Courtesy of SCMP

SynthSmith: Model AI Kecil Bertenaga Dari Data Sintetis untuk Atasi Kelangkaan Data

Mengembangkan pipeline data sintetis yang memungkinkan pelatihan model AI tanpa ketergantungan pada data dunia nyata, sehingga dapat mengatasi kelangkaan data nyata yang menjadi hambatan utama dalam peningkatan performa model AI.

26 Jan 2026, 14.45 WIB

53 dibaca

Ikhtisar 15 Detik

Pipeline SynthSmith menghasilkan data sintetik yang efektif untuk melatih model AI.
Model X-Coder menunjukkan performa yang lebih baik meskipun lebih kecil dibandingkan model lainnya.
Penggunaan data sintetik menjadi solusi untuk mengatasi kekurangan data dunia nyata dalam pengembangan AI.

Beijing, China - Para peneliti dari Tsinghua University, Microsoft Research Asia, dan Wuhan University mengembangkan pipeline bernama SynthSmith yang dapat menghasilkan data sintetis untuk melatih model kecerdasan buatan (AI) tanpa memerlukan data nyata. Hal ini menjadi solusi penting menghadapi kelangkaan data dunia nyata yang saat ini sering menjadi hambatan dalam pengembangan AI.

Dengan menggunakan chip dari Nvidia, SynthSmith mampu melatih model kode berukuran kecil yang memiliki performa lebih baik dibandingkan model yang dua kali lebih besar. Inovasi ini membuka peluang untuk membangun AI yang efisien dan cepat meskipun tanpa data asli yang banyak.

Data sintetis dihasilkan oleh algoritma AI sehingga menyerupai pola data dunia nyata, memungkinkan model yang dilatih dapat bekerja secara efektif pada tugas-tugas nyata meskipun tidak pernah 'melihat' data asli selama pelatihan.

Model X-Coder yang dibuat menggunakan SynthSmith berjumlah 7 miliar parameter dan berhasil meraih skor lebih tinggi pada berbagai benchmark pengkodean dibanding model besar berukuran 14 miliar parameter yang dilatih secara tradisional. Ini menunjukkan potensi besar penggunaan data sintetis dalam meningkatkan AI.

Penemuan ini membuka jalan bagi pendekatan baru dalam pelatihan AI yang tidak hanya hemat sumber daya, tetapi juga dapat mengatasi masalah kelangkaan data nyata yang selama ini membatasi kemajuan di bidang kecerdasan buatan.

Referensi:
[1] https://www.scmp.com/tech/tech-trends/article/3341238/tsinghua-and-microsoft-researchers-train-ai-model-using-synthetic-data-nvidia-chips?module=top_story&pgtype=section

Analisis Ahli

Andrew Ng

"Pendekatan menggunakan data sintetis sangat menjanjikan untuk mengatasi keterbatasan data dan meningkatkan performa model AI, khususnya dalam domain yang sulit mendapatkan data asli."

Yoshua Bengio

"Synthetic data pipelines dapat merevolusi cara kita melatih AI, namun penting untuk terus menguji kualitas dan keberagaman data sintetis agar hasilnya dapat diandalkan."

Analisis Kami

"Pengembangan pipeline seperti SynthSmith adalah terobosan besar dalam bidang AI karena menghilangkan hambatan utama terkait kelangkaan data nyata. Dengan pendekatan ini, penelitian dan inovasi dalam AI dapat lebih cepat dan lebih murah, membuka kesempatan bagi lebih banyak pengembang untuk berkontribusi."

Prediksi Kami

Penggunaan data sintetis dalam pelatihan AI akan menjadi praktik umum, yang memungkinkan pengembangan model AI lebih efisien dan cepat tanpa tergantung pada data dunia nyata yang sulit diperoleh.