ਨਵੀਂ ਖੋਜ ਵਿੱਚ ਉਹ ਕੁਝ ਕਾਮ ਮੌਜੂਦ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਨੁੱਖ ਬਿਨਾਂ ਔਖੇਦ ਦੇ ਨਿਰੀਕਸ਼ਣ ਕਰਦੇ ਹਨ, ਪਰ ਕਿਰਿਤ੍ਰੀ ਬੁੱਝਮਤਾ (AI) ਨਾਲ ਸਮੱਸਿਆ ਹੈ—ਖਾਸ ਕਰਕੇ ਐਨਾਲੋਗ ਘੜੀਆਂ ਢੁਕਵਾਂ ਪੜ੍ਹਨਾ ਅਤੇ ਦਿੱਤੀ ਗਈ ਤਾਰੀਖ ਲਈ ਹਫ਼ਤੇ ਦਾ ਦਿਨ ਨਿਰਣਯ ਕਰਨਾ। ਹਾਲਾਂਕਿ AI ਕੋਡ, ਤਸਵੀਰਾਂ, ਮਨੁੱਖ-जਿਹੀ ਟੈਕਸਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਵੱਖ-ਵੱਖ ਮਿਆਰੀਆਂ ਪ੍ਰੀਖਿਆਵਾਂ ਨੂੰ ਪਾਰ ਕਰ ਸਕਦਾ ਹੈ, ਬਾਵਜੂਦ ਇਹ ਅਕਸਰ ਘੜੀ ਬੱਲਿਆਂ ਦੀ ਸਥਿਤੀ ਨੂੰ ਗਲਤ ਸਮਝਦਾ ਹੈ ਅਤੇ ਬੁਨਿਆਦੀ ਕੈਲੰਡਰ ਗਣਿਤ ਵਿੱਚ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ। 2025 ਦੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੂਚਨਾ ਪ੍ਰਦਰਸ਼ਨ ਸੰਮੇਲਨ (ICLR) ਵਿੱਚ ਪ੍ਰਸਤੁਤ ਅਤੇ arXiv (ਜਿਸ ਨੂੰ ਅਜੇ ਪੀਅਰ-ਰੇਵਿਊ ਨਹੀਂ ਮਿਲਿਆ) ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ, ਇਸ ਅਧਿਐਨ ਵਿੱਚ AI ਦੀ ਉਹ ਮਹੱਤਵਪੂਰਨ ਖਾਮੀਆਂ ਦਰਸਾਈ ਗਈਆਂ ਹਨ ਜੋ ਮਨੁੱਖ ਜੀਵਨ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਹੀ ਮਾਹਰ ਹੋ ਜਾਂਦੇ ਹਨ। ਯੂਨੀਵਰਸਿਟੀ ਆਫ ਏਡਿਨਬਰਗ ਤੋਂ ਰੋਹਿਤ ਸੈਕਸੇਨਾ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਕਿ ਇਹ ਕਮਜ਼ੌਰੀਆਂ ਦੁਰੁਸਤ ਕੀਤੀਆਂ ਜਾਣੀਆਂ ਲਾਜ਼ਮੀ ਹਨ ਤਾਂ ਜੋ AI ਨੂੰ ਸਮੇਂ- ਸੰਵੇਦਨਸ਼ੀਲ ਅਤੇ ਹਕੀਕੀ ਦੁਨੀਆਂ ਦੇ ਪਰਿਸ਼੍ਰਾਮਾਂ ਜਿਵੇਂ ਕਿ ਸਮਾਂ-ਬੰਧਤ ਕਾਰਜ, ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਸਹਾਇਕ ਟੈਕਨੀਕਾਂ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ালী ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕੇ। ਖੋਜਕਾਰਾਂ ਨੇ ਵੱਖ-ਵੱਖ ਮਲਟੀਮੋਡਲ ਵੱਡੇ ਭਾਸ਼ਾ ਮੋਡਲਜ਼ (MLLMs)—ਜਿਵੇਂ ਕਿ ਮੈਟਾ ਦੀ ਲਲਮਾ 3. 2-ਵਿਜ਼ਨ, ਐਂਥਰੋਪਿਕ ਦੀ ਕਲੌਡ-3. 5 ਸੋਨੇਟ, ਗੂਗਲ ਦੀ ਜੇਮਿਨੀ 2. 0 ਅਤੇ ਓਪਨਏਆਈ ਦਾ GPT-4o—ਨੂੰ ਇੱਕ ਸੁਤੰਤਰਤ ਡੇਟਾਚੇਟਿਸ਼ਟ ਨਾਲ ਘੜੀ ਅਤੇ ਕੈਲੰਡਰ ਤਸਵੀਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਸਟ ਕੀਤਾ ਗਿਆ। ਮਾਡਲਾਂ ਨੇ ਅਰਧ ਸਮੇਂ ਵਿੱਚ ਸਮਾਂ ਪਛਾਣਣ ਜਾਂ ਹਫ਼ਤੇ ਦੇ ਦਿਨ ਨਿਰਣਯ ਕਰਨ ਵਿੱਚ ਸਹੀ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕੀਤਾ, ਕੇਵਲ 38. 7% ਘੜੀਆਂ ਲਈ ਅਤੇ 26. 3% ਕੈਲੰਡਰ ਟਾਸਕ ਲਈ ਸ਼ੁੱਧਤਾ ਦਰਜ ਕੀਤੀ। ਸੈਕਸੇਨਾ ਨੇ ਸਮਝਾਇਆ ਕਿ AI ਦੀ ਘੜੀ ਪੜ੍ਹਨ ਵਿੱਚ ਕਮਜ਼ੋਰੀ ਕਾਰਣ ਇਸ ਦੀ ਅੰਤਰਿਕ ਸਥਿਤੀ ਸੂਝ-ਬੂਝ ਦੀ ਕਮੀ ਹੈ—ਜਿਹੜੇ ਕਾਰਜ ਓਵਰਲੈਪ ਹੋਏ ਬੱਲਿਆਂ ਦੀ ਪਛਾਣ, ਕੋਣ ਮਾਪਣ ਅਤੇ ਵੱਖ-ਵੱਖ ਘੜੀ ਡਿਜ਼ਾਈਨਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਰੋਮਨ ਅੰਕ ਜਾਂ ਸਟਾਈਲਡ ਡਾਈਅਲ। ਕਿਸੇ ਤਸਵੀਰ ਨੂੰ ਘੜੀ ਵਜੋਂ ਪਛਾਣਣਾ AI ਲਈ ਅਸਾਨ ਹੈ ਪਰ ਇਸ ਨੂੰ ਠੀਕ ਤਰੀਕੇ ਨਾਲ ਪੜ੍ਹਨਾ ਥੋੜਾ ਮੁਸ਼ਕਿਲ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, ਹਿਚਕਚਾਓ ਵਾਲੇ ਅੰਕਗਣਿਤ, ਜੋ ਸੰਕਲਪ ਵਿੱਚ ਮੂਲਭੂਤ ਹੈ, AI ਵੱਲੋਂ ਕੀਤਾ ਜਾਂਦਾ ਨਹੀਂ; ਇਸ ਦੀ ਥਾਂ ਇਹ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਦੇ ਪੈਟਰਨਜ਼ ਨੂੰ ਵੇਖ ਕੇ ਨਤੀਜੇ ਭਵਿੱਖਵਾਣੀ ਕਰਦਾ ਹੈ। ਇਸ ਕਾਰਨ ਇਹ ਬੇਨਿਯਮ ਅਤੇ ਨਿਯਮ-ਵਿੱਚ-ਆਧਾਰਿਤ ਤੜਕ਼ੀ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਜਿਸ ਨਾਲ ਤਾਰੀਖ ਸੰਬੰਧੀ ਅੰਕਗਣਿਤ ਵਿੱਚ ਅਸਫਲਤਾ ਦੀ ਉੱਚ ਦਰ ਦਰਸਾਈ ਜਾਂਦੀ ਹੈ। ਇਹ ਅਧਿਐਨ ਇਹ ਵੀ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ AI ਦੀ “ਸੁਝ” ਮਨੁੱਖੀ ਸੋਚ-ਵਿਚਾਰ ਤੋਂ ਕੁਝ ਵੱਖਰੀ ਹੈ। ਜਦੋਂ ਪ੍ਰਸ਼ਿਚਨ ਦੇ ਉਪਲੱਬਧ ਉਦਾਹਰਨਾਂ ਵੱਧ ਹੁੰਦੀਆਂ ਹਨ, AI ਮਹਾਨ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਪਰ ਅੰਤਰੀਕ ਸੋਚ ਅਤੇ ਸਾਰਥਕ ਸੰਪਰਕਾਂ ਦੀ ਘਾਟ ਵੱਜੋਂ ਖਾਸ ਕਰਕੇ perception ਅਤੇ ਖਾਸ ਤਰਕ ਨੂੰ ਮਿਸ਼ਰਣ ਕਰਨ ਵਾਲੇ ਕਾਰਜਾਂ ਵਿੱਚ ਮੁਸ਼ਕਿਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ। ਇਸਦੇ ਨਾਲ-ਨਾਲ, ਘੱਟ ਰੇਅਰ ਪ੍ਰਤੀਕ੍ਰਮਿਕ ਘਟਨਾਵਾਂ ਜਿਵੇਂ ਕਿ ਲਿੱਧੜ ਸਾਲਾਂ ਉੱਤੇ ਪ੍ਰਸ਼ਿਚਨ ਦੀ ਘਾਟ ਕਾਰਜਦਸ਼ਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ, ਕਿਉਂਕਿ AI ਨੂੰ ਲਾਜ਼ਮੀ ਸੰਕਲਪਾਤਮਕ ਸੰਬੰਧ ਬਣਾਉਣ ਵਿੱਚ ਨਾਕਾਮ ਰਹਿੰਦਾ ਹੈ। ਇਹ ਨਤੀਜੇ ਇਸ ਗੱਲ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ AI ਦੇ “ਸੁਝ” ਦੇ ਢੰਗ ਨੂੰ ਮਨੁੱਖੀ ਸੋਚ-ਵਿਚਾਰ ਨਾਲ ਮੁੱਖ ਤੌਰ 'ਤੇ ਵੱਖਰਾ ਹੈ। ਗੁਣਵੱਤਾ ਭਰੇ ਪ੍ਰਸ਼ਿਚਨ ਉਦਾਹਰਣਾਂ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ AI ਚੰਗਾ ਕਰਦਾ ਹੈ ਪਰ ਹਾਲਤਾਂ ਜਿੱਥੇ ਅੰਤਰ-ਲੜੀਆਂ ਤਿਆਰ ਕਰਨ, ਲੌਜਿਕ ਰਣਨੀਤੀ, ਅਤੇ ਖਾਸ ਤੌਰ ‘ਤੇ perception ਅਤੇ ਯਥਾਰਥ ਤਰਕ ਨੂੰ ਜੋੜਨ ਦੀ ਲੋੜ ਹੈ, ਉਥੇ ਇਹ ਕਠਿਨਾਈਆਂ ਆਉਂਦੀਆਂ ਹਨ। ਇਸਦੇ ਨਾਲ, ਲਿਫ਼ੜ ਸਾਲਾਂ ਵਾਂਗ ਘਟਨਾਵਾਂ ਬਾਰੇ ਪ੍ਰਸ਼ਿਚਨ ਘੱਟ ਹੋਣ ਨਾਲ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਰੁਕਾਵਟ ਆਉਂਦੀ ਹੈ, ਕਿਉਂਕਿ AI ਲੋੜੀਂਦੇ ਸੰਕਲਪਿਕ ਸੰਬੰਧਾਂ ਨੂੰ ਨਹੀ ਬਣਾਉਂਦਾ। ਇਹ ਖੋਜ ਵਧੀਆ ਅਤੇ ਲਕੜੀਡ ਲੱਕੜੀਆਂ ਡੇਟਾਸੈੱਟ ਦੀ ਲੋੜ ਨੂੰ ਮੰਨਦੀ ਹੈ ਅਤੇ AI ਦੀ ਯੋਗਤਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਨਵੀਆਂ ਸਮੀਖਿਆਵਾਂ ਲਿਆਉਂਦੀ ਹੈ, ਖਾਸ ਕਰਕੇ ਤਰਕ ਅਤੇ ਅੰਤਰਿਕ ਸਥਿਤੀ ਨੂੰ ਜੋੜਨ ਦੀ ਯੋਗਤਾ। ਸੈਕਸੇਨਾ ਨੇ ਇਹ ਵੀ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ ਕਿ ਰੀਗਰਸ ਟੈਸਟਿੰਗ, ਫਲੇਕਬੈਕ ਮెకੈਨਿਜ਼ਮ ਅਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹਰ ਸਮੇਂ ਰਹੇ ਤਾਂ ਜੋ perception ਅਤੇ ਖਾਸ ਤਰਕ ਨੂੰ ਜੋੜਨ ਵਾਲੇ ਕਾਰਜਾਂ ਵਿੱਚ AI ਰਿਸਕ ਕਮ ਕੀਤਾ ਜਾ ਸਕੇ।