دانشمندان علم داده‌ موفق شدند از داده‌های واقعی نمونه جدید بسازند!

با این حال محققان دانشگاه MIT برای حل این مشکل، موفق به پیاده‌سازی الگوریتمی شده‌اند که به وسیله آن می‌توان از داده‌های حقیقی، داده‌های ساختگی مناسبی تولید کرد. این الگوریتم که SDV نامگذاری شده، از تکنیک‌های یادگیری ماشین برای تولید پایگاه داده جدید بر اساس پایگاه داده حقیقی که شامل اطلاعات خصوصی است بهره می‌گیرد. بدین ترتیب دانشمندان می‌توانند از اطلاعات جدید تولید شده به جای داده‌های حقیقی و خصوصی استفاده کنند.

پایگاه داده تولید شده به گونه‌ای خواهد بود که بدون افشای اطلاعات خصوصی موجود در پایگاه داده حقیقی، شامل الگوهای مهم موجود در آن می‌شود. در آزمایشات صورت گرفته، الگوریتم SDV تقریبا مشابه به داده‌های اولیه عمل کرده است، به طوری که نتایج حاصل نشان از دقت ۷۰ درصدی این الگوریتم می‌دهد، اما نکته مهمتر در مورد این الگوریتم، مخفی ماندن اطلاعات خصوصی موجود در پایگاه داده اصلی است.

اگرچه دقت ۷۰ درصدی در پیش‌بینی، دقت بالایی برای استفاده در علم واقعی نیست اما برای بسیاری از کاربردها از جمله تست مدل‌های پیشگویانه و آموزش دانشجویان مناسب خواهد بود. با این حال می‌توان پیش‌بینی کرد که با افزایش دقت این الگوریتم در آینده شاهد استفاده از داده‌های ساختگی در علم واقعی نیز باشیم.