નવાં સંશોધનથી એવી કાર્યસೂચિ ઓળખંગી કે જે મનુષ્યો સરળતાથી કરી શકતા હોય પરંતુ કૃત્રિમ બુદ્ધિ (AI) માટે મુશ્કેલ હોય — ખાસ કરીને એનાલોગ ઘડિયાળ વાંચવી અને આપવામાં આવેલ તારીખ માટે સપ્તાહનો દિવસ αποφારવું. જો કે AI કોડ, છવાયો, માનવ-સમાન ટક્સ્ટ બનાવી શકે છે અને વિવિધ સ્તરે પરીક્ષાઓ પાસ કરી શકે છે, તે હજુ પણ ઘડિયાળનાોડીઓ专题推荐ણો ખોટા સમજી લે છે અને બેફામૅબર કેલેન્ડર ગણતરીમાં નિષ્ફળ રહેશે. આ સંશોધન ૨૦૨૫ ના આંતરસ્ત્રીય શૈક્ષણિક પ્રતિનિધિત્વ મીટિંગ (ICLR) ખાતે રજૂ કરવામાં આવ્યું હતું અને arXiv પર પ્રકાશિત (હજી પીયર-રિવ્યુ ન થયેલું), જેમાં માનવોએ જીવનના આરંભમાં કી રીતે કરી લેતા કાર્યો પર AI ની ક્ષમતા પર મહત્ત્વપૂર્ણ ઊંડીખબરી આપવામાં આવી છે. એડિનબર્ગ યુનિવર્સિટીનું મુખ્ય લેખક રોનીટ સક્સેના ભારમ્યા વીતેલા કે AIની આ ખામીઓ પર قابૂ પણ લાવવી આવશ્યક છે, ખાસ કરીને સમયસંવેદનશીલ કાર્યગાળાં, આપમેળે સેટિંગ, અને સહાયકારક ટેકનોલોજીજ જેવા પ્રસંગોમાં. જ્યાં સુધી સંશોધકોએ વિવિધ મલ્ટિ મીડિયલ મોટી ભાષા મોડલ્સ (MLLMs) — જેમાં Meta નું લલમા 3. 2-વિઝન, Anthropic ની ક્લોડ-3. 5 સોનેટ, Google નું જયેમીણી 2. 0 અને OpenAI નું GPT-4o સમાવેશ થાય છે — એક કસ્ટમ ડેટાસેટ પર ઘડિયાળ અને કેલેન્ડર છબીઓ સાથે ટેસ્ટ લીધું, કે જેમાં તેમના પૃથ્વી પર હુકમથી ઘડિયાળની સમયાવસ્થા ઓળખવા અથવા તારીખ પ્રમાણે વર્તમાન દિવસ વાંચવા માટેના પ્રયાસો સામેલ હતાં. આ મોડેલો લગભગ અડધા સમયગાળામાં સમય આવતાં ઓળખી શકાય તેવું ન હતું, જેમાં ઘડિયાળમાં માત્ર 38. 7% સાચું હતું અને કેલેન્ડર કાર્યોમાં 26. 3% ઉપરાંત. સક્સેના જણાવ્યું કે AI ની ઘડિયાળ વાંચવાની કમજોરી તેની સ્થાનીક વિચાર કરવાની ક્ષમતા ન હોવાને કારણે છે — જે કામોOverlap હથઓ, કૌણતાના માપદંડો અને વિવિધ ઘડિયાળ ડિઝાઇન, જેમ કે રોમેન અંકો અથવા સ્ટાઇલાઇઝેડ ડાયલ્સ, ઓળખવા માટે જરૂરી છે. AI માટે છબી ને એક ઘડીયાળ તરીકે ઓળખવું સરળ છે, તે વાંચવાને તુલનામાં મુશ્કેલ છે.

આ ઉપરાંત, ગણિત મૂળભૂત રીતે કમ્પ્યૂટિંગ માટે ખૂબ મહત્વપૂર્ણ છે, પરંતુ મોટા ભાષા મોડેલ્સ ગણતરીઓ алгоритમ દ્વારા નથી કરતાં; તે તેના પર ટ્રેનિંગ ડેટાની પેટર્ન્સના આધારે પરિણામનો અંદાજ લગાવે છે. આ ખામી નિયમિત ગણતરી ન કરીને અસંયમિત અને નીતિ-અનુસરોવાળી તર્કવિચારો પ્રદાન કરે છે, જે તારીખ સંબંધિત ગુણાંકારીઓ પર અંગત અસફળતાનું કારણ બની શકે છે. આ સંશોધન વધતી સાબીતીઓમાં એક ઉમેરો છે કે AI નું “સમઝાણું” માનવ બુદ્ધિથી મૂળભૂત રીતે ભિન્ન છે. AI તે સમયે ઉત્તમ પરફોર્મ કરે છે જ્યારે પૂરતી ટ્રેનિંગ ઉદાહરણો હોય, પરંતુ તે સિદ્ધાંતો અને સામાન્યકરણમાં મુશ્કેલીઓ અનુભવે છે, ખાસ કરીને જે કાર્યો માનવીના પ્રતિબિંબ સાથે સ્પષ્ટ મોર્ચાંમાં છે. વધુમાં, એયાતેળી વર્ષો જેવા દુર્લભ પરિઘ પર ટ્રેનિંગ ડેટાનું અભાવ પ્રદર્શનને અવરોધીત creates, કારણ કે AI જરૂરી ધારણા જોડાણો બનાવવામાં અસક્ષમ રહે છે. આ શોધો માટે વધુ સમૃદ્ધ, નિર્ધારિત ડેટાસેટ્સ અને AIની લૉજિક અને સ્થાનીક વિચારક્ષમતા સાથે સંકલન ક્ષમતા શું છે તેનો પુનઃમૂલ્યાંકન કરવાની આવશ્યકતા પર ભાર મુકવામાં આવી છે, જેમાં જટિલ કાર્યોમાં AIના આઉટપુટ્સ પર વધુ ఆధાર રાખવાનો જોખમ છે. સક્સેના જણાવ્યું કે, કઠણ પરિક્ષાઓ, સુરક્ષિત ફોલબેક અને માનવની દેખરેખ જરૂરી છે જ્યારે AI તેનાથી મ્હોર કરવાનું હોય અને સાચી સમજણ અને દૃષ્ટિદોષ બંને સાથે મુશ્કેલ કાર્ય કરે.