في خطوة مبتكرة نحو تعزيز قدرات الذكاء الاصطناعي، قامت دراسة حديثة بفحص إمكانية إدخال اللغة اليونانية إلى سياسات الروبوتات، والتي تُستخدم عادة باللغة الإنجليزية. الروبوتات تعتمد بشكل كبير على نماذج تعلم اللغة (Language Models) والتي تُدرب وتُقيّم في الغالب باللغة الإنجليزية، مما يُعقد الأمر باستمرار من قلة القواميس اللغوية للغات متعددة.

ركزت الدراسة على إضافة اللغة اليونانية إلى مجموعة رؤية-لغة-عمل (Vision-Language-Action Stack) عن طريق استخدام تعليمات أعيد صياغتها آليًا دون الحاجة لتغييرات في البنية المعمارية. لكن التحدي الرئيسي كان في قياس الأداء بدلاً من الترجمة. فالأساليب القياسية لبقيت تتسبب في استنتاجات خاطئة حول فعالية النظام.

على سبيل المثال، استخدمت الدراسة مقاييس مثل رسم بياني للألوان، والتي تمت مكافأتها على الشوشرة في البيانات. كما أثبتت بعض المعايير الأخرى، مثل القياس في سيناريوهات معينة، عدم فعاليتها في تقديم معلومات دقيقة عن الأداء عند استخدام اللغة اليونانية. بينما كانت نتاجات التدريب غالباً تتأثر بتغييرات عشوائية في البيانات.

عند تحليل ما يقرب من تسعين مهمة باستخدام ثلاثة أذرع، أظهرت نتائج التدريب الأحادي اللغة (Greek-only training) تقدماً ضئيلاً بحدود 2.7 نقطة مقارنة بمجموعة التحكم. بينما أظهر التدريب الثنائي اللغة (Bilingual training) تحسنًا ثابتًا بزيادة تتراوح بين 6.7 إلى 7.1 نقطة، مما يعكس أداءً يصل تقريباً إلى ثلثي أداء الروبوتات التي تدربت باللغة الإنجليزية.

كما لوحظ أن أداء النظام يتأثر بعبارات المترجم، حيث خفض التدريب على سبع عبارات لكل مهمة تقريبًا هذه العقوبة إلى النصف.

تشير النتائج إلى ضرورة وجود اختبار موثوق قبل الاعتماد على المقاييس لتقييم أداء الروبوتات في اللغات ذات الموارد المحدودة. إن استكشاف هذا المجال يمثل فحصًا ثاقبًا وإضافة قيمة في فهمنا للذكاء الاصطناعي وكيفية تحسينه ليتفاعل بلغات متعددة.