합성 데이터 (Synthetic Data)

합성 데이터는 실제 사람이 쓴 글이나 찍은 사진이 아니라, 다른 AI 모델이 생성한 텍스트나 이미지를 학습 데이터로 쓰는 것을 말한다. 실제 데이터가 부족한 영역을 보완하거나 원하는 형태로 데이터를 대량 생성할 수 있다는 장점이 있지만, 반복되면 모델 붕괴로 이어질 수 있다는 우려도 함께 제기된다.

실제 데이터가 부족한 영역을 보완하거나, 원하는 형태와 양의 데이터를 통제된 방식으로 대량 확보하고 싶을 때 활용한다.

실제 사용자 행동이나 현실 세계의 미묘한 다양성을 그대로 반영해야 하는 평가·검증 데이터셋에는 합성 데이터만으로 대체하면 위험할 수 있다.

직접 연결되진 않지만, Claude로 학습용 예시 문장이나 테스트 케이스를 대량 생성해 다른 모델 학습이나 이밸 데이터셋에 보태는 작업이 합성 데이터 생성의 실제 사례에 해당한다.

대화 데이터가 부족한 도메인에서 AI 모델에게 가상의 사용자-상담원 대화를 대량으로 만들게 해 학습 데이터로 보태는 경우가 흔하다.