Nova istraživanja identificirala su skup zadataka s kojima se ljudi bez napora snalaze, ali se umjetna inteligencija (AI) s tim teškoćama suočava — konkretno čitanje analognih satova i određivanje dana u tjednu za zadani datum. Iako AI može generirati kod, slike, tekst sličan ljudskom, pa čak i prolaziti ispite u različitim stupnjevima, često krivo tumači položaj kazaljki na satu i ne uspijeva u osnovnim kalendarskim matematikama. Ova studija, predstavljena na Međunarodnoj konferenciji o reprezentacijama učenja 2025. godine (ICLR) i objavljena na serverskoj platformi arXiv (još nije recenzirana), ističe ozbiljne praznine u sposobnosti AI-a da obavlja zadatke kojima se ljudi već u ranoj dobi snalaze. Glavni autor Rohit Saxena s Filozofskog fakulteta u Edinburghu istaknuo je da je potrebno riješiti te nedostatke kako bi se AI učinkovito primjenjivao u vremenski osjetljivim i stvarnim kontekstima poput zakazivanja, automatizacije i asistivnih tehnologija. Istraživači su testirali razne multimodalne velike jezičke modele (MLLM) — uključujući Meta-in Llama 3. 2-Vision, Anthropic-ov Claude-3. 5 Sonnet, Google-ov Gemini 2. 0 te OpenAI-jev GPT-4o — koristeći prilagođeni skup podataka s slikama satova i kalendara. Ti su modeli u više od polovice slučajeva pogrešno prepoznali vrijeme na satu ili odredili dane u tjednu za uzorke datuma, s točnošću od samo 38, 7% za satove i 26, 3% za zadatke s kalendara. Saxena je objasnio da AI-loše čitanje satova proizlazi iz nedostatka prostornog razmišljanja — zadataka koji zahtijevaju prepoznavanje preklapajućih kazaljki, mjerenje kutova i interpretaciju različitih dizajna satova, poput rimskih brojeva ili stiliziranih brojčanika. Prepoznavanje slike kao sata lakše je za AI od točnog čitanja.

Slično tomu, iako je aritmetika temelj računanja, veliki jezički modeli ne vrše izračune putem algoritama; umjesto toga, predviđaju rezultate na temelju uzoraka u trening podacima. To dovodi do nesistematskog i nepoštujućeg razmišljanja, što objašnjava visoke stope neuspjeha kod date povezane matematike. Ova studija pridonosi rastućim dokazima da način na koji AI „razumije“ značajno differs od ljudske kognicije. AI odlično funkcionira kada postoji velik broj primjera za treniranje, ali ima poteškoća s apstraktnim razmišljanjem i generalizacijom, osobito kod zadataka koji kombiniraju percepciju s preciznom logikom. Nadalje, ograničeni skupovi podataka za rjeđe pojave poput prijestupnih godina otežavaju performanse, jer AI ne može uspostaviti potrebne konceptualne veze. Ovi nalazi ističu potrebu za bogatijim i ciljanim skupovima podataka te za preispitivanjem mogućnosti AI-a da integrira logičko i prostorno razmišljanje, naglašavajući rizike prevelikog oslanjanja na AI izlaze u složenim zadacima. Saxena je istaknuo da je nužno provođenje rigoroznih testova, uvođenje mehanizama za povrat, te redoviti nadzor ljudi u slučajevima kada AI mora kombinirati percepciju i točno razmišljanje.