Jaunāki pētījumi ir identificējuši virkni uzdevumu, ar kuriem cilvēki viegli tiek galā, bet mākslīgajai inteliģencei (MI) tas sagādā grūtības — īpaši lasīt analogo pulksteņu un noteikt nedēļas dienu pēc konkrēta datuma. Lai gan MI spēj ģenerēt kodu, attēlus, cilvēka stilā rakstītu tekstu un pat veiksmīgi izturēt pārbaudes ar dažādu pakāpi, tā bieži nepareizi interpretē pulksteņu rokas un neizpilda vienkāršus kalendārajuartēģijas uzdevumus. Šis pētījums, kas prezentēts 2025. gada Starptautiskajā mācīšanas reprezentāciju konferencē (ICLR) un publicēts preprint serverī arXiv (vēl nav pārskatīts kolēģu vērtējumā), uzsver būtiskas plaisas MI spējās veikt uzdevumus, kuri ar vieglumu pārvalda cilvēki jau agrīnā vecumā. Galvenais autore Rohit Saxena no Edinburgas universitātes uzsvēra, ka šos trūkumus ir jārisina, lai MI varētu efektīvi izmantot laika ziņā kritiskās un reālās pasaules jomās, piemēram, plānošanā, automatizācijā un palīgtehnoloģijās. Pētnieki pārbaudīja dažādus multimodālos plašās valodu modeļus (MLLM) — tostarp Meta Llama 3. 2-Vision, Anthropic Claude-3. 5 Sonnet, Google Gemini 2. 0 un OpenAI GPT-4o — izmantojot pielāgotu datu kopu ar pulksteņu un kalendāru attēliem. Modeļi vairāk nekā pusei gadījumu nepareizi identificēja pulksteņa laiku vai dienu pēc parauga datumiem, ar precizitātes rādītājiem tikai 38, 7% pulksteņiem un 26, 3% kalendāra uzdevumiem. Saxena skaidroja, ka MI sliktais pulksteņu lasīšanas spējas ir saistītas ar tās nespēju veikt telpisko domāšanu — uzdevumiem, kas prasa pārklājošo roku noteikšanu, leņķu mērījumus un dažādu pulksteņu dizainu interpretāciju, piemēram, romiešu ciparus vai stilizētus ciparnīcas rāmjus. Attēla atpazīšana kā pulksteņa ir vieglāka MI nekā tas pareizi nolasīt.

Līdzīgi, lai arī aritmētika ir pamatota datorzinātnē, plašās valodu modeļi neveic aprēķinus ar algoritmiem; tās drīzāk paredz iznākumu, balstoties uz apmācības datu modeļiem. Tas noved pie nevienmērīgas un noteikumiem nepamatotas reasoninga, skaidrojot augsto neveiksmju līmeni ar datumu saistītos aritmētikas uzdevumos. Šis pētījums pievienojas arvien pieaugošiem pierādījumiem, ka MI “sapratne” pēc būtības atšķiras no cilvēka domāšanas procesiem. MI izdevīgāk ir, kad ir daudz apmācības piemēru, bet tas cieš no abstraktās domāšanas un vispārīgas generalizācijas grūtībām, īpaši uzdevumos, kuros mijiedarbojas uztvere un precīza loģika. Turklāt ierobežots datu daudzums par retāk sastopamiem fenomēniem, piemēram, lieguma gadiem, ierobežo MI spēju atrast nepieciešamās konceptuālās saistības. Rezultāti uzsver nepieciešamību pēc pilnvērtīgākiem, mērķtiecīgākiem datu kopumiem un pārskatīt MI spējas integrēt loģisko un telpisko domāšanu, kā arī uzsver riskus, kas saistīti ar pārlieku lielu uzticēšanos MI iznākumiem sarežģītos uzdevumos. Saxena uzsvēra, ka ir būtiski veikt rūpīgu testēšanu, ieviest aizvietošanas mehānismus un bieži vien nodrošināt cilvēka uzraudzību, kad MI tiek uzdoti uzdevumi, kas prasa uztveres un precīzas loģikas kombināciju.