Nový výzkum identifikoval soubor úkolů, které lidé zvládají bez problémů, ale umělá inteligence (AI) má s jejich plněním potíže — konkrétně čtení analogových hodinek a určování dne v týdnu podle daného data. Ačkoli AI dokáže generovat kód, obrázky, text podobný lidskému a dokonce složit zkoušky v různé míře, často nesprávně interpretují polohy ručiček na hodinách a nezvládají základní aritmetiku kalendáře. Studie, která byla představena na Mezinárodní konferenci o reprezentacích učení (ICLR) v roce 2025 a publikována na preprintovém serveru arXiv (ještě nepodrobena recenznímu řízení), poukazuje na zásadní mezery v schopnostech AI vykonávat úkoly, jež lidé zvládají již v raném věku. Hlavní autor Rohit Saxena z University of Edinburgh zdůraznil, že tyto nedostatky je nutné řešit, aby bylo možné AI efektivně využívat v časově citlivých a reálných situacích, jako je plánování, automatizace nebo asistenční technologie. Výzkumníci otestovali různé multimodální velké jazykové modely (MLLM), včetně Meta’s Llama 3. 2-Vision, Anthropic’s Claude-3. 5 Sonnet, Google’s Gemini 2. 0 a OpenAI’s GPT-4o, pomocí vlastního souboru dat obsahujícího obrázky hodinek a kalendářů. Modely se ve více než polovině případů nepodařilo správně určit čas na hodinkách nebo určit den v týdnu podle vzorových dat, s úspěšností pouze 38, 7 % u hodin a 26, 3 % u kalendářních úkolů. Saxena vysvětlil, že špatné čtení hodin souvisí s nedostatkem prostorového uvažování u AI — úkoly vyžadující rozpoznání překrývajících se ručiček, měření úhlů a interpretaci různých typů hodinek, jako jsou římské číslice nebo stylizované ciferníky. Rozpoznání obrázku jako hodinek je pro AI jednodušší než jejich přesné čtení.

Podobně, i když je aritmetika základem informatiky, velké jazykové modely nevykonávají výpočty pomocí algoritmů; místo toho předpovídají výstupy na základě vzorů ve svém tréninkovém souboru dat. To způsobuje nesourodé a nereálně odvozené uvažování, což vysvětluje vysokou míru selhání při aritmetických úkolech souvisejících s daty. Tato studie přispívá k narůstajícím důkazům, že způsob „porozumění“ AI je zásadně odlišný od lidské kognice. AI vyniká ve chvílích, kdy má k dispozici bohaté tréninkové vzory, ale má problémy s abstraktním uvažováním a zobecněním, zvláště u úkolů, které kombinují vnímání s přesnou logikou. Navíc omezené množství tréninkových dat o méně běžných jevech, jako jsou přestupné roky, dále brzdí její výkon, protože AI nedokáže navázat potřebné konceptuální spojitosti. Zjištění zdůrazňují potřebu bohatších a cílenějších datových sad a přehodnocení schopností AI začlenit logické a prostorové uvažování, přičemž upozorňují na rizika nadměrného spoléhání se na výstupy AI u složitých úkolů. Saxena klade důraz na nutnost důkladného testování, záložních mechanismů a častého dohledu člověka, když je AI pověřena kombinací vnímání a přesného uvažování.