NVIDIA เปิดตัวบุคคลจำลองด้านการเงินของญี่ปุ่น 9 ล้านราย

Elith และ NVIDIA เปิดตัว Nemotron-Personas-Finance-Japan เมื่อวันที่ 9 พฤศจิกายน 2026 เปิดให้ใช้บุคคลจำลองชาวญี่ปุ่น 9 ล้านรายเพื่อพัฒนา AI ทั้งในเชิงพาณิชย์และไม่ใช่เชิงพาณิชย์ ชุดข้อมูลนี้เผยแพร่ภายใต้สัญญาอนุญาต CC BY 4.0 โดยเพิ่มข้อมูลการเงินครัวเรือน พฤติกรรมการใช้เงิน และความรู้ทางการเงินเข้าไปในประวัติประชากรศาสตร์ ช่วยให้ธนาคาร บริษัทประกัน และนักพัฒนาทดสอบระบบที่ให้บริการลูกค้าได้โดยไม่ต้องใช้ข้อมูลลูกค้าจริง

NVIDIA ระบุว่า เท่าที่บริษัททราบ นี่เป็นชุดข้อมูลบุคคลจำลองแบบเปิดชุดแรกในระดับหนึ่งล้านระเบียนที่นำสถิติทางการของญี่ปุ่นมารวมกับข้อมูลการเงินครัวเรือนและความรู้ทางการเงิน ชุดข้อมูลนี้ต่อยอดจาก Nemotron-Personas-Japan ซึ่งฉบับวันที่ 23 กันยายน 2025 มีบุคคลจำลอง 6 ล้านราย ครอบคลุมข้อมูล 22 รายการ และไม่มีบุคคลจำลองที่เจาะจงด้านการเงิน ฉบับใหม่นี้มีระเบียนภาษาญี่ปุ่น 1 ล้านรายการ แต่ละรายการประกอบด้วยบุคคลจำลอง 9 รายและข้อมูล 50 รายการ ครอบคลุมจังหวัดทั้ง 47 แห่งและหมวดหมู่อาชีพกว่า 1,600 ประเภท

รายละเอียดด้านการเงินที่มากกว่าข้อมูลประชากรศาสตร์

ในบรรดาข้อมูล 20 รายการที่เกี่ยวข้องกับบุคคลจำลอง มี 3 รายการที่อธิบายพฤติกรรมทางการเงิน รูปแบบการตัดสินใจ และข้อกังวลด้านการเงินแยกจากกัน ส่วนข้อมูลบริบทอีก 30 รายการครอบคลุมรายได้ส่วนบุคคล ทรัพย์สินครัวเรือน สถานะที่อยู่อาศัยและสินเชื่อที่อยู่อาศัย แนวโน้มการบริโภค คะแนนความรู้ทางการเงิน การใช้อินเทอร์เน็ตและสมาร์ตโฟน โครงสร้างครัวเรือน และการประเมินสุขภาพของตนเอง ประวัติเหล่านี้นำไปใช้ตั้งต้นบทสนทนาภาษาญี่ปุ่นแบบหลายรอบได้ ตั้งแต่ผู้เกษียณอายุในภูมิภาคที่สอบถามเรื่องการส่งต่อทรัพย์สิน ไปจนถึงครัวเรือนในเมืองที่มีรายได้จากสองคนและกำลังทบทวนเงินออมเพื่อการศึกษาและสินเชื่อที่อยู่อาศัย

การแจกแจงทรัพย์สินครัวเรือนอ้างอิงจาก การสำรวจรายได้ การบริโภค และความมั่งคั่งของครัวเรือนแห่งชาติ ปี 2019 ของสำนักสถิติญี่ปุ่น ซึ่งศึกษาการบริโภค รายได้ ทรัพย์สิน และหนี้สินของครอบครัว บทวิเคราะห์ในเอกสารข้อมูลชุดข้อมูลรายงานว่า สัดส่วนครัวเรือนที่มีสินทรัพย์ทางการเงินอย่างน้อย 20 ล้านเยนเพิ่มขึ้นจากประมาณ 10% ในกลุ่มอายุ 25–29 ปี เป็นประมาณ 30% ในกลุ่มอายุ 60–64 ปี สินทรัพย์ยังคงอยู่ในระดับค่อนข้างสูงในช่วงอายุ 60 และ 70 ปี แม้รายได้ส่วนบุคคลจะลดลงในช่วงใกล้เกษียณ ซึ่งช่วยให้สร้างประวัติลูกค้าที่แตกต่างกันสำหรับการสะสมความมั่งคั่ง การวางแผนเกษียณ และการรับมรดก

บริบทด้านประชากรศาสตร์มีความสำคัญอย่างยิ่งต่อการจำลองสถานการณ์เกษียณและการรับมรดก โดย ประมาณการประชากรปี 2024 ของสำนักสถิติญี่ปุ่นระบุว่า ณ วันที่ 1 ตุลาคม 2024 ประชากรญี่ปุ่นที่มีอายุ 65 ปีขึ้นไปคิดเป็น 29.3% ของประชากรทั้งหมด บุคคลจำลองนี้ครอบคลุมเฉพาะผู้ใหญ่อายุ 18 ปีขึ้นไป การใช้งานตามที่ตั้งใจไว้ประกอบด้วยตัวแทนบริการลูกค้า การทดสอบบทสนทนาด้านการขายและการตลาด การจำลองด้วย NeMo User Sim การทดสอบแบบ red team และการตรวจสอบความสม่ำเสมอของพฤติกรรมในพื้นที่ชนบทและเมือง รวมถึงในกลุ่มอายุ ระดับการศึกษา และสถานะทางเศรษฐกิจที่แตกต่างกัน

วิธีสร้างบุคคลจำลอง

ชุดเครื่องมือสร้างข้อมูลประกอบด้วย NeMo Data Designer, กรอบการทำงานแบบจำลองกราฟเชิงความน่าจะเป็น NeMo SDG-PGMs และโมเดล gemma-4-31B-it สำหรับข้อความภาษาญี่ปุ่น ซึ่งเผยแพร่ภายใต้สัญญาอนุญาต Apache-2.0 Data Designer สร้างผลลัพธ์ที่มีโครงสร้าง ตรวจสอบความถูกต้อง และลองประมวลผลซ้ำโดยอัตโนมัติ Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance และ Financial Data Utilization Association ให้ข้อเสนอแนะระหว่างกระบวนการออกแบบ

เอกสารข้อมูลชุดข้อมูลระบุว่าข้อมูลการสำรวจและสถิติของ J-FLEC เป็นข้อมูลตั้งต้นอีกแหล่งหนึ่ง ดัชนีอย่างเป็นทางการของ J-FLECระบุว่า การสำรวจความรู้ทางการเงินครอบคลุมผู้มีอายุ 18–79 ปี ขณะที่การสำรวจพฤติกรรมทางการเงินของครัวเรือนศึกษาทรัพย์สิน หนี้สิน และการวางแผนชีวิตของครัวเรือนที่มีสมาชิกสองคนและครัวเรือนบุคคลเดียว

บุคคลจำลองทุกรายเป็นข้อมูลที่สร้างขึ้น ไม่ใช่ระเบียนของลูกค้าหรือบุคคลจริง และหากมีลักษณะคล้ายคลึงกับบุคคลจริงก็เป็นเพียงความบังเอิญ เวอร์ชันสาธารณะบน Hugging Face ไม่มีช่องข้อมูลชื่อและนามสกุลแยกเดี่ยวหรือที่อยู่สังเคราะห์ และไม่รวมบุคคลจำลองด้านสุขภาพ เอกสารข้อมูลยังเปิดเผยข้อสมมติว่า อาชีพเป็นอิสระจากระดับการศึกษาเมื่อกำหนดจังหวัดและเพศไว้ และระบุว่าไม่มีสถิติสำมะโนประชากรที่ครอบคลุมเกี่ยวกับเพศสภาพซึ่งเป็นอิสระจากเพศ

ชุดข้อมูลความเป็นส่วนตัวที่ใช้ร่วมกัน

NVIDIA เปิดตัว Nemotron-PII-Japan ควบคู่กัน ซึ่งเป็นชุดข้อมูลสำหรับฝึกและทดสอบระบบตรวจจับและปกปิดข้อมูลที่ระบุตัวบุคคลได้ (PII) ชุดข้อมูลนี้มีเอกสารธุรกิจภาษาญี่ปุ่นสังเคราะห์ 100,000 ฉบับ ครอบคลุมเอกสาร 43 ประเภทใน 8 สาขา พร้อมป้ายกำกับ PII 56 รายการและช่วงข้อความที่ใส่คำอธิบายกำกับไว้ 810,703 ช่วง บุคคลจำลองด้านการเงินใช้จำลองลูกค้าได้ ส่วนเอกสาร PII ใช้ทดสอบว่ากระบวนการทำงานสามารถระบุข้อมูลอ่อนไหวได้หรือไม่

เอกสารข้อมูล PII เตือนว่า ผลลัพธ์ที่ดีจากเอกสารสังเคราะห์ไม่ได้รับประกันว่าจะตรวจจับข้อมูลได้ครบถ้วน มีความเป็นธรรม คุ้มครองความเป็นส่วนตัว ปฏิบัติตามกฎระเบียบ หรือป้องกันการรั่วไหลเมื่อใช้กับข้อมูลจริงได้ ชุดข้อมูลทั้งสองจึงเปิดโอกาสให้ทีม AI ด้านการเงินทดสอบทั้งปฏิสัมพันธ์กับลูกค้าและมาตรการควบคุมความเป็นส่วนตัว ผลการทำงานในสถานการณ์จริงกับกระบวนการทำงานภาษาญี่ปุ่นของแต่ละสถาบันจึงเป็นตัวชี้วัดสำคัญที่จะบอกถึงคุณค่าในทางปฏิบัติของชุดข้อมูลเหล่านี้