Ny forskning har identifisert et sett oppgaver som mennesker håndterer uten problemer, men som kunstig intelligens (KI) sliter med — spesielt å lese analoge klokker og å fastslå ukedag for en gitt dato. Selv om KI kan generere kode, bilder, menneskelignende tekst, og til og med bestå eksamener i varierende grad, misforstår den ofte klokkeslett og feiler i grunnleggende kalenderregning. Studien, som ble presentert på den internasjonale konferansen for læringsrepresentasjoner (ICLR) i 2025 og publisert på preprint-serveren arXiv (enda ikke fagfellevurdert), peker på betydelige hull i KI sin evne til å utføre oppgaver mennesker mestrer tidlig i livet. Hovedforfatter Rohit Saxena ved University of Edinburgh understreket at disse manglene må adresseres for at KI skal kunne brukes effektivt i tidskritiske og virkelige situasjoner som planlegging, automatisering og assistive teknologier. Forskerne testet ulike multimodale store språkmodeller (MLLMs) — inkludert Metas Llama 3. 2-Vision, Anthropics Claude-3. 5 Sonnet, Googles Gemini 2. 0, og OpenAIs GPT-4o — ved hjelp av et tilpasset datasett med bilder av klokker og kalendere. Modellene klarte ikke å identifisere klokkeslett eller fastslå ukedager for utvalgte datoer mer enn halvparten av gangene, med nøyaktighetsgrader på bare 38, 7 % for klokker og 26, 3 % for kalenderoppgaver. Saxena forklarte at KI sin dårlige klokkelesing skyldes mangel på romlig resonnering — oppgaver som krever oppdaging av overlappende visere, måling av vinkler, og tolkning av ulike klokkoper, som romerske tall eller stiliserte skiver. Å gjenkjenne et bilde som en klokke er lettere for KI enn å lese den nøyaktig.

Tilsvarende, selv om aritmetikk er grunnleggende i databehandling, utfører ikke store språkmodeller utregninger gjennom algoritmer; i stedet forutser de utdata basert på mønstre i treningsdataene. Dette fører til inkonsekvent og ikke-regelstyrt resonnering, noe som forklarer høye feilrater på dato-relatert regning. Denne studien bidrar til økende bevis på at KI sin metode for "forståelse" skiller seg fundamentalt fra menneskelig kognisjon. KI er fremragende når det finnes rikelig med treningsdata, men sliter med abstrakt resonnering og generalisering, spesielt på oppgaver som blander persepsjon med presis logikk. Dessuten hemmer begrenset trening på sjeldnere fenomener, som skuddår, ytelsen, fordi KI ikke klarer å gjøre nødvendige konseptuelle koblinger. Funnene understreker behovet for rikere, målrettede datasett og en revurdering av KI sin evne til å integrere logisk og romlig resonnering, og belyser risikoen ved å overlenge tillitten til KI i komplekse oppgaver. Saxena påpekte nødvendigheten av grundige tester, fallback-mekanismer, og ofte menneskelig tilsyn når KI får i oppgave å kombinere persepsjon og nøyaktig resonnering.