NVIDIAのAIモデル「Nemotron」が日本語合成データセットを素早く投入できる理由：人工知能ニュース

NVIDIAは、東京都内で開催したAIエージェントの技術イベント「NVIDIA Agentic AI Day Japan 2026」において、日本語AIの開発を支援する2つの合成データセット「Nemotron-Personas-Finance-Japan」と「Nemotron-PII-Japan」について説明した。

[朴尚洙，MONOist]

　NVIDIAは2026年11月10日、東京都内で開催したAIエージェントの技術イベント「NVIDIA Agentic AI Day Japan 2026」において、日本語AI（人工知能）の開発を支援する2つの合成データセット「Nemotron-Personas-Finance-Japan」と「Nemotron-PII-Japan」について説明した。

　Nemotronは、AIエージェントを用いて構築するシステム向けにNVIDIAが開発した、オープンなマルチモーダルAIモデルである。AIモデルだけでなく、データセットやツール、ライブラリ、さらにはBlueprintsと呼ぶレファレンスなども用意されている。

　2024年にオープンソースのLLM（大規模言語モデル）であるLlamaをベースにリーズニング能力を追加して発表された「Nemotron 1」は、その後2025年にフルスクラッチで最初から独自に学習した「Nemotron 2」となり、2026年には高効率にAIエージェントを処理できることを特徴とする「Nemotron 3」へと進化を遂げてきた。

「Nemotron」の進化の歴史［クリックで拡大］ 出所：NVIDIA

NVIDIAの藤田充矩氏

　このNemotronについて、日本語での活用に向けた開発プロジェクトに携わってきたのがNVIDIA シニアAIソリューションアーキテクトの藤田充矩氏である。これまでに、日本の人口統計、地理的分布、文化的特性に沿ったペルソナを含む初のオープン合成データセットである「Nemotron-Personas-Japan」や、NemotronのSLM（小規模言語モデル）である「Nemotron-Nano-9B-v2」に高度な日本語理解とAIエージェント機能を持たせた「Nemotron-Nano-9B-v2-Japanese」の開発に貢献している。

　その藤田氏が今回新たに発表したのが、Nemotron-Personas-Finance-JapanとNemotron-PII-Japanだ。

　まず、Nemotron-Personas-Finance-Japanは、Nemotron-Personas-Japanの金融ドメイン拡張版の位置付けとなる。個人収入や世帯構成／資産、属性形態、車保有などの属性に加え、お金に対する態度、資金計画、金銭面での心配事といったコンテキストも備えており、金融領域のAI開発やユーザーシミュレーションに役立つ属性とペルソナがNemotron-Personas-Japanに追加された。

「Nemotron-Personas-Finance-Japan」の概要［クリックで拡大］ 出所：NVIDIA

　データセット数はNemotron-Personas-Japanと共通の日本語で記述された100万件を基盤としており、ペルソナ数は600万件から900万件に拡大している。

　また、今回のNemotron-Personas-Finance-Japanの開発は、東京大学 松尾研究所発のAIスタートアップであるElithと共同で行った。金融ユースケースでの実用性を高めるために、損害保険ジャパン、東京海上ホールディングス、福岡銀行、みずほフィナンシャルグループ、明治安田生命保険、金融データ活用推進協会などの協力も得ているという。

　一方、Nemotron-PII-Japanは、PII（個人識別用情報）を含む日本語文書を想定して生成した10万件規模の合成データセットである。医療、金融、行政、雇用、教育、法律、IT／セキュリティ、Eコマースの8分野を対象とし、診断書、ローン審査書類、住所変更届、申請書など43種類の文書タイプ、56のPIIラベルに対応している。

「Nemotron-PII-Japan」の概要［クリックで拡大］ 出所：NVIDIA

　Nemotron-PII-Japanは、日本語向けPIIモデルの開発と評価に最適な公開データセットである。各文書には、氏名、住所、メールアドレス、各種識別番号などのPIIが文中のどこにあり、どのカテゴリーに該当するかを示すアノテーションが付与されている。実在する個人情報を一切使用せず、文書と正解ラベルをセットで提供するため、PIIの検出およびマスキングを行うモデルの追加学習、評価、改善に活用できる。

　なお、Nemotron-Personas-Finance-JapanとNemotron-PII-Japanは、それぞれHugging Faceで公開されている。

　これら2つの合成データセットの開発は、米国を中心に行われているNemotronの開発と並行して進められている。藤田氏は「何らかの解決すべき課題が出てきた場合も、Nemotronの開発陣に相談して糸口を見いだすなどNVIDIA社内でしっかり連携が取れているので、Nemotronの日本語活用に向けた今回の合成データセット開発も遅滞なく行えている。日本と米国で組織が分かれていて距離も離れているが、この風通しの良さがNVIDIAの強みだろう」と述べている。

⇒その他の「人工知能ニュース」の記事はこちら