Νέα έρευνα έχει εντοπίσει μια σειρά από εργασίες που οι άνθρωποι χειρίζονται αβίαστα αλλά η τεχνητή νοημοσύνη (ΤΝ) δυσκολεύεται—ειδικότερα η ανάγνωση αναλογικών ρολογιών και ο καθορισμός της ημέρας της εβδομάδας για μια δεδομένη ημερομηνία. Αν και η ΤΝ μπορεί να παράγει κώδικα, εικόνες, κείμενο παρόμοιο με ανθρώπινο και να περνά εξετάσεις σε διάφορους βαθμούς, συχνά παρερμηνεύει τις θέσεις των δεικτών του ρολογιού και αποτυγχάνει στις βασικές αριθμητικές του ημερολογίου. Η έρευνα παρουσιάστηκε στο Διεθνές Συνέδριο για τις Αναπαραστάσεις Μάθησης (ICLR) του 2025 και δημοσιεύτηκε στον προεκτυπωτικό server arXiv (δεν έχει ακόμη υποβληθεί σε αξιολόγηση από ομότιμους), και αναδεικνύει σημαντικά κενά στην ικανότητα της ΤΝ να εκτελεί εργασίες που οι άνθρωποι έχουν κατακτήσει από μικρή ηλικία. Ο επικεφαλής συγγραφέας Rohit Saxena από το Πανεπιστήμιο του Εδιμβούργου τόνισε ότι αυτά τα μειονεκτήματα πρέπει να αντιμετωπιστούν ώστε η ΤΝ να εφαρμοστεί αποτελεσματικά σε καταστάσεις με χρονική πίεση και σε πραγματικό κόσμο, όπως το προγραμματισμό, η αυτοματοποίηση και οι βοηθητικές τεχνολογίες. Οι ερευνητές δοκίμασαν διάφορα πολυτροπικά μεγάλα μοντέλα γλώσσας (MLLMs)—όπως το Llama 3. 2-Vision της Meta, το Claude-3. 5 Sonnet της Anthropic, το Gemini 2. 0 της Google και το GPT-4o της OpenAI—χρησιμοποιώντας ένα προσαρμοσμένο σύνολο δεδομένων με εικόνες ρολογιών και ημερολογίων. Τα μοντέλα απέτυχαν να αναγνωρίσουν σωστά τις ώρες των ρολογιών ή να προσδιορίσουν τις ημέρες της εβδομάδας για δείγματα ημερομηνιών πάνω από το μισό του χρόνου, με ποσοστά ακρίβειας μόλις 38, 7% για τις ώρες και 26, 3% για τις εργασίες με ημερολόγια. Ο Saxena εξήγησε ότι η κακή ανάγνωση ρολογιών από την ΤΝ προέρχεται από την έλλειψη χωρικής λογικής—εργασίες που απαιτούν την ανίχνευση των επικαλυπτόμενων δεικτών, τη μέτρηση γωνιών και την ερμηνεία διαφορετικών σχεδιασμών ρολογιού, όπως ρωμαϊκούς αριθμούς ή στιλιζαρισμένους δείκτες. Η αναγνώριση μιας εικόνας ως ρολόι είναι πιο εύκολη για την ΤΝ απ’ ό, τι η ακριβής ανάγνωσή της.

Ομοίως, αν και η αριθμητική είναι θεμελιώδης για τον υπολογισμό, τα μεγάλα μοντέλα γλώσσας δεν εκτελούν μαθηματικές πράξεις μέσω αλγορίθμων, αλλά προβλέπουν αποτελέσματα βάσει προτύπων εκπαιδευτικών δεδομένων. Αυτό οδηγεί σε ασυνέπεια και άρνηση βασισμένη σε κανόνες στη λογική, εξηγώντας τα υψηλά ποσοστά αποτυχίας σε αριθμητικές εργασίες σχετικές με ημερομηνίες. Αυτή η μελέτη συμπληρώνει τα ολοένα αυξανόμενα στοιχεία ότι ο τρόπος “κατανόησης” της ΤΝ διαφέρει θεμελιωδώς από την ανθρώπινη γνώση. Η ΤΝ διαπρέπει όταν υπάρχουν άφθοντα εκπαιδευτικά παραδείγματα, αλλά δυσκολεύεται με την αφαιρετική λογική και τη γενίκευση, ιδιαίτερα σε εργασίες που συνδυάζουν αντίληψη με ακριβή λογική. Επιπλέον, ο περιορισμένος όγκος δεδομένων για σπανιότερα φαινόμενα, όπως τα δίσεκτα έτη, εμποδίζει την απόδοση, καθώς η ΤΝ αποτυγχάνει να κάνει τις απαραίτητες εννοιολογικές συνδέσεις. Τα ευρήματα υπογραμμίζουν την ανάγκη για πιο πλούσια, στοχευμένα σύνολα δεδομένων και επανεξέταση των δυνατοτήτων της ΤΝ να ενσωματώνει λογική και χωρική λογική, επισημαίνοντας τους κινδύνους μιας υπερβολικής εξάρτησης από τα αποτελέσματα της ΤΝ σε πολύπλοκες εργασίες. Ο Saxena τόνισε την ανάγκη αυστηρών δοκιμών, μηχανισμών υποστήριξης και συχνά ανθρώπινης εποπτείας όταν η ΤΝ αναλαμβάνει εργασίες που απαιτούν συνδυασμό αντίληψης και ακριβούς λογικής.