Native Multilingual Chain-of-Thought Reasoning in Low-Resource Southeast Asian Languages

Immagina un mondo in cui il tuo personaggio preferito di un videogioco potesse parlare solo inglese, indipendentemente dalla lingua che tu usassi. Se gli facessi una domanda in spagnolo, lui capirebbe le parole, ma quando inizierebbe a spiegare la sua risposta, tornerebbe improvvisamente all'inglese per le parti di ragionamento più difficili. Questo non è solo un glitch; è un ostacolo importante nel mondo dell'Intelligenza Artificiale, specificamente per i "Large Language Models" (LLM). Questi sono cervelli informatici super intelligenti che possono scrivere storie, risolvere problemi di matematica e chattare con noi. Per diventare davvero bravi a risolvere enigmi difficili, utilizzano un trucco chiamato "Chain-of-Thought" (Catena di Pensiero), che è come sussurrare a se stessi il proprio processo di pensiero passo dopo passo prima di dare la risposta finale. Il problema è che, per molte lingue in tutto il mondo — specialmente quelle con meno risorse digitali come quelle del sud-est asiatico — questi cervelli artificiali tendono a "collassare" e a sussurrare i loro pensieri in inglese, anche quando chiedi loro di pensare in thailandese, vietnamita o indonesiano. Questo fa sì che l'IA sembri meno un amico locale utile e più un tutor distante che parla solo inglese, il che è un grande problema per l'istruzione e l'equità.

Entra in gioco un nuovo studio condotto dai ricercatori Sean Gip Lim, William Chandra Tjhi e Hai Leong Chieu, che hanno deciso di costruire un ponte per questi cervelli artificiali. Hanno creato un metodo di addestramento intelligente chiamato OSCD (Onramp-Sequence Cross-Distillation). Pensalo come un coach bilingue che non si limita a tradurre la risposta finale, ma riscrive effettivamente gli "appunti di pensiero" interni dell'IA nella lingua locale mantenendo intatta la soluzione corretta. Di solito, quando provi a insegnare una nuova lingua a un'IA, questa si confonde e dimentica come essere intelligente nella sua lingua originale (un problema chiamato "oblio catastrofico"). Ma questo nuovo metodo utilizza un particolare "agente traduttore" per scambiare i passaggi del pensiero e una "colla semantica" per assicurarsi che il cervello dell'IA comprenda ancora la logica, solo in una lingua diversa.

I ricercatori hanno testato questo metodo su alcuni dei rompicapi matematici più difficili disponibili, come le competizioni AIME25 e HMMT25, che sono come le Olimpiadi per i problemi di matematica. Hanno preso potenti modelli di IA che erano bravissimi nella matematica in inglese ma terribili nel pensare nelle lingue del sud-est asiatico e hanno dato loro una breve e intensa sessione di addestramento usando solo 70.000 esempi (una quantità minuscola rispetto ai milioni solitamente necessari). I risultati sono stati impressionanti: i modelli non solo sono diventati più bravi a rispondere alle domande; hanno iniziato effettivamente a pensare nelle lingue locali.로 Infatti, i modelli hanno migliorato la loro capacità di risolvere questi problemi matematici rimanendo nella lingua di destinazione fino a 3,2 volte. Ancora più eccitante, sono riusciti a farlo senza perdere la loro intelligenza originale in inglese. Lo studio suggerisce che, usando questo "agente traduttore" e la "colla semantica", possiamo finalmente dare all'IA la capacità di ragionare naturalmente in lingue che sono state lasciate indietro, rendendo la tecnologia avanzata accessibile a tutti, non solo agli anglofoni.