Synthetic Data Drift (SDD)
Süni intellekt tərəfindən yaradılmış sintetik verilənlərin statistik paylanmasının real dünya verilənlərindən zaman keçdikcə uzaqlaşması və fərqlənməsi dərəcəsidir.
SDD = Real Verilənlərin Paylanması (P) ilə Sintetik Verilənlərin Paylanması (Q) arasındakı statistik fərq (məs: Kullback-Leibler Divergensiyası)Ətraflı İzah
Synthetic Data Drift (SDD) süni intellekt və maşın öyrənməsi modellərinin təhlükəsizliyi və dəqiqliyi üçün kritik metrikdir. Real müştəri məlumatlarının məxfiliyini qorumaq üçün şirkətlər tez-tez sintetik məlumatlardan istifadə edirlər. Lakin bu sintetik məlumatlar real dünya dinamikasını tam əks etdirmədikdə modelin performansı aşağı düşür.
SDD-nin mütəmadi ölçülməsi generativ modellərin (GANs, LLMs) real verilənlərə nə dərəcədə sadiq qaldığını yoxlamağa imkan verir. Yüksək SDD modelin real dünyada uğursuz olmasına səbəb ola bilər.
Bu metrik xüsusilə maliyyə, səhiyyə və kibertəhlükəsizlik kimi həssas məlumatlarla işləyən və süni intellekt tətbiq edən startaplar üçün həyati əhəmiyyət daşıyır.
Bank fırıldaqçılıq hallarını müəyyən etmək üçün sintetik tranzaksiya məlumatları hazırlayır. Statistik analiz göstərir ki, sintetik məlumatların paylanması real tranzaksiyalardan 25% kənara çıxır (Kullback-Leibler divergensiyası əsasında SDD = 0.25). Bu, modelin yenidən kalibrlənməsini tələb edir.