Taille et part du marché de la génération de données synthétiques, par modélisation (direct, agent); offre (complète, partielle, hybride); type de données (tabulaire, texte, image et vidéo); application (formation et développement de l'AI, gestion des données d'essai, partage et conservation des données, analyse des données); vertical (BFSI, santé et sciences de la vie, transport et logistique, gouvernement et défense, TI et télécommunications, fabrication, médias et divertissement) - Analyse de l'offre et de la demande mondiale, prévisions de croissance, rapport statistique 2024-2036

Facteurs de croissance

• Besoin croissant de sécurité et de confidentialité des données La nécessité de disposer de données synthétiques d'un duplicata réaliste de la collecte réelle de données ayant des caractéristiques statistiques comparables s'explique par les risques croissants associés à la collecte de statistiques sur la vie privée. Ces données synthétiques ont divers avantages en termes de confidentialité, d'évolutivité et de variété et peuvent être utilisées à la place de données authentiques.
  Par exemple, en avril 2023, Betterdata, une start-up basée à Singapour, a annoncé qu'elle obtiendrait des données confidentielles et améliorerait apprentissage automatique les modèles en utilisant des données synthétiques qui ressemblent à des ensembles de données du monde réel en termes de structure et de caractéristiques sans révéler d'informations personnelles ou sensibles sur une personne.
• Utilisation accrue des grands modèles linguistiques Avec l'aide d'énormes ensembles de données, des modèles de langue sont utilisés dans la production de plusieurs sites Web et d'autres applications. Les grands modèles linguistiques (LLM) sont des algorithmes d'apprentissage qui aident à la traduction, à la génération et à la prédiction du texte et d'autres types d'information. Un modèle de langue appelé le Transformateur Préformé Generatif (GPT) utilise les modèles GPT-1, GPT-2 et GPT-3 pour générer des données textuelles. Avec 175 millions de paramètres d'apprentissage automatique, GPT-3 est le modèle le plus sophistiqué et a produit un ensemble important de données conversationnelles.
  La création continue de sites Web et d'autres solutions de base de données prend en compte la nécessité de modèles linguistiques dans un certain nombre de secteurs, y compris l'informatique, le commerce de détail, les soins de santé et d'autres industries. Divers utilisateurs finaux utilisent ces modèles de langage pour la génération de code, la détection de fraude, l'annotation d'image, la production de texte et l'IA conversationnelle.
• La croissance du marché s'est accélérée en utilisant de plus en plus les technologies d'IA et de ML pour synthétiser la base de données complexe

Pendant la pandémie L'adoption croissante de l'intelligence artificielle (IA) et de la technologie de l'apprentissage automatique (ML) dans plusieurs industries, telles que les services bancaires et financiers, les soins de santé, les médias et le divertissement, l'automobile, etc., aide à protéger les données privées contre les dangers en ligne. L'utilisation de données synthétiques favorise le partage interne des données à l'intérieur de l'entreprise, ce qui contribue grandement au stockage sûr de données structurelles extrêmement complexes en respectant les directives de sécurité. Par conséquent, pendant la crise de la COVID-19, l'utilisation de données synthétiques a préservé la vie privée des données et imité les caractéristiques statistiques des données opérationnelles sans mettre en danger la vie privée d'une personne ou d'une organisation.

Défis

• Des données inexactes et irréalistes entravent l'expansion du marché. Les utilisateurs peuvent tester et partager des répliques virtuelles des ensembles de données créés en utilisant la production de données synthétiques. En outre, il est difficile pour cette méthode de saisir les détails fins des modèles spécialisés et des photographies du monde réel. Le maintien de l'ensemble de données synthétiques au fil du temps est difficile car il repose sur des données réelles et varie en fonction des inventions et des progrès. Les organisations devraient donc vérifier systématiquement l'exactitude et la fiabilité des données synthétiques.
  Cet aspect entrave considérablement la croissance du marché de la production de données synthétiques en dégradant la qualité et le réalisme des données synthétiques.
• Le manque de maturité sur le marché devrait entraver la croissance du marché.
• L'utilisation de données fausses présente des risques pour la vie privée qui pourraient entraver l'expansion du marché.