NVIDIA и Elith открыли данные о миллионе вымышленных японцев для банков

NVIDIA и токийская компания Elith¹ выложили в открытый доступ словесные портреты миллиона вымышленных японцев: каждого описывают девять текстов, всего их 9 млн. У каждого есть возраст, регион, профессия, семья, доходы, сбережения и отношение к деньгам.

Почему это важно: финансовые компании используют реальные данные клиентов с оглядкой на строгие правила о приватности и требования регуляторов. В наборе Nemotron-Personas-Finance-Japan ни одна запись не описывает настоящего человека, а распределения доходов, имущества и профессий взяты из официальной статистики. По словам авторов, это первый открытый набор на миллион записей, где статистика Японии связана с финансами семей и финансовой грамотностью.

Детали: набор рассчитан прежде всего на банки, страховщиков и тех, кто делает для них ИИ. На портретах можно строить ассистентов поддержки, проверять сценарии продаж и маркетинговые кампании, разыгрывать разговоры вымышленных клиентов с ботом и искать слабые места у ИИ, который общается с клиентами. Ещё одно применение — проверить, одинаково ли модель обслуживает жителей города и деревни, людей разного возраста, образования и достатка. Набор вышел под лицензией CC BY 4.0², так что годится и для коммерческих продуктов.

В цифрах:

• Записей — 1 млн, в каждой девять описаний одного человека с разных сторон: через работу, спорт, путешествия, кухню, денежные привычки и финансовые тревоги.
• Из 50 полей записи 30 заполнены по официальной статистике населения и занятости, ещё 11 описывают навыки, планы, хобби и отношение к деньгам.
• Профессий в наборе больше 1 600.

Как это работает: сначала вероятностная модель NVIDIA собирает человека из официальных распределений: возраст и регион, образование, работу, доходы и имущество семьи, пользование интернетом и смартфоном, финансовую грамотность. Затем открытая модель Google Gemma 4 на 31 млрд параметров пишет по этим данным тексты на японском. Авторы добавили то, что статистика показывает плохо: студентов, пенсионеров, периоды без работы, владельцев бизнеса и более дробные ступени образования. Замечания к набору дали Sompo Japan, Tokio Marine, Mizuho, Bank of Fukuoka, Meiji Yasuda Life и отраслевая ассоциация по использованию данных в финансах FDUA.

Если шире: в тот же день NVIDIA выпустила Nemotron-PII-Japan — 100 тысяч синтетических японских деловых документов с размеченными персональными данными. На них учат модели, которые находят такие сведения и скрывают их. Компания предлагает использовать наборы в паре: первый имитирует клиентов, второй проверяет, как система бережёт их данные. В октябре NVIDIA пообещала открыть похожий по замыслу набор текстов на 22 языках Индии.

Новый набор вырос из Nemotron-Personas-Japan, который NVIDIA выпустила в сентябре 2025 года. Описаний людей в финансовой версии в полтора раза больше, а в каждой записи у неё 50 полей вместо 22.