Ngày 16/10, FPT và NVIDIA công bố phiên bản mở rộng của Nemotron-Personas-Vietnam, bộ dữ liệu gồm các hồ sơ người dùng Việt Nam giả lập. Quy mô bộ dữ liệu được nâng từ 100.000 lên 1 triệu bản ghi, gấp 10 lần phiên bản ban đầu.
Mỗi hồ sơ gồm 21 trường dữ liệu, trong đó có 6 trường thông tin chân dung và 15 trường thông tin bối cảnh, thể hiện các đặc điểm như độ tuổi, giới tính, học vấn, nghề nghiệp, nơi sinh sống, kỹ năng và sở thích. Bộ dữ liệu cũng có các đoạn mô tả liên quan công việc, thể thao, du lịch, ẩm thực.
Toàn bộ các hồ sơ này được tạo bởi AI, không phải dữ liệu cá nhân thu thập từ người thật.
Xây dựng hồ sơ giả lập dựa trên phân bố dân số thực tế
Để tạo các hồ sơ, hệ thống sử dụng số liệu thống kê từ Điều tra dân số và nhà ở giữa kỳ năm 2024 và Khảo sát mức sống dân cư năm 2024.
Các đặc điểm như tuổi, nghề nghiệp, học vấn và nơi cư trú được kết hợp theo cơ cấu dân số thực tế, sau đó AI bổ sung các yếu tố về tính cách, kỹ năng, sở thích và các đoạn mô tả để hình thành hồ sơ người dùng giả định.
Trong quá trình phát triển, FPT đóng góp dữ liệu nguồn, hạ tầng tính toán, năng lực nghiên cứu, kiến thức về đặc điểm dân số, văn hóa và xã hội Việt Nam, đồng thời tham gia đánh giá chất lượng dữ liệu. NVIDIA cung cấp phương pháp và công cụ để tạo hồ sơ người dùng giả lập bằng AI.
Phiên bản đầu tiên của Nemotron-Personas-Vietnam được giới thiệu vào tháng 6/2026 với 100.000 bản ghi, tập trung vào 6 tỉnh, thành phố. Theo FPT, sau bốn ngày ra mắt, bộ dữ liệu đã lọt nhóm 15 bộ dữ liệu thịnh hành trên nền tảng chia sẻ mô hình và dữ liệu AI Hugging Face.
Thêm dữ liệu để kiểm thử AI trong bối cảnh Việt Nam
So với phiên bản ban đầu, bộ dữ liệu mới không chỉ tăng số lượng bản ghi mà còn mở rộng các nhóm dân cư, nghề nghiệp và hoàn cảnh sống ở nhiều vùng miền. Qua đó, các nhà phát triển có thể xây dựng thêm các tình huống để kiểm tra phản ứng của hệ thống AI trước những nhóm người dùng khác nhau, cũng như những trường hợp bất thường hoặc khó xử lý.
Một trong những mục tiêu của dữ liệu giả lập là tạo ra các tình huống gần với bối cảnh sử dụng tại Việt Nam mà không nhất thiết phải sử dụng hồ sơ khách hàng thật.
Chẳng hạn, khi phát triển trợ lý AI cho lĩnh vực ngân hàng, nhà phát triển có thể tạo một hồ sơ giả định là người cao tuổi cần kiểm tra lịch sử giao dịch trên điện thoại, sau đó đánh giá AI có đưa ra hướng dẫn chính xác, dễ hiểu và phù hợp hay không. Cách tiếp cận này cũng có thể giúp giảm nhu cầu sử dụng dữ liệu khách hàng thật trong một số giai đoạn thử nghiệm.
Bộ dữ liệu cũng có thể được sử dụng để thử nghiệm trí tuệ nhân tạo tự vận hành (Agentic AI) - các hệ thống AI có khả năng thực hiện nhiều bước để hoàn thành nhiệm vụ thay vì chỉ tạo câu trả lời.
Thí dụ, nếu được kết nối với các công cụ và cấp quyền phù hợp, một trợ lý AI trong lĩnh vực dịch vụ công có thể kiểm tra điều kiện thực hiện thủ tục, xác định giấy tờ cần chuẩn bị và hỗ trợ điền biểu mẫu. Các hồ sơ giả lập cho phép nhà phát triển tạo nhiều tình huống khác nhau để đánh giá AI có hiểu đúng yêu cầu, thực hiện đúng quy trình và phản hồi phù hợp từng nhóm người dùng hay không.
Theo FPT và NVIDIA, dữ liệu này có thể được sử dụng trong quá trình phát triển, kiểm thử AI ở các lĩnh vực như ngân hàng, y tế, bảo hiểm và dịch vụ công. Tuy nhiên, dữ liệu giả lập không thay thế các bước kiểm tra về độ chính xác, an toàn và tuân thủ trước khi hệ thống AI được đưa vào sử dụng thực tế.
Việc mở rộng các bộ dữ liệu phản ánh đặc điểm dân số và bối cảnh trong nước cũng được kỳ vọng bổ sung nguồn lực dữ liệu cho quá trình nghiên cứu, xây dựng và đánh giá các hệ thống AI phục vụ người dùng Việt Nam, trong đó có các mô hình và tác tử AI chuyên biệt cho những lĩnh vực yêu cầu cao về quản lý, an toàn và tuân thủ.
LÊ LÂM