Studi Datagen Sarankan Adopsi Data Sintetis yang Luas

Sebuah studi baru yang dikomisi oleh Datagen, pemimpin dalam generasi data sintetis, memiliki banyak temuan mendalam tentang bagaimana data sintetis digunakan di seluruh bidang penglihatan komputer (CV) untuk memajukan aplikasi kecerdasan buatan (AI) dan pembelajaran mesin (ML).

Studi baru, yang dilakukan oleh Wakefield Research dan mengeksplorasi data pelatihan di bidang penglihatan komputer, berjudul “Data Sintetis: Kunci untuk AI yang Siap Produksi pada 2022.” Ini mempolling 300 profesional CV dari 300 organisasi unik di berbagai industri.

Mengumpulkan Sekitar Data Sintetis

Salah satu temuan utama adalah bahwa bidang ini mulai mengumpulkan sekitar data sintetis, memanfaatkannya untuk memecahkan masalah yang melibatkan penundaan dan pembatalan proyek.

Poin lain dari studi ini adalah penekanan bahwa data pelatihan telah menjadi sumber komplikasi bagi profesional penglihatan komputer, yang menyebabkan perlambatan kemajuan perusahaan dalam CV.

Masalah yang paling umum termasuk: waktu dan/atau sumber daya yang terbuang untuk melatih kembali sistem; annotasi yang buruk yang menghasilkan masalah kualitas; cakupan data yang buruk dari domain aplikasi yang diinginkan; dan kurangnya jumlah data yang cukup.

Masalah seperti ini menghambat kemajuan proyek, dan mereka telah menyebabkan sebagian besar tim CV mengalami penundaan dan pembatalan proyek yang signifikan. Menurut survei, 99% responden telah mengalami pembatalan proyek, 80% telah mengalami penundaan proyek yang berlangsung setidaknya 3 bulan, dan 33% telah mengalami penundaan proyek yang berlangsung 7 bulan atau lebih.

Minat dan Adopsi yang Luas

Studi ini juga menemukan banyak tren yang menunjukkan minat yang luas dalam data sintetis. Lebih khusus, 96% tim penglihatan komputer melaporkan bahwa mereka sudah menggunakan data sintetis dalam pelatihan dan pengujian model penglihatan komputer.

Datagen juga bertanya kepada organisasi apa motivasi utama mereka dalam menggunakan data sintetis, dan tim melaporkan bahwa itu adalah pengujian, pelatihan, dan penanganan kasus tepi.

Ketika datang ke manfaat data sintetis, responden mengatakan bahwa yang paling menonjol adalah waktu produksi yang berkurang, penghapusan kekhawatiran privasi, pengurangan bias, kesalahan annotasi dan pelabelan yang lebih sedikit, dan perbaikan dalam pemodelan prediktif.

Ofir Chakon adalah pendiri dan CEO Datagen.

“Data sintetis adalah masa depan data. Ini adalah cara baru untuk mengontrol dan mengonsumsi data yang dibutuhkan sistem AI kami,” kata Chakon. “Ketika simulasi menjadi lebih baik seiring waktu, dengan semua manfaatnya, itu akan mengambil alih tempat pengumpulan data manual yang berat dan tidak lagi dapat diskalakan dengan kecepatan dunia yang berkembang.”

Anda dapat membaca laporan lengkap Datagen di sini.