Una nova investigació ha identificat un conjunt de tasques que els humans gestionen amb facilitat, però amb les quals la intel·ligència artificial (IA) té més dificultats—concretament llegir rellotges d’analogues i determinar el dia de la setmana per a una data determinada. Tot i que l’IA pot generar codi, imatges, textos semblants als humans i fins i tot passar exàmens amb graus diversos, sovint interpreten malament la posició de les agulles del rellotge i fallen en aritmètica bàsica de calendaris. Presentat a la Conferència Internacional sobre Representacions d’Aprenentatge (ICLR) 2025 i publicat a l’arXiv (encara no revisat per parells), l’estudi destaca importants bretxes en la capacitat de l’IA per dur a terme tasques que els humans dominen des de joves. Rohit Saxena, del University of Edinburgh i autor principal, va subratllar que aquestes deficiències s’han d‘ abordar perquè l’IA pugui aplicar-se de manera efectiva en números de temps sensibles i en contextos del món real, com ara la planificació, l’automatització i les tecnologies d’assistència. Els investigadors van provar diversos models multimodals de llenguatge gran (MLLM), incloent Llama 3. 2-Vision de Meta, Claude-3. 5 Sonnet d’Anthropic, Gemini 2. 0 de Google i GPT-4o d’OpenAI, utilitzant un conjunt de dades personalitzat d’imatges de rellotges i calendaris. Els models van fallar en identificar correctament l’hora del rellotge o determinar els dies de la setmana per a diverses dates en més de la meitat dels casos, aconseguint precisions només del 38, 7 % en els rellotges i del 26, 3 % en les tasques de calendaris. Saxena va explicar que la percepció deficient de l’IA per llegir rellotges prové de la manca de raonament espacial—tasques que requereixen detectar agulles que solapen, mesurar angles i interpretar dissenys diversos de rellotges, com números romans o dials estilititzats. Reconèixer una imatge com a rellotge és més fàcil per a l’IA que llegir-la amb precisió.

De manera similar, tot i que l’aritmètica és fonamental per a la informàtica, els models de llenguatge gran no duen a terme càlculs mitjançant algoritmes; en canvi, predicen sortides basant-se en patrons de dades d’entrenament. Això provoca raonaments inconsistents i no regles, explicant els alts índexs d’error en càlculs relacionats amb data. Aquest estudi suma evidències creixents que el mode d’“entendre” de l’IA difereix fonamentalment de la cognició humana. L’IA destaca quan disposa d’abundants exemples d’entrenament, però té dificultats amb el raonament abstracte i la generalització, especialment en tasques que combinen percepció amb una lògica precisa. A més, la disponibilitat limitada de dades per a fenòmens més rars com els anys tamanys (de traspàs) restringeix el seu rendiment, ja que l’IA no és capaç de fer les connexions conceptuals necessàries. Els resultats subratllen la necessitat de conjunts de dades més ric i dirigits i una reevaluació de la capacitat de l’IA per integrar raonament lògic i espacial, posant en evidència els riscos de dependre massa dels resultats de l’IA en tasques complexes. Saxena va destacar la necessitat de proves rigoroses, mecanismes de seguretat i supervisió humana freqüent quan l’IA ha d’utilitzar percepció i raonament exacte conjuntament.