أعلنت شركتا Elith وNVIDIA عن إصدار Nemotron-Personas-Finance-Japan، وهي مجموعة بيانات لأشخاص اصطناعية (Personas) مخصصة لتطوير الذكاء الاصطناعي في القطاع المالي الياباني. وهي امتداد مالي لمجموعة البيانات Nemotron-Personas-Japan، حيث تجمع بين الإحصاءات الرسمية اليابانية وبيانات عن الشؤون المالية للأسر والثقافة المالية. وقد نُشرت تحت ترخيص CC BY 4.0 الذي يسمح بالاستخدام التجاري.
في القطاع المالي، يواجه استخدام البيانات الحقيقية قيودًا صارمة تتعلق بالسرية، ومتطلبات الامتثال التنظيمي، والحاجة إلى خبرة عملية متعمقة. ويحتاج تطوير أنظمة الذكاء الاصطناعي الوكيلية (Agentic AI) في هذا المجال – أي الأنظمة القادرة على تنفيذ سلسلة من الإجراءات بشكل مستقل – وفقًا للمصدر إلى بيانات اصطناعية تتجنب مخاطر البيانات الحقيقية مع عكس التركيبة السكانية، وتكوين الأسر، وثروة الأسر المعيشية.
تم بناء مجموعة البيانات من الإحصاءات الحكومية الرسمية باستخدام أداتين من NVIDIA: NeMo SDG-PGMs، وهو إطار لنمذجة الاحتمالات لتوليد البيانات الاصطناعية، وNeMo Data Designer، وهو نظام لتوليد البيانات الاصطناعية للمؤسسات. واستُخدم النموذج gemma-4-31B-it، الموزع تحت ترخيص Apache-2.0، لتوليد النصوص باللغة اليابانية. ولجعل مجموعة البيانات أكثر فائدة للحالات الاستخدامية المالية، تم دمج ملاحظات عدة جهات فاعلة في تصميمها: Sompo Japan، وTokio Marine Holdings، وBank of Fukuoka، وMizuho Financial Group، وMeiji Yasuda Life Insurance، ورابطة استخدام البيانات المالية (FDUA).
مجموعة بيانات واسعة النطاق
تحتوي المجموعة على مليون سجل، يحتوي كل منها على 9 شخصيات (Personas)، أي ما مجموعه 9 ملايين شخصية، مكتوبة باللغة اليابانية الطبيعية. يحتوي كل سجل على 50 حقلًا: 9 حقول للشخصية، و11 سمة للشخصية، و30 حقلًا سياقيًا مستمدًا من الإحصاءات السكانية والعمالية. ويبلغ حجم البيانات حوالي 1.5 مليار وحدة نصية (Token) – وهي الوحدات التي تعالجها النماذج – منها حوالي 750 مليون وحدة نصية مخصصة للشخصيات.
تغطي الشخصيات أبعادًا متعددة: الديموغرافيا، والمنطقة، وتوزيع الأصول، وسمات الشخصية. وتتضمن حوالي 950 ألف اسم فريد وأكثر من 1600 فئة مهنية تعكس القوى العاملة اليابانية. وتصف سماتها على وجه الخصوص الخلفية الثقافية، والمهارات، والأهداف المهنية، والهوايات، والسياق العائلي والمالي، والعلاقة بالمال، والتخطيط المالي.
لتعكس بشكل أفضل حالات الحياة النادرة في الإحصاءات، قام المصممون بتحسين فئات معينة. تم وصف المستوى التعليمي بتفصيل أكبر، وأضيفت مهن جديدة مثل رواد الأعمال، ونمذجت مراحل الحياة مثل الطلاب والمتقاعدين وفترات البطالة. وتشمل الشؤون المالية للأسر أصولًا حقيقية، ويتم أخذ استخدام الإنترنت والهواتف الذكية في الاعتبار.
السرية والاستخدامات
كل شخصية اصطناعية بالكامل ولا تمثل أي شخص حقيقي. تتبع البيانات الديموغرافية والمالية الإحصاءات الرسمية والمسوحات العامة، بينما تحترم الأسماء أنماط التسمية اليابانية الحقيقية. وفقًا للمصدر، تم تصميم المجموعة لتقليل مخاطر انتهاك الخصوصية ولا تتطلب أي بيانات عملاء لاستخدامها.
تستهدف المجموعة في المقام الأول البنوك وشركات التأمين والشركات الناشئة التي تتعامل معها. يمكن للفرق استخدامها لإنشاء وكلاء خدمة العملاء، وتقييم العمليات التجارية والحملات التسويقية، وإجراء محاكاة للمستخدمين باستخدام NeMo User Sim، أو اختبار أنظمة الذكاء الاصطناعي الموجهة للعملاء من حيث الأمان. يمكن أيضًا استخدام المجموعة لتوليد حوارات متعددة الجولات، وصقل النماذج ببيانات متجذرة ثقافيًا، والتحقق من اتساق أداء الذكاء الاصطناعي بين المناطق الريفية والحضرية، والفئات العمرية، والمستويات التعليمية.
في نفس اليوم، أصدرت NVIDIA مجموعة Nemotron-PII-Japan، التي تحتوي على 100 ألف وثيقة عمل يابانية اصطناعية تحتوي على معلومات شخصية محددة (PII) موضحة، مخصصة لتدريب واختبار نماذج الكشف والإخفاء (Redaction). تستند وثائقها إلى مجموعة Nemotron-Personas-Japan. يمكن تحميل مجموعة البيانات باستخدام دالة load_dataset من مكتبة datasets.
