传统上，AI 模型的训练需要大量的真实图像数据。这项数据集的收集和标注成本很高，而且可能存在偏差。合成图像可以解决这些问题。

MIT 的研究人员使用一种称为“生成对抗网络” (GAN) 的技术来生成合成图像。GAN 由两个神经网络组成：一个生成器和一个判别器。生成器负责生成图像，判别器负责判断图像是否真实。

研究人员使用 GAN 生成了大量合成图像，并将这些图像用于训练机器学习模型。结果发现，使用合成图像训练的模型与使用真实图像训练的模型具有相同的性能，甚至更好。

这项研究表明，合成图像可以用于提高 AI 模型的训练效率。这将为 AI 应用的开发带来新的可能性。