FPT và NVIDIA mở rộng bộ dữ liệu Nemotron-Personas-Vietnam

Bộ dữ liệu hiểu Việt Nam ở quy mô lớn

Đợt mở rộng này không chỉ đơn thuần là tăng quy mô dữ liệu. Việc nâng số lượng lên 1 triệu chân dung giúp mở ra nhiều phương thức mới cho các nhà phát triển khi xây dựng, huấn luyện và đánh giá các giải pháp AI phục vụ người dùng Việt Nam.

Với số lượng chân dung lớn hơn, nhà phát triển có thêm lựa chọn và phân tích những nhóm người dùng cụ thể hơn, chẳng hạn người đã nghỉ hưu tại Thành phố Hồ Chí Minh, nông hộ quy mô nhỏ ở Đồng bằng sông Cửu Long, hay kỹ sư trẻ tại Đà Nẵng. Dữ liệu ở quy mô lớn cũng giúp việc huấn luyện và kiểm thử được thuận tiện hơn. Ở phiên bản này, mức độ bao phủ sâu rộng hơn nhiều so với phiên bản trước, vốn chỉ gồm một số tỉnh và thành phố lớn. Phiên bản mới gồm 1.000.000 chân dung trên toàn quốc, hỗ trợ các nhà phát triển xây dựng và kiểm thử sản phẩm cho người dùng ở mọi vùng miền.

Quy mô mở rộng cũng hỗ trợ các đợt huấn luyện lớn hơn, hạn chế tình trạng mô hình học lặp lại (re-training) khi toàn diện hơn và các mô phỏng ở cấp độ dân số mà phiên bản ban đầu chưa thể đáp ứng độc lập.

Đồng thời, sự đa dạng cao hơn về bối cảnh, kỹ năng và hành vi giúp hạn chế việc các mô hình huấn luyện trên dữ liệu tổng hợp dần phụ thuộc vào một số khuôn mẫu lặp lại. Đây là vấn đề ngày càng được quan tâm khi dữ liệu tổng hợp giữ vai trò cốt lõi trong các quy trình AI.


Hệ thống AI kết hợp để tạo personas tổng hợp dựa trên phân bố thực tế của Việt Nam (Ảnh: huggingface.co)

Toàn bộ dữ liệu trong Nemotron-Personas-Vietnam là dữ liệu tổng hợp, không chứa thông tin định danh cá nhân. Bộ dữ liệu được phát hành mở trên Hugging Face theo giấy phép sử dụng linh hoạt và tương thích với các thư viện NVIDIA NeMo.

Cam kết với AI có chủ quyền của Việt Nam

Việc tiếp tục mở rộng Nemotron-Personas-Vietnam sau lần công bố đầu tiên cho thấy bộ dữ liệu đang được FPT và NVIDIA duy trì, đầu tư và phát triển như một nguồn lực dài hạn cho cộng đồng AI.

Với FPT, đây là tuyên bố rõ ràng về cam kết dài hạn. Việt Nam đang đẩy nhanh quá trình chuyển đổi số. Theo Chương trình phát triển kinh tế số và xã hội số giai đoạn 2026–2030 mới được phê duyệt, Chính phủ đặt mục tiêu kinh tế số đạt khoảng 30% GDP vào năm 2030. Trong các lĩnh vực ngân hàng, tài chính, y tế, bảo hiểm, bán lẻ và dịch vụ công, các lĩnh vực đang cần dữ liệu chân dung thực tế để kiểm thử sản phẩm, cá nhân hóa dịch vụ, mô phỏng và đánh giá mô hình AI. Bằng việc tiếp tục mở rộng bộ dữ liệu, FPT đang xây dựng lớp dữ liệu nền tảng cho AI chủ quyền của Việt Nam, một nền AI được đặt trên chính dân số, ngôn ngữ và giá trị của đất nước, thay vì phụ thuộc vào dữ liệu từ bên ngoài.

Thúc đẩy năng lực Agentic AI trong thực tiễn

Khi Agentic AI nổi lên như một hướng phát triển tiếp theo, với các hệ thống có khả năng suy luận, hành động và phục vụ từng nhóm người dùng cụ thể thay vì chỉ phản hồi thông tin, điều này làm gia tăng nhu cầu về các nguồn dữ liệu có khả năng phản ánh thực tế đặc điểm và bối cảnh đa dạng của người dùng. Một bộ dữ liệu chân dung lớn hơn và đại diện hơn sẽ tạo nền tảng để cộng đồng AI Việt Nam xây dựng các tác tử thực sự hiểu người dùng mà hệ thống phục vụ.

Trong dịch vụ khách hàng, các doanh nghiệp có thể sử dụng những persona khác nhau về mức thu nhập, khu vực và mức độ hiểu biết tài chính để điều chỉnh giọng điệu, khuyến nghị sản phẩm và cách xử lý yêu cầu sao cho phù hợp với từng đối tượng, chẳng hạn người về hưu tại Hà Nội hoặc chuyên gia trẻ tại Thành phố Hồ Chí Minh.

Bộ dữ liệu cũng có thể được sử dụng để mô phỏng và đánh giá các hệ thống AI Agent, giúp việc xây dựng những môi trường mô phỏng với nhiều nhóm người dùng và tổ chức Việt Nam có tính thực tế, triển khai kiểm thử đối kháng, đánh giá thiên lệch và tính công bằng trên nhiều nhóm nhân khẩu học, đồng thời kiểm thử khả năng vận hành của AI Agent theo khu vực, độ tuổi và nghề nghiệp mà không cần sử dụng dữ liệu khách hàng thực tế.

Với các lĩnh vực có yêu cầu quản lý và tuân thủ cao như tài chính, y tế, bảo hiểm và dịch vụ công, Nemotron-Personas-Vietnam còn có thể hỗ trợ phát triển và đánh giá AI Agent chuyên biệt theo từng lĩnh vực, nơi hệ thống cần hiểu rõ người dùng đang được hỗ trợ. Một trợ lý AI y tế có thể được đánh giá trên các chân dung bệnh nhân khác nhau về trình độ hiểu biết, khu vực và bối cảnh chăm sóc. Một trợ lý AI dịch vụ công có thể được kiểm thử với các chân dung công dân trên toàn bộ hệ thống hành chính của Việt Nam. Anh em có thể tải miễn phí bộ dữ liệu trên Hugging Face tại đây.

*Nội dung được tài trợ chỉ mang tính tham khảo.