La nueva investigación ha identificado un conjunto de tareas que los humanos manejan con facilidad pero con las que la inteligencia artificial (IA) tiene dificultades—específicamente leer relojes analógicos y determinar el día de la semana para una fecha dada. Aunque la IA puede generar código, imágenes, textos similares a los humanos e incluso aprobar exámenes en diversos grados, con frecuencia malinterpreta las posiciones de las agujas del reloj y falla en operaciones aritméticas básicas del calendario. Presentado en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR) 2025 y publicado en el servidor de preprints arXiv (aún no revisado por pares), el estudio destaca importantes brechas en la capacidad de la IA para realizar tareas que los humanos dominan desde temprana edad. Rohit Saxena, autor principal del estudio y de la Universidad de Edimburgo, enfatizó que estos fallos deben abordarse para que la IA pueda aplicarse de manera efectiva en contextos sensibles al tiempo y del mundo real, como programación, automatización y tecnologías asistivas. Los investigadores evaluaron varios modelos multimodales de lenguaje grande (MLLMs), incluyendo Llama 3. 2-Vision de Meta, Claude-3. 5 Sonnet de Anthropic, Gemini 2. 0 de Google y GPT-4o de OpenAI, usando un conjunto de datos personalizado de imágenes de relojes y calendarios. Los modelos fallaron en identificar correctamente las horas del reloj o determinar los días de la semana para fechas de muestra en más de la mitad de los casos, alcanzando tasas de precisión de solo 38. 7% en relojes y 26. 3% en tareas de calendario. Saxena explicó que la pobre capacidad de lectura de relojes de la IA se debe a su falta de razonamiento espacial—tareas que requieren detectar sobreposiciones de agujas, medición de ángulos e interpretación de diversos diseños de relojes, como números romanos o cuadrantes estilizados. Reconocer una imagen como un reloj es más fácil para la IA que leerlo con precisión.

De manera similar, a pesar de que la aritmética es fundamental en la computación, los modelos de lenguaje grande no realizan cálculos mediante algoritmos; en su lugar, predicen resultados basados en patrones de datos de entrenamiento. Esto conduce a razonamientos inconsistentes y no basados en reglas, explicando las altas tasas de fallo en operaciones aritméticas relacionadas con fechas. Este estudio se suma a la creciente evidencia de que la forma en que la IA “entiende” difiere fundamentalmente de la cognición humana. La IA destaca cuando existen ejemplos de entrenamiento abundantes, pero tiene dificultades con el razonamiento abstracto y la generalización, especialmente en tareas que combinan percepción con lógica precisa. Además, la limitada cantidad de datos de entrenamiento sobre fenómenos raros como los años bisiestos afecta su rendimiento, ya que la IA no logra establecer las conexiones conceptuales necesarias. Los hallazgos subrayan la necesidad de conjuntos de datos más ricos y específicos, así como de una reevaluación de la capacidad de la IA para integrar razonamiento lógico y espacial, resaltando los riesgos de depender excesivamente de las salidas de la IA en tareas complejas. Saxena enfatizó la importancia de realizar pruebas rigurosas, contar con mecanismos de respaldo y mantener una supervisión humana frecuente cuando la IA tenga que combinar percepción y razonamiento exacto.