新たな研究により、人間は容易にこなす一方、人工知能（AI）が苦手とする一連のタスクが特定された。それは、アナログ時計の読み取りや、特定の日付から曜日を判断することである。AIはコードや画像、人間のような文章を生成したり、試験に合格したりすることもできるが、時計の針の位置を誤認したり、基本的なカレンダー計算に失敗したりすることが多い。 この研究は、2025年の国際学習表現会議（ICLR）で発表され、事前公開システムarXivに掲載されたもので（まだピアレビューは受けていない）、人間が幼い頃から習得しているタスクにおいて、AIの能力に著しいギャップがあることを示している。エディンバラ大学のロヒット・サクセナが主導したこの研究者は、こうした課題を克服しなければ、スケジューリングや自動化、補助技術といった時間や状況が迫る現実世界でのAIの効果的な応用は難しいと強調している。 研究者たちは、MetaのLlama 3. 2-Vision、AnthropicのClaude-3. 5 Sonnet、GoogleのGemini 2. 0、OpenAIのGPT-4oなど、さまざまなマルチモーダル大規模言語モデル（MLLM）を、時計やカレンダー画像のカスタムデータセットを用いてテストした。結果、これらのモデルは、サンプルの時計の時刻や日付の曜日を半分以上正しく識別できず、時計の読み取り精度は38. 7％、カレンダーの曜日判定は26. 3％と低い結果となった。 サクセナは、AIの時計読み取りが不十分な原因は、空間的推論能力の欠如にあると説明している。この能力は、重なり合った針の検出や角度測定、多様なデザイン（ローマ数字やスタイリッシュなダイヤルなど）の解釈を必要とする。画像を時計と認識させることはAIにとって比較的簡単だが、正確に読み取ることは難しい。類似して、算数はコンピューターの基本的な能力であるにもかかわらず、大規模言語モデルは計算をアルゴリズムで行うのではなく、訓練データのパターンから出力を予測しているため、ルールに基づかない推論や一貫性のない答えに陥りやすく、日付や時間を使った計算で高い失敗率を示す。 この研究は、AIの「理解」の仕組みが人間の認知と根本的に異なることを示す証拠の一つである。AIは大量の訓練例があれば高性能を発揮するが、抽象的推論や一般化には苦手であり、特に認識と正確な論理が混在するタスクでは弱い。また、うるう年など稀な現象に関する訓練データが少ないため、必要な概念的つながりを学習できずにパフォーマンスが妨げられる。 これらの結果は、より豊かでターゲットを絞ったデータセットの必要性や、論理的・空間的推論をAIに融合させる能力の再評価の重要性を示している。特に、複雑なタスクにおいてAIの出力を過信するリスクも指摘されている。サクセナは、知覚と正確な推論を組み合わせるAIには、厳格なテストやフォールバック機構、そしてヒューマンの監督を頻繁に取り入れる必要性を強調した。