Új kutatás azonosított olyan feladatokat, amelyeket az emberek könnyedén elvégeznek, de a mesterséges intelligencia (MI) nehezen tud megbirkózni velük – különösen az analóg órák olvasásával és a hét napjának meghatározásával adott dátum esetén. Bár az MI képes kódokat, képeket, emberhez hasonló szövegeket generálni, sőt vizsgákat is sikeresen letesz különböző szinteken, gyakran tévesen értelmezi az órák mutatóinak helyzetét és alapvető naptárműveleteket is hibázik. Az 2025-ös Nemzetközi Tanulási Megjelenítések Konferenciáján (ICLR) bemutatott, az arXiv preprint szerveren publikált (még nem peer-reviewed) tanulmány kiemeli az MI képességeiben mutatkozó jelentős hiányosságokat, amelyek azokat a feladatokat érintik, amelyeket az emberek már fiatal korban magabiztosan elsajátítanak. Rohit Saxena, az Edinburghi Egyetem vezető szerzője hangsúlyozta, hogy ezeket a hiányosságokat fel kell tárni, hogy az MI hatékonyan alkalmazható legyen olyan időérzékeny és való életbeli kontextusokban, mint a tervezés, az automatizálás vagy az asszisztens technológiák. A kutatók különböző multimodális nagyméretű nyelvi modelleket (MLLM-eket) teszteltek – többek között a Meta Llama 3. 2-Vision, az Anthropic Claude-3. 5 Sonnet, a Google Gemini 2. 0 és az OpenAI GPT-4o modelleket – saját készítésű órás és naptárképekkel szemben. A modellek több mint fele nem tudta helyesen felismerni az óra időpontját vagy a hét napját a mintadátumokon, mindössze 38, 7%-os pontossággal a órák esetében és 26, 3%-kal a naptári feladatoknál. Saxena kiemelte, hogy az MI gyenge óraszámolási képességeinek hátterében az áll, hogy nem rendelkezik térbeli érvelési képességekkel – olyan feladatokkal, amelyek az átfedő mutatók és szögmérések észlelését, valamint a különböző óraformátumok, például római számok vagy stilizált számlapok felismerését igénylik. Egy kép óragyaként való felismerése könnyebb az MI számára, mint pontosan olvasni.

Hasonlóképpen, bár az aritmetika alapvető szerepet tölt be a számítástechnikában, a nagy nyelvi modellek nem algoritmusok segítségével végzik a számításokat; inkább a tanulási adatok mintázataiból próbálják megjósolni az eredményeket. Ez a megközelítés következetlen és nem szabályalapú érveléshez vezet, ami magas kudarcarányokat eredményez az időhöz kötött műveletek esetében. Ez a tanulmány tovább növeli azokat a bizonyítékokat, hogy az MI „értelmezése” alapvetően eltér az emberi kogníciótól. Az MI akkor performál jól, amikor sok példán keresztül tanult, de nehezebb vele az absztrakt érvelés és a generalizálás, különösen azokban a feladatokban, amelyek a percepciót és a precíz logikát ötvözik. Emellett a ritkább jelenségekről, például szökőévekről rendelkezésre álló korlátozott adatok miatt az MI gyengébben teljesít, mivel nem képes megfelelően összekapcsolni a fogalmakat. A megállapítások hangsúlyozzák, hogy szükség van gazdagabb, célzott adatkészletekre, illetve az MI képességeinek újraértékelésére, különösen a logikus és térbeli érvelés integrálásában, valamint arra is, hogy figyelmeztessenek az túlzott megbízás kockázataira az összetett feladatok végrehajtásában. Saxena kiemelte, hogy szigorú tesztekre, biztonsági mechanizmusokra és gyakran emberi felügyeletre van szükség, amikor az MI-t a percepciót és az abszolút logikai műveleteket együttesen kell alkalmazni.