Superando el muro de la 'escasez de datos': las personas sintéticas aceleran el desarrollo de la IA en Japón

NTT DATA ha demostrado cómo superar la escasez de datos en el desarrollo de IA en Japón utilizando el conjunto de datos sintético Nemotron-Personas-Japan de NVIDIA, compuesto por 6 millones de personas sintéticas basadas en la demografía japonesa. Con solo 450 muestras de semilla, generaron más de 138.000 datos de entrenamiento, elevando la precisión de un modelo del 15,3% al 79,3% en tareas de clasificación legal sin exponer datos sensibles. Este enfoque elimina la necesidad de aprendizaje previo continuo (CPT), permitiendo un entrenamiento más eficiente mediante fine-tuning supervisado (SFT) y preservando la privacidad conforme a regulaciones como PIPA. La iniciativa promueve la soberanía de datos y la creación de espacios de datos colaborativos para IA culturalmente adaptada.