Nieuw onderzoek heeft vastgesteld dat mensen moeiteloos een reeks taken uitvoeren, waar kunstmatige intelligentie (AI) moeite mee heeft—met name het lezen van analoge klokken en het bepalen van de dag van de week voor een gegeven datum. Hoewel AI code, beelden, mensachtige teksten kan genereren en zelfs met wisselend succes toetsen kan doorstaan, interpreteert het vaak de posities van de klokwijzers verkeerd en faalt in basale kalenderberekeningen. Het onderzoek, gepresenteerd op de Internationale Conferentie over Leerrepresentaties (ICLR) 2025 en gepubliceerd op de preprint-server arXiv (nog niet peer-reviewed), benadrukt grote hiaten in het vermogen van AI om taken uit te voeren die mensen al op jonge leeftijd onder de knie krijgen. Lead-auteur Rohit Saxena van de Universiteit van Edinburgh benadrukte dat deze tekortkomingen aangepakt moeten worden zodat AI effectief toegepast kan worden in tijdsgevoelige en praktische situaties zoals planning, automatisering en assistentie-technologieën. De onderzoekers testten verschillende multimodale grote taalmodellen (MLLMs)—onder andere Meta’s Llama 3. 2-Vision, Anthropic’s Claude-3. 5 Sonnet, Google’s Gemini 2. 0 en OpenAI’s GPT-4o—met behulp van een aangepaste dataset van klok- en kalenderbeelden. De modellen faalden erin om de juiste kloktijden te herkennen of de weekdagen voor voorbeelddata te bepalen, meer dan de helft van de tijd, met nauwkeurigheidspercentages van slechts 38, 7% voor klokken en 26, 3% voor kalendertaken. Saxena legde uit dat het slechte kloklezen door AI komt doordat het gebrek heeft aan ruimtelijk redeneren—taken waarbij overlapping van wijzers, hoekmetingen en het interpreteren van diverse klokontwerpen, zoals Romeinse cijfers of gestileerde wijzerplaten, vereist zijn. Een afbeelding als een klok herkennen is voor AI makkelijker dan deze nauwkeurig lezen.

Evenzo, hoewel rekenen fundamenteel is voor computing, voeren grote taalmodellen geen berekeningen uit via algoritmes; in plaats daarvan voorspellen ze uitkomsten op basis van patronen in trainingsgegevens. Dit leidt tot inconsistente en niet-regel-gebonden redeneringen, wat de hoge foutenpercentages bij datumgerelateerde berekeningen verklaart. Dit onderzoek voegt zich bij de toenemende bewijzen dat de manier waarop AI “begrijpt” fundamenteel verschilt van menselijke cognitie. AI blinkt uit wanneer er veel trainingsvoorbeelden beschikbaar zijn, maar heeft moeite met abstract redeneren en generalisatie, vooral bij taken die perceptie combineren met precieze logica. Bovendien beperkt de beperkte hoeveelheid trainingsgegevens over zeldzamere verschijnselen zoals schrikkeljaren de prestaties, omdat AI niet in staat is om de noodzakelijke conceptuele verbanden te leggen. De bevindingen onderstrepen de noodzaak van rijkere, gerichte datasets en een herwaardering van AI’s vermogen om logische en ruimtelijke redeneringen te integreren, waarmee de risico’s van overmatige afhankelijkheid van AI-uitvoer bij complexe taken benadrukt worden. Saxena benadrukte dat rigoureus testen, fallback-mechanismen en vaak menselijk toezicht noodzakelijk zijn wanneer AI wordt ingezet voor het combineren van perceptie en exact redeneren.