
# Paaiškinama sintetinė duomenų generavimas krašto AI: pasitikėjimo, atitikties ir našumo kūrimas

Krašto AI pereina nuo eksperimentinių laboratorijų prie gamybos lygio diegimų autonominėse transporto priemonėse, pramonės IoT ir išmaniuose miesto jutikliuose. Pažadas yra aiškus: žemas vėlavimas, sumažintos pralaidumo išlaidos ir privatumas įrenginyje. Tačiau duomenys, kurie maitina šiuos modelius, dažnai yra **sintetiniai**, sukuriami siekiant įveikti duomenų trūkumą, privatumo apribojimus arba dideles realaus pasaulio krašto srautų žymėjimo išlaidas.

Sintetiniai duomenys sprendžia daugelį praktinių problemų, tačiau jie įveda naują riziką – **nepermatomumą**. Kai modelis mokomas duomenimis, kurių niekas niekada nematė, kaip suinteresuotos šalys gali patikrinti, ar duomenys gerbia privatumą, teisingumą ir domeno aktualumą? Atsakymas slypi **paaiškinamuose sintetinėse duomenyse (XSD)**: technikų, artefaktų ir valdymo procesų rinkinys, kuris daro sintetinės duomenų generavimą, transformavimą ir naudojimą skaidrų, audituojamą ir patikimą.

Šiame straipsnyje mes:

1. Paaiškiname, kodėl paaiškinamumas svarbus sintetinėms duomenims krašte.  
2. Pateikiame **modulinį XSD srautą**, kuris sujungia LLM‑valdomą orkestravimą, nulinės pasitikėjimo kontrolę ir nuolatinį atitikties stebėjimą.  
3. Parodome, kaip įterpti **paaiškinamumo artefaktus** (duomenų kilmės grafikus, savybių priskyrimo ataskaitas ir privatumo biudžeto skydelius) į krašto‑centrinį MLOps.  
4. Aptariame realaus pasaulio atvejus ir geriausias praktikas organizacijoms, pasiruošusioms priimti XSD.

> **TL;DR** – Integruojant paaiškinamumą į kiekvieną sintetinės duomenų generavimo etapą, krašto AI komandos gali pasiekti geresnį modelio našumą, patenkinti reguliatorius ir įgyti vartotojų pasitikėjimą, neišmetant sintetinės duomenų suteikiamos lankstumo.

---

## 1. Kodėl paaiškinamumas būtinas krašto‑centriniams sintetinėms duomenims

| Rūpestis | Tradiciniai sintetiniai duomenys | Paaiškinami sintetiniai duomenys |
|----------|----------------------------------|-----------------------------------|
| **Reguliacinė atitiktis** | Implicit, often undocumented | Explicit audit trails, privacy‑budget proofs |
| **Modelio teisingumas** | Hidden bias may propagate | Feature‑level attribution reveals bias sources |
| **Vartotojų pasitikėjimas** | Black‑box data generation | Human‑readable generation narratives |
| **Operacinė derinimo galimybė** | Hard to trace failures | End‑to‑end lineage enables rapid root‑cause analysis |
| **Krašto apribojimai** | No guarantee of on‑device feasibility | Explainability guides lightweight data selection |

### 1.1 Reguliacinė aplinka

Reguliuotojai, tokie kaip [ES AI įstatymo atitiktis](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai), JAV FTC ir sektoriai (pvz., FDA medicinos įrenginiams), pradeda reikalauti **skaidrios duomenų kilmės** AI sistemoms, kurios veikia saugos ar asmeninių teisių srityse. Sintetiniai duomenys, nors ir privatumo saugūs, vis tiek turi parodyti, kad:

* Generavimo procesas gerbia dokumentuotą **privatumo biudžetą** (pvz., diferencinę privatumo ε).  
* Nėra netyčinio **apsaugotų savybių** stiprinimo.  
* Sintetinis duomenų rinkinys atitinka **numatytą naudojimo atvejį** (krašto inferencija vs. debesų mokymas).

### 1.2 Pasitikėjimas kaip konkurencinis pranašumas

Krašto įrenginiai veikia aplinkoje, kur **neprisijungusios derinimo galimybės yra brangios**. Jei modelis elgiasi netinkamai, aiški paaiškinimas, kaip sintetiniai duomenys formavo jo elgseną, gali žymiai sumažinti vidutinį gedimo šalinimo laiką (MTTR) ir apsaugoti įmonės reputaciją.

---

## 2. XSD srauto architektūra

Žemiau pateikiama aukšto lygio, technologijomis nepriklausoma **Paaiškinamos sintetinės duomenų generavimo (XSDG) srauto** architektūra, skirta krašto AI darbo krūviams. Srautas yra sąmoningai **modulinis**, leidžiantis komandų keisti komponentus (pvz., GAN vs. difuzijos modelį), išlaikant paaiškinamumo sutartį.

```mermaid
graph TD
    A["Duomenų įsisavinimas<br/>(Tikri krašto srautai)"] --> B["Privatumo variklis<br/>(DP, k‑anonimiškumas)"]
    B --> C["Sintetinis generatorius<br/>(GAN / Difuzija)"]
    C --> D["LLM Orkestratorius<br/>(Klausimų valdomi kokybės patikrinimai)"]
    D --> E["Paaiškinamumo sluoksnis<br/>- Savybių priskyrimas<br/>- Generavimo naratyvas"]
    E --> F["Nulinės pasitikėjimo saugykla<br/>(Užšifruota, nekeičiama)"]
    F --> G["Krašto diegimas<br/>(Modelis + Sintetinis poaibis)"]
    D --> H["Atitikties validatorius<br/>(Politikos variklis)"]
    H --> I["Audito takelio paslauga<br/>(Mermaid kilmės, nekeičiami įrašai)"]
    I --> F
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style G fill:#bbf,stroke:#333,stroke-width:2px
```

### 2.1 Komponentų apžvalga

| Komponentas | Vaidmuo | Paaiškinamumo indėlis |
|------------|---------|------------------------|
| **Duomenų įsisavinimas** | Surenka realius krašto telemetrijos duomenis (jutiklių žurnalus, vaizdo kadrus). | Fiksuoja originalią schemą ir laiko žymas, kad būtų galima sekti kilmę. |
| **Privatumo variklis** | Taiko diferencinę privatumo, k‑anonimiškumą arba tik sintetinį maskavimą. | Išduoda **privatumo biudžeto ataskaitą** (ε, δ) prie kiekvieno partijos. |
| **Sintetinis generatorius** | Generuoja duomenis naudojant GAN, difuzijos modelius arba LLM‑simuliatorius. | Saugo modelio hiperparametrus ir atsitiktinių sėklų reikšmes, kad būtų atkuriamas rezultatas. |
| **LLM Orkestratorius** | Naudoja didelį kalbos modelį, kad iš aukšto lygio kokybės politikų sukurtų konkrečias validacijos skriptas. | Kuria **žmogui skaitomą generavimo naratyvą** (pvz., „Padidėjome temperatūros svyravimus, kad imituotume naktinį aušimą“). |
| **Paaiškinamumo sluoksnis** | Skaičiuoja savybių priskyrimą (SHAP, Integrated Gradients) sintetinėje rinkinyje ir kuria vizualines ataskaitas. | Generuoja **savybių priskyrimo ataskaitas**, susiejančias sintetines savybes su originaliomis duomenų sritimis. |
| **Nulinės pasitikėjimo saugykla** | Nekeičiama, užšifruota saugykla (pvz., IPFS + blokų grandinės hash patvirtinimas). | Užtikrina **nepakeičiamumą**; kiekvienas artefaktas yra pasirašytas ir versijuojamas. |
| **Atitikties validatorius** | Vykdo politikos patikrinimus (pvz., „joks sintetinis įrašas negali turėti >5 % realaus PII“). | Išduoda sėkmės/nesėkmės statusą su **paaiškinamu pagrindimu**. |
| **Audito takelio paslauga** | Konsoliduoja visus metaduomenis į **Mermaid kilmės grafiką** ir saugo jį audituojamoje knygoje. | Suteikia vienintelį patikimą šaltinį auditoriams ir kūrėjams. |
| **Krašto diegimas** | Pakuoja modelį ir kruopščiai parinktą sintetinį poaibį įrenginiui. | Įtraukia **kompaktišką paaiškinamumo paketą** (JSON), kurį krašto vykdymas gali užklausti dėl sprendimų priėmimo. |

### 2.2 LLM‑valdomi kokybės patikrinimai

LLM Orkestratorius gauna aukšto lygio politiką, pvz.:

> „Sintetiniai duomenys turi išlaikyti temperatūros šuolių pasiskirstymą, tačiau užtikrinti, kad jokio vieno įrenginio ID neatsirastų daugiau kaip du kartus.“

Jis tada generuoja Python validacijos kodą, jį vykdo ir grąžina **pas/nesėkmės** rezultatą kartu su natūralios kalbos paaiškinimu. Šis metodas sumažina inžinerinį krūvį, kai kiekvienam naujam reglamentui reikia rašyti individualius validatorius.

---

## 3. Paaiškinamumo artefaktų integravimas į krašto MLOps

### 3.1 Duomenų kilmės grafikai

**Kilmės grafikas** fiksuoja visą sintetinės įrašo kilmę. Naudojant Mermaid, gauname glaustą vaizdą:

```mermaid
graph LR
    subgraph Tikri duomenys
        R1[Neapdorotas jutiklis A] -->|DP| P1[Privatizuotas A]
        R2[Neapdorotas jutiklis B] -->|DP| P2[Privatizuotas B]
    end
    subgraph Sintetiniai
        P1 & P2 -->|GAN| S1[Sintetinis įrašas 1]
        P1 & P2 -->|GAN| S2[Sintetinis įrašas 2]
    end
    S1 -->|Savybių priskyrimas| FA1[FA ataskaita 1]
    S2 -->|Savybių priskyrimas| FA2[FA ataskaita 2]
    FA1 & FA2 -->|Saugojamas| ZTS[Nulinės pasitikėjimo saugykla]
```

Šie grafikai saugomi kaip **JSON‑LD** kartu su duomenimis, leidžiant automatizuotoms priemonėms užklausti „Kurį realų įrašą sukūrė sintetinį įrašą X?“, kas yra esminis klausimas auditoriams.

### 3.2 Savybių priskyrimo ataskaitos

Kiekvienam sintetiniam partijų rinkiniui generuojame **SHAP santrauką**, kuri išryškina svarbiausias originalias savybes. Pavyzdinė ataskaita:

```json
{
  "synthetic_batch_id": "sb-2026-09-30",
  "feature_attributions": {
    "temperature": 0.42,
    "vibration": 0.27,
    "humidity": 0.15,
    "device_id": 0.05,
    "timestamp": 0.11
  },
  "interpretation": "Temperatūra dominuoja sintetinėje variacijoje, atspindėdama realų dienos ciklą."
}
```

Krašto vykdymo aplinkos gali rodyti šiuos duomenis realiu laiku, pvz., „Prognozės pasitikėjimas yra aukštas, nes įvestis atitinka dominuojantį temperatūros modelį, išmokytą iš sintetinės duomenų bazės.“

### 3.3 Privatumo biudžeto skydeliai

Gyvas skydelis vizualizuoja sukauptą privatumo biudžetą per visus sintetinės generavimo ciklus:

```
+-------------------+-------------------+
| Generavimo data   | ε (epsilon)       |
+-------------------+-------------------+
| 2026‑09‑01        | 0.8               |
| 2026‑09‑15        | 0.6               |
| 2026‑09‑30        | 0.5               |
+-------------------+-------------------+
Bendras ε panaudotas: 1.9 (riba 2.5)
```

Jei biudžetas artėja prie reguliavimo ribos, srautas automatiškai apriboja tolesnį sintetinį generavimą arba prašo **biudžeto pratęsimo** su dokumentuotu pagrindimu.

---

## 4. Realūs scenarijai

### 4.1 Autonominė dronų flotilė

Logistikos įmonė diegia autonominių pristatymo dronų flotilę, kuri remiasi krašto vizijos modeliais, kad išvengtų kliūčių. Realios avarijų duomenys yra reti, todėl sukuriami sintetiniai oro vaizdai. Įgyvendinus XSD:

* **Paaiškinamumas**: Generavimo naratyvas paaiškina, kad sintetinė rūko tankio kalibracija atitinka stebėtus oro sąlygų modelius.  
* **Atitiktis**: Privatumo variklis garantuoja, kad jokios realios GPS koordinatės nėra įterptos.  
* **Našumas**: Savybių priskyrimo ataskaita rodo, kad krašto modeliai stipriai priklauso nuo krašto kontrasto, skatindama aparatūros lygio jutiklių atnaujinimą.

### 4.2 Pramonės prognozė dėl priežiūros

Gamyklos įranga naudoja krašto jutiklius, kad prognozuotų variklių gedimus. Sintetiniai vibracijos duomenys papildomai imituoja retus gedimo įvykius. XSD suteikia:

* **Audito takelį**: Reguliatoriai gali sekti kiekvieną sintetinį gedimo įrašą iki anonimizuoto realaus įvykio, kurį jis atspindi.  
* **Nulinės pasitikėjimo saugyklą**: Sintetiniai duomenys saugomi nekeičiama knyga, neleidžiant manipuliuoti, kad būtų paslėpti saugumo trūkumai.  
* **Modelio pasitikėjimas**: Inžinieriai gauna SHAP ataskaitą, patvirtinančią, kad modelio gedimo prognozės kyla iš sintetinės aukšto dažnio svyravimo, o ne iš atsitiktinio triukšmo.

### 4.3 Išmanioji miesto oro kokybės stebėsena

Miestų savivaldybės naudoja jutiklius oro taršos stebėjimui. Duomenys yra retai ir netolygiai paskirstyti. Sintetiniai duomenys užpildo spragas krašto analizei. XSD leidžia:

* **Dinaminį sutikimą**: Piliečiai gali atšaukti sutikimą; privatumo variklis iš karto pašalina bet kokius sintetinės duomenų rinkinius, kurie buvo sukurti iš jų duomenų, o kilmės grafikas automatiškai atnaujinamas.  
* **Paaiškinamą viešą skydelį**: Piliečiai mato supaprastintą generavimo naratyvą, didindami pasitikėjimą AI valdomomis avarijų įspėjimo sistemomis.

---

## 5. Geriausios praktikos XSD diegimui mastu

1. **Pradėkite nuo minimalios paaiškinamumo sutarties** – apibrėžkite mažiausią artefaktų rinkinį (pvz., kilmės grafikas + privatumo biudžetas), kurio reikia atitikties, tada plečiate.  
2. **Naudokite LLM, kad išverstumėte politiką į kodą** – laikykite politikos dokumentus natūralia kalba; leiskite LLM generuoti validacijos skriptus, kad išvengtumėte rankinių kodavimo klaidų.  
3. **Anksti įgyvendinkite nulinės pasitikėjimo saugyklą** – nekeičiama, užšifruota saugykla pašalina vėlesnį retroaktyvų atitikties darbą.  
4. **Automatizuokite audito takelio generavimą** – integruokite kilmės paslaugą į CI/CD kanalus, kad kiekvienas sintetiniai duomenys automatiškai gautų pasirašytą grafiką.  
5. **Stebėkite privatumo biudžetą realiu laiku** – naudokite skydelius ir įspėjimus, kad neatsitiktinai nepersistengtumėte diferencinės privatumo biudžeto.  
6. **Pateikite krašto draugiškus paaiškinamumo paketus** – laikykite paaiškinamumo duomenis lengvu (JSON, suspaustas Mermaid SVG), kad neviršytumėte įrenginio saugojimo limitų.  
7. **Periodiškai atlikite žmogaus įsikišimo peržiūras** – leiskite domeno ekspertams peržiūrėti generavimo naratyvus ir priskyrimo ataskaitas, kad būtų aptikti subtilūs šališkumo požymiai.

---

## 6. Ateities kryptys

* **Federacinis XSD** – sujungti sintetinės duomenų generavimą per kelis krašto mazgus, išlaikant globalų paaiškinamumo vaizdą.  
* **Generatyvi AI valdomas sutikimo valdymas** – LLM galėtų automatiškai kurti sutikimo atšaukimo pranešimus, susijusius su konkrečiais sintetiniais įrašais.  
* **Standartizacija** – besiformuojantys standartai (pvz., ISO/IEC 42001 sintetinių duomenų valdymui) greičiausiai kodifikuos paaiškinamumo artefaktus, palengvindami tarppramonės auditus.  

---

## Taip pat žiūrėkite

- NIST AI Risk Management Framework – Sintetinių duomenų gairės  
- Diferencinė privatuma krašto AI: apžvalga (IEEE Access, 2024)  
- Paaiškinama dirbtinio intelekto generatyvių modelių (arXiv, 2023)