合成データ生成

合成データは、ユース ケースに応じて、さまざまな方法で生成できます。

シミュレーション方法の使用  

倉庫ロボットのコンピュータ ビジョン AI モデルを学習させる場合、パレット ジャッキや保管ラックなどの物体を含む物理的に正確な仮想シーンを作成する必要があります。また、組立ライン上の視覚検査用の AI モデルを学習させるのであれば、コンベアベルトや生産中の製品などの物体を含む仮想シーンを作成する必要があります。

合成データ パイプラインを開発する上での主要な課題の 1 つは、シミュレーションと現実のギャップを埋めることです。ドメインをランダム化することで、物体の位置、テクスチャ、照明など、シーンのさまざまな側面を制御することができ、このギャップを埋めることができます。

NVIDIA Omniverse™ Cloud Sensor RTX マイクロサービスは、センサーをシミュレートし、注釈付きの合成データを生成するシームレスな方法となります。あるいは、Omniverse Replicator SDK を使用して、カスタム SDG パイプラインを開発し始めることもできます。

生成 AI の利用

生成モデルを使用して、合成データ生成プロセスをブートストラップし、増大させることができます。テキストから 3D へと変換するモデルを使用すれば、3D アセットを作成して、3D シミュレーションシーンにデータを入力することができます。さらに、テキストから画像へと変換する生成 AI モデルを活用して、既存の画像 (シミュレーションから生成された画像や、実世界から手順に沿ってインペインティングやアウトペインティングを通じて収集した画像) を修正および補強することもできます。

Evian 2 405B や Nemotron-4 340B などのテキストからテキストを生成する生成 AI モデルは、医療、金融、サイバーセキュリティ、小売、通信分野向けの強力な LLM を構築するための合成データを生成するのに活用できます。

Evian 2 405B と Nemotron-4 340B はオープン ライセンスであり、開発者は学術的および商業的な用途に対して、生成されたデータを自由に所有し、柔軟に使用することができます。

ロボティクスの分野では、合成データは、ロボットの知覚、操作、把持、または視覚検査に使用されるロボットに実装される AI モデルを学習させるために使用することができます。

製造部品の欠陥を検出することは、異常が微妙または稀であることが多く、ばらつきも大きいため、非常に困難です。傷や欠損、凹みなどの実際の欠陥に基づく合成データを作成し、製造工程の早期段階で欠陥を捉えるように AI モデルを学習させることができます。

周囲を安全に運行できる自律走行車を配備するには、膨大な量のトレーニングデータが必要ですが、これを実際に取得するのは非常にコストが高く危険を伴います。合成データを使用して、シミュレーション環境で自律走行車のソリューションを開発およびテストすることで、テストとトレーニングにかかる時間を短縮し、コストを削減することができます。

合成データにより、機密性の高い金融情報を保護しながら、高度なリスク モデリングと不正検出が可能になります。この方法は、リスク評価、アルゴリズム取引、顧客サポートのための先進的 AI モデルの開発に不可欠で、業界に大きな変革をもたらします。

様々な業界の組織は、カスタマー エクスペリエンスを劇的に向上させ、業務効率を飛躍的に高めるために、ジェネレーティブ AI を積極的に導入しています。モデルが常に最新かつ信頼性の高い応答を提供できるよう、AI ワークフローには RAG パイプラインが実装されています。合成データ生成は、企業が自社の RAG 実装の品質を評価するのに役立ちます。