Noveće istraživanje identificiralo je skup zadataka s kojima se ljudi lako snalaze, a s kojima se umjetna inteligencija (AI) muči — posebno čitanje analognog sata i određivanje dana u sedmici za dati datum. Iako AI može generirati kod, slike, tekst gotovo kao čovjek i prolaziti ispite u različitim stupnjevima, često pogrešno tumači pozicije kazaljki na satu i ne uspijeva u osnovnim računalnim zadacima na kalendaru. Studija je predstavljena na Međunarodnoj konferenciji o predstavama učenja (ICLR) 2025. godine i objavljena na preprint serveru arXiv (još nije prošla recenziju), te ističe značajne praznine u mogućnostima AI da izvršava zadatke kojima se ljudi vješto snalaze već u ranom životu. Glavni autor Rohit Saxena sa Univerziteta u Edinburgu naglasio je da je potrebno riješiti te nedostatke kako bi se AI mogao efikasno primijeniti u vremenski osjetljivim i realnim kontekstima poput rasporeda, automatizacije i pomoćnih tehnologija. Istraživači su testirali razne multimodalne velike jezičke modele (MLLM)—među kojima su Meta-ov Llama 3. 2-Vision, Anthropic-ov Claude-3. 5 Sonnet, Google-ov Gemini 2. 0 i OpenAI-jev GPT-4o—koristeći prilagođeni skup podataka s slikama satova i kalendara. Modeli nisu uspjeli tačno identificirati vrijeme na satu ili odrediti dane u sedmici za uzorke datuma više od pola vremena, s tačnošću od samo 38, 7% kod satova i 26, 3% kod zadataka s kalendarom. Saxena je objasnio da loša interpretacija sata od strane AI proizlazi iz nedostatka prostornog razmišljanja—zadataka koji zahtijevaju prepoznavanje preklapajućih kazaljki, mjerenje kutova i interpretaciju raznih dizajna satova, poput rimskih brojeva ili stiliziranih brojčanika. Prepoznavanje slike kao sata lakše je za AI nego njegovo točno čitanje.

Slično tome, iako je aritmetika osnovni dio računarstva, veliki jezični modeli ne izvode izračune putem algoritama; umjesto toga, predviđaju izlazne podatke na temelju uzoraka iz trening podataka. To dovodi do nekonzistentnog i nepravila vođenog razmišljanja, što objašnjava visoke stope neuspjeha kod računanja povezanih s datumima. Ova studija doprinosi rastućim dokazima da se način na koji AI “razumije” temelji na vrlo drugačijem načinu od ljudskog razmišljanja. AI je uspješan kada postoje obilje trening primjera, ali se muči s apstraktnim razmišljanjem i generalizacijom, posebno kod zadataka koji spajaju percepciju s preciznom logikom. Štaviše, ograničeni podaci za treniranje o rjeđim pojavama, poput prijestupnih godina, otežavaju performanse jer AI ne može uspostaviti potrebne konceptualne veze. Ovi nalazi ističu potrebu za bogatijim i ciljanim skupovima podataka te reevaluaciju AI-jevih sposobnosti da integriše logičko i prostorno razmišljanje, naglašavajući rizike od prevelikog oslanjanja na rezultate AI u složenim zadacima. Saxena je naglasio važnost rigoroznog testiranja, mehanizama za povratak u slučaju neuspjeha i često ljudskog nadzora kada je AI zadužen za kombinaciju percepcije i preciznog razmišljanja.