Penelitian terbaru telah mengidentifikasi serangkaian tugas yang dapat dilakukan manusia dengan mudah tetapi sulit bagi kecerdasan buatan (AI)—khususnya membaca jam analog dan menentukan hari dalam seminggu untuk tanggal tertentu. Meski AI mampu menghasilkan kode, gambar, teks yang menyerupai manusia, dan bahkan lulus ujian dengan tingkat keberhasilan yang bervariasi, alat ini sering kali salah menafsirkan posisi jarum jam dan gagal melakukan operasi dasar kalender. Studi ini dipresentasikan pada International Conference on Learning Representations (ICLR) 2025 dan dipublikasi di server preprint arXiv (belum melalui proses peer review). Temuan ini menyoroti kesenjangan signifikan dalam kemampuan AI untuk menyelesaikan tugas yang dikuasai manusia sejak usia dini. Rohit Saxena dari University of Edinburgh, sebagai penulis utama, menegaskan bahwa kekurangan ini harus diperbaiki agar AI dapat diterapkan secara efektif dalam konteks yang sensitif waktu dan dunia nyata seperti penjadwalan, otomasi, dan teknologi asistif. Para peneliti menguji berbagai model bahasa besar multimodal (MLLM)—termasuk Llama 3. 2-Vision dari Meta, Claude-3. 5 Sonnet dari Anthropic, Gemini 2. 0 dari Google, dan GPT-4o dari OpenAI—menggunakan dataset khusus berisi gambar jam dan kalender. Model-model tersebut gagal mengenali waktu pada jam atau menentukan hari dalam seminggu untuk tanggal sampel lebih dari setengah waktu, dengan tingkat akurasi hanya 38, 7% untuk jam dan 26, 3% untuk tugas kalender. Saxena menjelaskan bahwa ketidakmampuan AI dalam membaca jam berasal dari kurangnya penalaran spasial—tugas yang memerlukan deteksi jarum yang saling tumpang tindih, pengukuran sudut, dan interpretasi berbagai desain jam, seperti angka Romawi atau dial yang bergaya. Mengenali sebuah gambar sebagai jam lebih mudah bagi AI daripada membacanya secara akurat.

Begitu pula, meskipun aritmatika merupakan dasar komputasi, model bahasa besar tidak melakukan perhitungan menggunakan algoritma; sebaliknya, mereka memprediksi output berdasarkan pola data latihan. Hal ini menyebabkan penalaran yang tidak konsisten dan tidak berdasarkan aturan, menjelaskan tingkat kegagalan yang tinggi dalam operasi aritmatika terkait tanggal. Studi ini menambah bukti yang semakin banyak bahwa cara AI “memahami” dunia berbeda secara fundamental dari kognisi manusia. AI unggul ketika tersedia banyak contoh latihan, tetapi mengalami kesulitan dengan penalaran abstrak dan generalisasi, terutama pada tugas yang memadukan persepsi dan logika yang tepat. Selain itu, terbatasnya data latihan mengenai fenomena yang jarang terjadi, seperti tahun kabisat, menghambat kinerjanya, karena AI gagal membuat koneksi konseptual yang diperlukan. Temuan ini menegaskan perlunya dataset yang lebih kaya dan terarah serta evaluasi kembali kemampuan AI untuk mengintegrasikan penalaran logis dan spasial, serta memperingatkan risiko terlalu bergantung pada output AI dalam tugas-tugas kompleks. Saxena menekankan pentingnya pengujian yang ketat, mekanisme cadangan, dan pengawasan manusia secara rutin ketika AI ditugaskan menggabungkan persepsi dan penalaran yang tepat.