Amostras Virtuais - Dados Sintéticos
Tinha-lhes chamado Amostras Virtuais e eram até hoje produto da minha imaginação, mas ao seguir o rasto de um magnata de 24 anos, fundador da Scale AI, uma empresa de sucesso para escalar inteligência artificial, fui encontrar os DADOS SINTÉTICOS. Aí estavam as minhas Amostras Virtuais! Depois procurei esse método nas ciências sociais e humanas, em particular na minha estimada psicologia. Apresento-vos então os DADOS SINTÉTICOS, que permitem rentabilizar a investigação, completando amostras, e, em particular, permitem anonimizar dados para serem usados em CIÊNCIA ABERTA facilitando a partilha em larga escala e a colaboração global. Além disso, protegem as pessoas da ganância de dados e da caça aos mesmos e isso foi a melhor notícia! Os dados sintéticos permitem criar amostras muito maiores, poupar recursos, partilhar e colaborar, aumentar a segurança das análises estatísticas e tratar amostras com falta de dados, perdidos ou ausentes.
Os dados sintéticos, gerados para emular certas informações-chave encontradas nos dados reais permitem extrair inferências estatísticas válidas, amplo acesso a dados para análise, ao mesmo tempo que mitigam preocupações de privacidade e confidencialidade. Possibilitam, além disso, usar dados armazenados, sem a prévia autorização de partilha pela fonte (e quando o reconsentimento é impraticável).
A adoção de conjuntos de dados sintéticos nas ciências biocomportamentais melhorará a reprodutibilidade e a exploração de dados. Conjuntos de dados sintéticos imitam conjuntos de dados reais preservando as suas propriedades estatísticas e os relacionamentos entre variáveis. Ao compartilhar conjuntos de dados sintéticos que imitam conjuntos de dados originais que de outra forma não poderiam ser abertos, os pesquisadores podem garantir a reprodutibilidade dos seus resultados e facilitar a exploração dos mesmos, mantendo a privacidade dos participantes. Permite ainda a criação de cenários.
Os dados sintéticos abertos oferecem uma oportunidade para os estudiosos da análise secundária (com dados sintéticos) ajustarem modelos que os autores originais podem não ter considerado, ao mesmo tempo que os incentivam a colaborar com os autores originais para verificar seus modelos no conjunto de dados real.
O compartilhamento de dados sintéticos em conjunto com os artigos publicados, removeria os constrangimentos habituais de acesso a dados, oferecendo uma solução para quando não for possível compartilhar o conjunto de dados original devido a preocupações de divulgação.
Quando a criação de conjuntos de dados sintéticos para controle de divulgação foi proposta por Rubin pela primeira vez no início da década de 1990, foi considerada “bastante radical”. Os investigadores continuaram aprimorando esse método (Reiter e Raghunathan), mas apenas mais recentemente ferramentas de fácil implementação para a criação de dados sintéticos ficaram disponíveis.
Como exemplo de métodos: encontrei: o pacote synthpop R; procedimentos sintéticos, que são baseados na abordagem de imputação múltipla (MI) para dados perdidos; a abordagem aumentada de dados (DA-MI) que tenta combinar as vantagens de métodos de mascaramento e dados sintéticos, tornando o procedimento mais robusto a erros de especificação; as redes generativas de adversários (GANs) que são um tipo de rede neural de IA usada para treinamento de aprendizado profundo de IA. E outros poderão haver.
Finalmente, esclarecer que os dados sintéticos permitem “bombar” inteligência artificial através de machine learning e de aprendizagem profunda, nomeadamente através de redes neurais, na investigação científica. A aplicação às ciências biomédicas, neurociências e psicologia, é mais do que promissora.
E protege os cidadãos!
Consultados:
https://elifesciences.org/articles/53275
Exemplo de banco de dados: https://osf.io/rk2x7/
https://ieeexplore.ieee.org/abstract/document/9570308
https://www.annualreviews.org/doi/abs/10.1146/annurev-statistics-040720-031848
Comentários
Enviar um comentário