Ново истражување идентификува сет на задачи што луѓето ги извршуваат без напор, а вештачката интелигенција (ВИ) се мачи со нив — особено читање на аналоги часовници и одредување на денот од неделата за даден датум. Иако ВИ може да генерира код, слики, текст сличен на човечкиот, па дури и да полага тестови во различни степени, често погрешно интерпретира позиција на индикаторите на часовникот и не успева во основната аритметика за календар. Истражувањето, претставено на Меѓународната конференција за претставување на учењето (ICLR) во 2025 година и објавено на претскандалскиот сервер arXiv (сè уште не е рецензирано), ја нагласува значајната празнина во способностите на ВИ да извршува задачи кои луѓето ги совладале рано во животот. Водечкиот автор Рохит Сахена од Универзитетот во Единбург истакна дека овие недостатоци мора да се решат за ВИ да се користи ефикасно во контексти кои бараат брза реакција и работа во реални услови како планери, автоматизација и асистивни технологии. Истражувачите тестираа различни мултимодални големи јазици модели (MLLM) — меѓу кои Meta’s Llama 3. 2-Vision, Anthropic’s Claude-3. 5 Sonnet, Google’s Gemini 2. 0 и OpenAI’s GPT-4o — користејќи уникатен сет на податоци со слики од часовници и календари. Моделите не успеаја во повеќе од половина од случаите да правилно идентификуваат времето на часовникот или да одредат деновите од неделата за примерни датуми, со точност од само 38, 7% за часовници и 26, 3% за календарски задачи. Сахена објасни дека слабоста во читањето часовници кај ВИ произлегува од недостатокот на просторно размислување — задачи што бараат откривање на преклопувањето на индикаторите, мерење на агли и интерпретирање на различни дизајни на часовници, како што се римските броеви или стилизирани цинингери. Препознавањето на сликата како часовник е полесно за ВИ отколку точното читање.

Исто така, иако аритметиката е основна за пресметките, големите јазични модели не извршуваат пресметки преку алгоритми; наместо тоа, тие предвидуваат исклучоци според обрасците во тренирачките податоци. Овој пристап доведува до неконзистентни и непредвидливи заклучоци, што објаснува високите стапки на неуспех на задачи поврзани со датумите. Овој наод ги засилува доказите дека начинот на „разбирање“ на ВИ значително се разликува од човечкото когниција. ВИ се покажува како особено ефективна кога постојат многу примери за тренирање, но се мачи со апстрактно размислување и генерализација, особено во задачи кои ги комбинираат перцепцијата со прецизна логика. Дополнително, ограничените податоци за ретки феномени како престојните години го ограничуваат учењето, бидејќи ВИ не може да направи потребните концептуални врски. Овие резултати нагласуваат потреба од поспеодржни, фокусирани бази на податоци и повторна евалуација на способностите на ВИ да интегрира логичко и просторен размислување, со акцент на ризиците од прекумерна зависност од нивните аутпутови во сложени задачи. Сахена истакна дека е неопходно да се спроведуваат строги тестирања, механизми за исклучување и често човечко надгледување кога ВИ е во прашање за комбинирање на перцепцијата со прецизно размислување.