Hà Nội, ngày 16/10/2026 – FPT và NVIDIA công bố mở rộng Nemotron-Personas-Vietnam từ 100.000 lên 1 triệu bản ghi, gấp 10 lần phiên bản đầu tiên. Đây là bộ dữ liệu gồm các hồ sơ về người Việt Nam giả định, giúp nhà nghiên cứu và lập trình viên có thêm dữ liệu để huấn luyện, thử nghiệm và kiểm tra các ứng dụng trí tuệ nhân tạo (AI).
Bộ dữ liệu chứa những hồ sơ giả lập về người Việt Nam. Mỗi hồ sơ cá nhân có 21 trường dữ liệu, gồm 6 trường thông tin chân dung và 15 trường thông tin bối cảnh, bao gồm: tuổi, giới tính, học vấn, nghề nghiệp, nơi sinh sống, kỹ năng, sở thích và có thêm những đoạn văn về công việc, thể thao, du lịch, ẩm thực. Tất cả do AI tạo ra, không phải hồ sơ thu thập từ người thật.
Ảnh FPT.Để tạo các hồ sơ giả lập trên, hệ thống sử dụng số liệu từ hai cuộc điều tra do Tổng cục Thống kê (nay là Cục Thống kê thuộc Bộ Tài chính) tổ chức: Điều tra dân số và nhà ở giữa kỳ năm 2024 và Khảo sát mức sống dân cư năm 2024. Hệ thống dùng các số liệu này để kết hợp những đặc điểm như tuổi, nghề nghiệp, học vấn, nơi cư trú theo cơ cấu dân số thực tế, rồi tạo ra người dùng giả định. Sau đó, AI bổ sung tính cách, kỹ năng, sở thích và viết những đoạn văn mô tả nhân vật.
Trong quá trình phát triển, FPT đóng góp dữ liệu nguồn, hạ tầng tính toán, năng lực nghiên cứu và chuyên môn về đặc điểm dân số, văn hóa, xã hội Việt Nam, đồng thời tham gia kiểm tra chất lượng bộ dữ liệu. NVIDIA cung cấp phương pháp và công cụ tạo hồ sơ người dùng giả lập bằng AI.
Trước đó, hai bên giới thiệu bộ dữ liệu lần đầu vào tháng 6/2026. Sau bốn ngày, Nemotron-Personas-Vietnam lọt Top 15 bộ dữ liệu thịnh hành trên Hugging Face, nền tảng chia sẻ dữ liệu và mô hình AI của Nvidia. Bộ dữ liệu được công khai để cộng đồng nghiên cứu và lập trình có thể sử dụng theo điều kiện giấy phép.
Hệ thống AI kết hợp để tạo personas tổng hợp dựa trên phân bố thực tế của Việt Nam (Ảnh: huggingface.co)Phiên bản đầu tiên tập trung vào 6 tỉnh, thành phố. Lần này, hai bên tăng số bản ghi và mở rộng phạm vi dữ liệu, hướng tới mô tả nhiều nhóm dân cư, nghề nghiệp và hoàn cảnh sống hơn ở các vùng miền Việt Nam. Nhờ đó, nhà phát triển có thể tạo thêm tình huống để thử AI với nhiều nhóm người dùng khác nhau. Họ cũng có thể đặt AI trước những tình huống khó hoặc bất thường để phát hiện câu trả lời sai, thiếu phù hợp.
Nhiều bộ dữ liệu AI trên thế giới chưa chắc phản ánh đầy đủ đặc điểm và nhu cầu của người Việt Nam. Các hồ sơ giả lập giúp nhà phát triển tạo ra những tình huống gần với bối cảnh trong nước. Chẳng hạn, khi làm trợ lý AI cho ngân hàng, nhóm kỹ thuật có thể giả định một người cao tuổi cần tra cứu lịch sử giao dịch trên điện thoại. Họ đặt yêu cầu này cho AI, xem hệ thống có hướng dẫn đúng và dễ hiểu không, rồi sửa những chỗ chưa phù hợp. Cách thử nghiệm này cũng giúp giảm nhu cầu sử dụng hồ sơ khách hàng thật trong một số trường hợp.
Bộ dữ liệu còn có thể hỗ trợ thử nghiệm Agentic AI, loại AI có thể thực hiện nhiều bước để hoàn thành yêu cầu của người dùng, thay vì chỉ trả lời câu hỏi. Ví dụ, nếu được kết nối với công cụ và cấp quyền phù hợp, trợ lý AI hỗ trợ thủ tục hành chính có thể tra cứu điều kiện, đối chiếu giấy tờ cần chuẩn bị và hỗ trợ điền biểu mẫu.
Từ các hồ sơ giả lập, nhà phát triển có thể tạo nhiều yêu cầu khác nhau để kiểm tra AI có hiểu đúng việc cần làm, thực hiện đúng từng bước và phản hồi phù hợp với từng nhóm người dùng hay không. Hồ sơ giả lập có thể hỗ trợ thử nghiệm AI trong ngân hàng, y tế, bảo hiểm và dịch vụ công, nhưng không thay thế việc kiểm tra độ chính xác và an toàn trước khi đưa hệ thống vào sử dụng.
Việc mở rộng Nemotron-Personas-Vietnam còn góp phần phát triển AI chủ quyền, giúp Việt Nam có thêm nguồn dữ liệu để chủ động nghiên cứu, xây dựng và đánh giá các hệ thống AI phù hợp với đặc điểm người dùng trong nước. Đặc biệt, trong những lĩnh vực có yêu cầu cao về quản lý và tuân thủ quy định như tài chính, y tế, bảo hiểm và dịch vụ công, bộ dữ liệu có thể hỗ trợ phát triển, kiểm thử các tác tử AI (AI Agent) chuyên biệt. Thông qua những hồ sơ người dùng giả lập, nhà phát triển có thể kiểm tra cách AI xử lý yêu cầu trong nhiều hoàn cảnh khác nhau, phát hiện sai sót, nguy cơ phản hồi thiên lệch hoặc không phù hợp với quy định trước khi đưa hệ thống vào sử dụng thực tế.
Thông tin bộ dữ liệu tại:
https://huggingface.co/datasets/nvidia/Nemotron-Personas-Vietnam