ㅁ 합성 데이터

ㅇ 정의:
실제 데이터를 수집하지 않고, 인공지능 모델을 활용하여 인공적으로 생성한 데이터. 주로 데이터 부족, 프라이버시 문제, 비용 절감을 위해 사용됨.

ㅇ 특징:
– 실제 데이터와 유사한 통계적 특성을 가짐
– 데이터 라벨링이 용이하고, 특정 상황을 의도적으로 생성 가능
– 데이터 편향을 줄이거나 다양한 시나리오를 실험할 수 있음

ㅇ 적합한 경우:
– 민감한 개인정보를 포함한 데이터 학습이 필요한 경우
– 실제 데이터 수집이 어렵거나 불가능한 경우
– 다양한 극단 상황을 테스트해야 하는 경우

ㅇ 시험 함정:
– 합성 데이터가 항상 실제 데이터보다 우수하다고 오해하는 경우
– 합성 데이터만으로 학습 시 일반화 성능이 떨어질 수 있음

ㅇ 시험 대비 “패턴 보기” 예시:
O: 합성 데이터는 개인정보 보호와 데이터 부족 문제 해결에 활용될 수 있다.
X: 합성 데이터는 항상 실제 데이터보다 모델 성능을 높인다.

================================

1. GAN-based Simulation

ㅇ 정의:
생성적 적대 신경망(GAN, Generative Adversarial Network)을 활용하여 합성 데이터를 생성하는 방법. 생성자와 판별자가 경쟁하며 실제와 유사한 데이터를 만들어냄.

ㅇ 특징:
– 이미지, 음성, 텍스트 등 다양한 형태의 데이터 생성 가능
– 고품질의 합성 데이터 생성에 강점
– 학습 데이터의 다양성과 리얼리즘을 높임

ㅇ 적합한 경우:
– 고해상도 이미지 합성
– 희귀 이벤트 데이터 생성
– 데이터 불균형 문제 보완

ㅇ 시험 함정:
– GAN은 항상 안정적으로 학습된다고 착각하는 경우
– 모드 붕괴(mode collapse) 문제를 간과하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
O: GAN-based Simulation은 생성자와 판별자의 경쟁을 통해 실제와 유사한 데이터를 만든다.
X: GAN-based Simulation은 데이터 편향을 완전히 제거할 수 있다.

ㅁ 추가 학습 내용

GAN 기반 시뮬레이션 학습 정리

1. GAN의 주요 변형 모델과 특징 및 활용 사례
– CycleGAN: 짝지어진 데이터 없이 도메인 간 이미지 변환 가능. 예: 계절 변화, 화풍 변환.
– StyleGAN: 고해상도 이미지 생성에 강점. 얼굴 합성, 아바타 생성 등에 활용.
– Conditional GAN(cGAN): 조건(label, 속성 등)을 기반으로 특정 특성을 가진 데이터 생성. 예: 특정 숫자의 손글씨 생성.

2. GAN의 한계와 완화 기법
– 모드 붕괴(mode collapse): 생성 결과의 다양성이 떨어지는 문제.
– 학습 불안정성: 생성자와 판별자의 학습 균형이 깨져 학습이 수렴하지 않는 문제.
– 과적합(overfitting): 판별자가 훈련 데이터에 과도하게 적응하여 일반화 성능이 떨어짐.
– 완화 기법: Wasserstein GAN(WGAN)으로 학습 안정성 향상, Gradient Penalty로 Lipschitz 조건 만족, 다양한 데이터 증강 기법 활용.

3. 합성 데이터 품질 평가 방법
– FID(Fréchet Inception Distance): 생성 데이터와 실제 데이터의 분포 차이를 수치화.
– IS(Inception Score): 생성 이미지의 다양성과 품질을 평가.
– 분포 차이 측정: 통계적 거리(예: KL divergence, JS divergence) 활용.

4. 법적·윤리적 고려사항
– 저작권: 원본 데이터나 모델이 저작권 보호 대상일 수 있음.
– 개인정보 보호: 합성 데이터라도 개인 식별 정보가 포함될 수 있음.
– 시험 유의점: “합성 데이터가 실제 데이터를 완전히 대체할 수 있다”는 절대적 표현은 오답. 실제 데이터의 대체 가능성은 제한적이며, 검증과 보완이 필요함.