Nvidia dan FPT Corporation telah merilis dataset berisi 900.000 persona sintetis yang dirancang untuk membantu model AI memahami bahasa, budaya, dan demografi Vietnam. Dataset Nemotron-Personas-Vietnam, yang diluncurkan pada 5 Juni, tersedia di Hugging Face dengan lisensi CC-BY-4.0, yang berarti dapat digunakan secara komersial oleh siapa pun.
Apa sebenarnya yang ada dalam dataset
Koleksi ini mencakup 31 bidang per persona, mencakup demografi Vietnam, distribusi geografis, keragaman bahasa, dan karakteristik tenaga kerja. Ini bukan profil yang diambil dari individu nyata. Mereka dihasilkan secara algoritmik untuk mencerminkan pola populasi yang otentik sambil menghindari ranah privasi yang datang dengan penggunaan data pribadi nyata.
Dataset ini kompatibel dengan alat Nvidia NeMo, kerangka kerja perusahaan untuk membangun dan menyesuaikan model AI. FPT Corporation, yang beroperasi sebagai Mitra Cloud Nvidia, membawa keahlian lokal yang diperlukan untuk memastikan persona akurat secara budaya dan linguistik.
Permainan AI berdaulat
Rilis ini merupakan bagian dari inisiatif Nemotron-Personas Nvidia yang lebih luas, yang sebelumnya telah menghasilkan dataset spesifik wilayah untuk Singapura, Korea, dan AS. Peluncuran ini bertepatan dengan Nvidia GTC Taipei dan Computex 2026, dua acara terbesar dalam kalender teknologi Asia.
Kemitraan Nvidia melampaui FPT di negara ini. Viettel, perusahaan teknologi besar Vietnam lainnya, terlibat dalam membangun aplikasi AI nasional di infrastruktur Nvidia. Peran FPT sebagai Mitra Pilihan Nvidia juga melampaui Vietnam, dengan perusahaan tersebut meningkatkan pabrik AI di Vietnam dan Jepang.
Apa artinya ini bagi lanskap AI dan teknologi
Dengan menyediakan dataset secara gratis untuk penggunaan komersial di bawah CC-BY-4.0, Nvidia dan FPT memberikan 900.000 persona kepada startup, universitas, dan perusahaan kecil untuk digunakan tanpa biaya. Generasi data sintetis juga menghindari peraturan perlindungan data yang semakin ketat, menawarkan alternatif yang ramah kepatuhan dibandingkan menggunakan data pribadi nyata dalam pelatihan AI.