Artikel ini memperkenalkan SynCLR, metode kecerdasan buatan baru untuk mempelajari representasi visual menggunakan gambar dan teks sintetis, yang dikembangkan bersama oleh Google Research dan MIT CSAIL. Berbeda dengan metode sebelumnya yang mengandalkan data nyata, SynCLR mencapai proses pembelajaran yang efisien melalui tiga tahap—mensintesis subtitle gambar, menghasilkan gambar dan subtitle sintetis, dan melatih model representasi visual. Inovasinya terletak pada menghilangkan ketergantungan pada data nyata dan memberikan ide-ide baru untuk pelatihan model kecerdasan buatan.
SynCLR adalah metode kecerdasan buatan baru yang diluncurkan bersama oleh Google Research dan MIT CSAIL. Metode ini menggunakan gambar dan subtitle sintetis untuk mempelajari representasi visual tanpa menggunakan data nyata. Metodenya terdiri dari tiga tahap: mensintesis keterangan gambar, menghasilkan gambar dan keterangan sintetik, dan melatih model representasi visual. Hasil penelitian menunjukkan bahwa SynCLR berkinerja baik pada tugas-tugas seperti klasifikasi gambar, klasifikasi terperinci, dan segmentasi semantik, yang menunjukkan potensi data sintetis untuk melatih model AI yang kuat.Keberhasilan SynCLR membuktikan potensi besar data sintetis dalam pelatihan kecerdasan buatan dan memberikan arahan baru untuk pengembangan model AI di masa depan. Kinerjanya yang luar biasa dalam tugas-tugas yang berhubungan dengan gambar menunjukkan kemungkinan metode ini diterapkan di lebih banyak bidang. Di masa depan, kita dapat menantikan penerapan dan peningkatan SynCLR di lebih banyak skenario.