Apa Itu Nemotron-Personas-Malaysia dan Mengapa Ia Penting
Nemotron-Personas-Malaysia ialah sebuah dataset terbuka Malaysia yang mengandungi 1.35 juta AI persona sintetik, dibina berasaskan statistik demografi rasmi untuk melatih dan menilai model AI yang benar-benar mencerminkan kepelbagaian masyarakat tempatan.
YTL AI Labs melancarkan Nemotron-Personas-Malaysia, sebuah dataset terbuka dengan 1.35 juta persona sintetik yang dibangunkan bersama NVIDIA untuk mencerminkan kepelbagaian penduduk. Persona ini dijana daripada 150,000 rekod asas menggunakan taburan berasaskan statistik demografi dan buruh rasmi. Ini bukan sekadar projek teknikal; ia satu kenyataan politik data: ekosistem AI Malaysia tidak lagi bergantung sepenuhnya pada data generik global yang selalunya memusat kepada konteks luar, bahasa asing dan budaya yang tidak serasi.
Set data ini menumpukan bahasa Melayu sebagai bahasa utama dan direka untuk menggambarkan variasi wilayah, etnik, pekerjaan dan personaliti melalui 39 medan maklumat. Ia bebas digunakan, termasuk untuk tujuan komersial, di bawah lesen terbuka yang mengurangkan jurang kuasa antara syarikat gergasi teknologi dan pembangun tempatan. Dengan kata lain, pintu masuk kepada pengembangan model lokal telah dibuka dengan luas.
Bagaimana Persona Sintetik Mengubah Cara Kita Membina AI
Secara praktikal, AI persona sintetik dalam Nemotron-Personas-Malaysia mewakili individu hipotesis yang dijana menggunakan jadual kebarangkalian daripada statistik demografi rasmi. Setiap persona merangkumi umur, jantina, etnik, pekerjaan, agama, wilayah serta ciri personaliti berdasarkan model OCEAN, merentasi 39 medan data. "Set data ini merangkumi 1.35 juta profil sintetik yang dijana daripada 150,000 rekod asas," menurut kenyataan YTL AI Labs.
Kekuatan pendekatan ini terletak pada keseimbangan: cukup realistik untuk mencerminkan taburan sebenar, tetapi tidak berkait dengan mana-mana individu. Tiada data peribadi yang boleh dikenal pasti, sekali gus mengurangkan risiko privasi sambil tetap memberi gambaran statistik yang boleh dipercayai tentang populasi mengikut wilayah. Ini penting kerana banyak sistem AI sebelum ini dilatih pada data yang berat sebelah terhadap bahasa Inggeris dan budaya luar, menyebabkan model gagal memahami nuansa komunikasi harian tempatan.
Dengan persona sintetik yang mewakili pelbagai etnik utama – Melayu, Cina, India, Kadazan-Dusun, Bajau, Murut, Iban, Bidayuh, Melanau dan kategori Bumiputera lain – pembangun boleh menguji dan melatih model terhadap spektrum pengguna yang lebih seimbang, bukan hanya gambaran majoriti. Ini menjadikan pengembangan model lokal lebih inklusif, sekaligus mengurangkan bias yang sering muncul bila model diimport mentah-mentah daripada luar.
Daripada Teori ke Aplikasi: Kesan Segera untuk Pengguna
Nilai sebenar dataset terbuka Malaysia ini ialah pada kesannya kepada aplikasi harian, bukan sekadar kertas teknikal. Nemotron-Personas-Malaysia boleh digunakan untuk menilai prestasi sistem AI merentasi demografi, bahasa, budaya dan latar sosioekonomi yang berbeza. Contohnya, sistem khidmat pelanggan berasaskan AI boleh diuji dengan pelanggan sintetik dari pelbagai umur, negeri, pekerjaan dan latar bahasa. Jika model hanya cekap dengan satu dialek atau hanya memahami istilah kewangan golongan bandar, kelemahan itu akan cepat kelihatan.
Begitu juga, institusi kewangan boleh menguji sama ada model mereka faham pelbagai cara orang menzahirkan keperluan kewangan – daripada pinjaman kecil peniaga mikro hingga nasihat simpanan pekerja bergaji rendah. Agensi kerajaan dan penyelidik boleh mengenal pasti sama ada perkhidmatan digital mereka berfungsi sama rata merentasi kumpulan demografi, atau ada kumpulan yang sering gagal dilayan dengan adil. Di sinilah pengembangan model lokal memberi kesan: AI tidak lagi beroperasi atas anggapan umum, sebaliknya ditala terus kepada realiti sosial pengguna.
Kemasukan bahasa Melayu sebagai bahasa utama dalam koleksi Nemotron-Personas menjadikan pengguna tempatan tidak lagi perlu menjadi “tetamu” dalam ekosistem AI global. Sebaliknya, AI mula bercakap dalam bahasa yang sama, dengan konteks yang serasi. Itu mengubah pengalaman pengguna – dari rasa dipaksa menyesuaikan diri, kepada rasa diwakili dalam teknologi yang mereka guna setiap hari.
Mengurangkan Halangan Masuk dan Memperkukuh Kedaulatan AI
Salah satu masalah besar ekosistem AI Malaysia ialah akses tidak seimbang kepada data berkualiti tinggi. Dataset proprietari lazimnya dikawal syarikat besar, meninggalkan startup dan penyelidik kecil terperangkap dengan data terhad. Dengan Nemotron-Personas-Malaysia yang boleh digunakan secara percuma untuk tujuan komersial di bawah lesen terbuka, asas latihan dan ujian sistem AI kini tersedia untuk pembangun, penyelidik dan perusahaan tanpa kos data permulaan yang tinggi.
Dataset ini diterbitkan secara terbuka melalui sebuah repositori pembangun, memudahkan sesiapa sahaja memuat turun dan mengintegrasikannya dalam projek mereka. Ini secara praktikal mengurangkan halangan masuk: startup boleh menumpu pada reka bentuk produk dan algoritma, bukan pada pengumpulan data yang memakan masa. Lebih penting, ia menyokong usaha kedaulatan AI YTL melalui siri model ILMU dan infrastruktur YTL AI Cloud, dengan Nemotron-Personas-Malaysia menjadi komponen data utama dalam strategi tersebut.
Ketua Pegawai Eksekutif YTL AI Labs menegaskan bahawa pembangunan AI tidak patut hanya fokus kepada saiz model, tetapi kepada sejauh mana ia memahami konteks dan masyarakat yang dilayan. Kenyataan itu ringkas tetapi kritikal: kedaulatan digital bukan sekadar milik pelayan dan pusat data, tetapi milik data dan nilai yang membentuk tingkah laku model. Dalam erti kata lain, siapa yang mengawal data, mengawal naratif AI.
Menuju Ekosistem AI yang Lebih Inklusif dan Bertanggungjawab
Nemotron-Personas-Malaysia meletakkan tanda aras baharu untuk ekosistem AI Malaysia: terbuka, berasaskan data rasmi, peka konteks, dan memprioritikan bahasa Melayu. Ia bukan produk sempurna – tiada dataset yang sempurna – tetapi ia mengubah keseimbangan kuasa dengan memberi senjata data yang sama kepada pemain kecil dan besar. Ini mempercepat pengembangan model lokal yang lebih relevan, adil dan dekat dengan keperluan pengguna.
Namun, dataset sahaja tidak cukup. Komuniti penyelidik, universiti, agensi kerajaan dan industri perlu menjadikannya asas kepada kolaborasi baharu: menguji bias, membina alat audit, dan mengembangkan model khusus sektor. Ekosistem AI Malaysia hanya akan matang jika data terbuka ini diiringi budaya keterbukaan – perkongsian kod, dokumentasi jujur, dan perbualan kritikal tentang risiko serta etika. Jika peluang ini disia-siakan, AI akan kekal dipacu oleh model luar yang tidak pernah benar-benar memahami pengguna di sini.
Kesimpulannya, membuka akses dataset terbuka berkualiti tinggi seperti Nemotron-Personas-Malaysia ialah langkah strategik, bukan sekadar eksperimen. Ia mengurangkan halangan masuk, menggalakkan inovasi setempat dan memperkukuh kedaulatan data. Pilihannya kini jelas: sama ada terus bergantung pada model generik global, atau mengambil kesempatan ini untuk membina AI yang memihak kepada pengguna tempatan – dari bahasa yang digunakan, hingga nilai yang diutamakan.
