Naujiems tyrimams pavyko nustatyti miškinį uždavinių rinkinį, kurį žmonės atlieka be jokių pastangų, tačiau dirbtinis intelektas (DI) su jais susiduria su sunkumais – būtent skaitant analoginius laikrodžius ir nustatant savaitės dieną konkrečia data. Nors DI gali generuoti kodą, vaizdus, žmogaus stiliaus tekstą ir netgi įveikti egzaminus įvairiais būdais, jis dažnai neteisingai interpretuoja laikrodžio rankų padėtį ir nesugeba atlikti pagrindinių kalendoriaus aritmetikos užduočių. Šis tyrimas, pristatytas 2025 metų Tarptautinėje Mokymosi Atvaizdų Konferencijoje (ICLR) ir paskelbtas preprint serveryje arXiv (dar ne peržiūrėtas), paryškina reikšmingas spragas DI gebėjime atlikti užduotis, kurias žmonės įvaldo anksti gyvenimo metais. Pagrindinis autoriaus Rohito Saxenos iš Edinburgo universiteto teigimu, šie trūkumai turi būti pašalinti, kad DI galėtų veiksmingai pritaikyti savo galimybes realiuoju laiku ir gyvenimo situacijose, tokiose kaip tvarkaraščių sudarymas, automatikos sprendimai ir pagalbinės technologijos. Mokslininkai išbandė įvairius daugialypius didelius kalbos modelius (MLLMs) – tarp jų Meta Llama 3. 2-Vision, Anthropic Claude-3. 5 Sonnet, Google Gemini 2. 0 ir OpenAI GPT-4o – naudojant specialiai sukurtą duomenų rinkinį su laikrodžių ir kalendorių vaizdais. Šie modeliai dažnai nesugebėjo tiksliai nustatyti laikrodžio laiko ar išsiaiškinti savaitės dienos pagal pavyzdines datas, tikslumo rodikliai siekė tik 38, 7% laikrodžių ir 26, 3% kalendoriaus užduočių. Saxena paaiškino, kad DI prastas laikrodžio skaitymas kyla iš jo trūkumo erdviniame mąstyme – tai užduotys, reikalaujančios atpažinti persidengiančias rankas, matuoti kampus ir interpretuoti įvairius laikrodžių dizainus, tokius kaip romėniški skaitmenys ar stilizuoti laikrodžių ciferiai. Laikrodžio atpažinimas kaip vaizdo iš esmės yra paprastesnis užtikrinamas DI nei tikslus jo skaitimas.

Panašiai, nors aritmetika yra pagrindinis informacinių technologijų komponentas, dideli kalbos modeliai nesugeba atlikti skaičiavimų naudodamiesi algoritmais; jie apskaičiuoja rezultatus remdamiesi mokymo duomenų modeliais. Tai lemia nuoseklumo stoką ir nesilaiko taisyklių, kas paaiškina aukštą nesėkmių dažnį sprendžiant datos aritmetikos užduotis. Šis tyrimas papildomai sustiprina faktą, kad DI „supratimas“ iš esmės skiriasi nuo žmogaus pažinimo. DI gerai veikia, kai yra gausybė mokymosi pavyzdžių, tačiau sunkiai sekasi abstraktinis mąstymas ir plačioji generalizacija, ypač užduotyse, kuriose susijungia perceptacija ir tiksli logika. Dar blogiau, kad dėl riboto mokymo duomenų kiekio apie retesnius reiškinius, pavyzdžiui, keliamuosius metus, būklė blogėja, nes DI nesugeba atlikti būtinų konceptualių jungčių. Rezultatai pabrėžia būtinybę turėti turtingesnius ir tikslingesnius duomenų rinkinius bei peržiūrėti DI gebėjimą integruoti loginius ir erdvinius mąstymo būdus, nurodydami riziką pernelyg pasikliauti DI rezultatais sudėtingose užduotyse. Saxena pabrėžė, kad būtina taikyti kruopštus testavimą, užsibrėžti atsarginius mechanizmus ir dažnai įsikišti žmogui stebint, kai DI šiai dienai yra patikimas sprendžiant užduotis, reikalaujančias tiek perceptacijos, tiek tiksliojo mąstymo.