальных данных на синтетические может быть опасной, так как рекурсивное обучение на сгенерированных данных может накапливать ошибки и искажения. Наиболее вероятным сценарием является гибридный подход, где синтетические данные служат масштабируемым дополнением к реальным.

Стандартизация может привести к консолидации рынка: малые компании, не готовые нести дополнительные затраты на сертификацию и проверку, вероятно, уступят место более крупным игрокам. Однако это сделает отрасль более зрелой и откроет доступ к технологиям ИИ для консервативных секторов экономики.