NVIDIA phát hành chín triệu hồ sơ chân dung tài chính tổng hợp của Nhật Bản

Elith và NVIDIA đã phát hành Nemotron-Personas-Finance-Japan vào ngày 9 tháng 11 năm 2026, đưa chín triệu hồ sơ chân dung tổng hợp của Nhật Bản vào sử dụng cho hoạt động phát triển AI vì mục đích thương mại và phi thương mại. Bộ dữ liệu theo giấy phép CC BY 4.0 bổ sung thông tin về tài chính hộ gia đình, hành vi sử dụng tiền và hiểu biết tài chính vào các hồ sơ nhân khẩu học, giúp ngân hàng, công ty bảo hiểm và nhà phát triển kiểm thử các hệ thống tương tác với khách hàng mà không cần dùng hồ sơ khách hàng thực.

Theo những gì NVIDIA biết, đây là bộ dữ liệu chân dung mở đầu tiên ở quy mô hàng triệu bản ghi kết hợp số liệu thống kê chính thức của Nhật Bản với dữ liệu về tài chính hộ gia đình và hiểu biết tài chính. Bộ dữ liệu này mở rộng Nemotron-Personas-Japan, phiên bản ngày 23 tháng 9 năm 2025 gồm sáu triệu hồ sơ chân dung với 22 trường và không có hồ sơ chuyên về tài chính. Phiên bản mới có một triệu bản ghi tiếng Nhật, mỗi bản ghi gồm chín hồ sơ chân dung và 50 trường, bao quát cả 47 tỉnh cùng hơn 1.600 nhóm nghề nghiệp.

Thông tin tài chính chi tiết vượt ra ngoài nhân khẩu học

Trong số 20 trường liên quan đến hồ sơ chân dung, có ba trường riêng mô tả thói quen tài chính, cách thức ra quyết định và mối quan tâm về tài chính. 30 trường ngữ cảnh bổ sung thông tin về thu nhập cá nhân, tài sản hộ gia đình, tình trạng nhà ở và khoản vay thế chấp, xu hướng chi tiêu, điểm hiểu biết tài chính, việc sử dụng internet và điện thoại thông minh, cơ cấu hộ gia đình và sức khỏe tự đánh giá. Những hồ sơ này có thể làm nền cho các cuộc đối thoại nhiều lượt bằng tiếng Nhật, từ cuộc trò chuyện với một người về hưu ở địa phương hỏi về việc chuyển giao tài sản đến cuộc trao đổi với một hộ gia đình có hai người đi làm ở đô thị đang cân nhắc khoản tiết kiệm cho giáo dục và khoản vay thế chấp.

Phân bố tài sản hộ gia đình dựa trên Khảo sát quốc gia năm 2019 về thu nhập, tiêu dùng và tài sản hộ gia đình của Cục Thống kê, khảo sát tình hình tiêu dùng, thu nhập, tài sản và nợ phải trả của các gia đình. Phân tích trong thẻ bộ dữ liệu cho biết tỷ lệ hộ gia đình có ít nhất 20 triệu yên tài sản tài chính tăng từ khoảng 10% ở nhóm tuổi 25–29 lên khoảng 30% ở nhóm tuổi 60–64. Tài sản vẫn tương đối cao trong suốt độ tuổi 60 và 70, dù thu nhập cá nhân giảm vào khoảng thời gian nghỉ hưu; điều này hỗ trợ xây dựng các hồ sơ khách hàng riêng biệt phục vụ tích lũy tài sản, lập kế hoạch nghỉ hưu và thừa kế.

Bối cảnh nhân khẩu học đặc biệt hữu ích cho các mô phỏng về nghỉ hưu và thừa kế: ước tính dân số năm 2024 của Cục Thống kê cho thấy người từ 65 tuổi trở lên chiếm 29,3% dân số Nhật Bản tính đến ngày 1 tháng 10 năm 2024. Các hồ sơ chân dung tổng hợp chỉ bao gồm người trưởng thành từ 18 tuổi trở lên. Những mục đích sử dụng dự kiến gồm trợ lý chăm sóc khách hàng, kiểm thử hội thoại bán hàng và tiếp thị, mô phỏng bằng NeMo User Sim, kiểm thử đối kháng và đánh giá tính nhất quán của hành vi giữa các khu vực nông thôn và thành thị, các nhóm tuổi, trình độ học vấn và hoàn cảnh kinh tế khác nhau.

Cách xây dựng các hồ sơ chân dung

Quy trình tạo dữ liệu kết hợp NeMo Data Designer, khung mô hình đồ thị xác suất NeMo SDG-PGMs và mô hình gemma-4-31B-it được cấp phép theo Apache-2.0 để tạo văn bản tiếng Nhật. Data Designer cung cấp đầu ra có cấu trúc, khả năng xác thực và cơ chế tự động thử lại. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance và Financial Data Utilization Association đã đóng góp ý kiến trong quá trình thiết kế.

Thẻ bộ dữ liệu nêu khảo sát và dữ liệu thống kê của J-FLEC là một nguồn dữ liệu khởi tạo khác. Trang chỉ mục chính thức của J-FLEC cho biết khảo sát hiểu biết tài chính của tổ chức này bao quát người từ 18 đến 79 tuổi, trong khi các khảo sát về hành vi tài chính hộ gia đình xem xét tài sản, nợ phải trả và kế hoạch cuộc sống của các hộ gia đình có hai người và hộ gia đình một người.

Mọi hồ sơ chân dung đều là dữ liệu nhân tạo, không phải hồ sơ của khách hàng hay cá nhân có thật; mọi sự trùng hợp với người thật đều là ngẫu nhiên. Phiên bản công khai trên Hugging Face không có các trường riêng biệt về họ và tên, cũng như địa chỉ tổng hợp, đồng thời loại trừ các hồ sơ chân dung về chăm sóc sức khỏe. Thẻ dữ liệu cũng công bố giả định rằng nghề nghiệp độc lập với trình độ học vấn khi đã biết tỉnh và giới tính, đồng thời cho biết hiện không có số liệu điều tra dân số toàn diện về giới độc lập với giới tính.

Bộ dữ liệu riêng tư đi kèm

NVIDIA phát hành kèm Nemotron-PII-Japan, một bộ dữ liệu bổ trợ để huấn luyện và kiểm thử các hệ thống phát hiện, ẩn thông tin nhận dạng cá nhân (PII). Bộ dữ liệu này gồm 100.000 tài liệu kinh doanh tiếng Nhật tổng hợp, thuộc 43 loại tài liệu trong tám lĩnh vực, với 56 nhãn PII và 810.703 đoạn văn bản được gắn chú thích. Các hồ sơ chân dung tài chính có thể mô phỏng khách hàng, trong khi tài liệu PII giúp kiểm tra xem quy trình xử lý có nhận diện dữ liệu nhạy cảm hay không.

Thẻ dữ liệu PII lưu ý rằng kết quả tốt trên tài liệu tổng hợp không đảm bảo khả năng phát hiện đầy đủ, tính công bằng, bảo vệ quyền riêng tư, tuân thủ quy định hoặc ngăn chặn rò rỉ dữ liệu thực. Kết hợp lại, hai bộ dữ liệu tạo điều kiện để các nhóm AI tài chính kiểm thử cả hoạt động tương tác với khách hàng lẫn các biện pháp kiểm soát quyền riêng tư. Vì vậy, hiệu quả thực tế của các bộ dữ liệu này cần được đánh giá qua khả năng vận hành trong quy trình làm việc bằng tiếng Nhật của chính các tổ chức.