Nowe badania zidentyfikowały zestaw zadań, które ludzie wykonują bez wysiłku, podczas gdy sztuczna inteligencja (SI) z nimi ma trudności — w szczególności odczyt z zegara wskazówkowego oraz określenie dnia tygodnia dla podanej daty. Choć SI może generować kod, obrazy, tekst przypominający ludzki oraz zdawać egzaminy w różnym stopniu, często błędnie interpretuje pozycję wskazówek zegara i nie radzi sobie z podstawowymi działaniami kalendarzowymi. Przedstawione na Międzynarodowej Konferencji na temat Reprezentacji Uczenia się w 2025 roku (ICLR) oraz opublikowane na serwerze preprint arXiv (jeszcze nie poddane recenzji), badanie wskazuje na istotne braki w umiejętnościach SI w zakresie zadań, które ludzie opanowują we wczesnym dzieciństwie. Główny autor, Rohit Saxena z University of Edinburgh, podkreślił, że te niedoskonałości muszą zostać zaadresowane, aby sztuczna inteligencja mogła być skutecznie wykorzystywana w kontekstach czasowo wrażliwych i realnych, takich jak planowanie, automatyzacja czy technologie wspomagające. Badacze testowali różne multimodalne modele językowe dużej skali (MLLM), w tym Llama 3. 2-Vision od Meta, Claude-3. 5 Sonnet od Anthropic, Gemini 2. 0 od Google oraz GPT-4o od OpenAI, korzystając z własnego zestawu danych zawierającego obrazy zegarów i kalendarzy. Modele nie potrafiły poprawnie odczytać czasu na zegarze ani ustalić dnia tygodnia dla przykładowych dat w ponad połowie przypadków, osiągając wskaźniki dokładności jedynie 38, 7% dla zegarów i 26, 3% dla zadań kalendarzowych. Saxena wyjaśnił, że słaba zdolność odczytu zegarów przez SI wynika z braku rozumienia przestrzennego — zadań wymagających wykrywania nakładających się wskazówek, pomiaru kątów oraz interpretacji różnorodnych schematów tarcz, np. numerów rzymskich czy stylizowanych tarcz. Rozpoznanie obrazka jako zegara jest dla SI łatwiejsze niż jego dokładny odczyt.

Podobnie, choć arytmetyka jest podstawą obliczeń komputerowych, modele językowe dużej skali nie wykonują działań na podstawie algorytmów, lecz przewidują wyniki na podstawie wzorców danych treningowych. Prowadzi to do niekonsekwentnego i nieopartego na regułach rozumowania, co tłumaczy wysoką zawartość błędów w zadaniach związanych z datami i działaniami arytmetycznymi. Badanie to dołącza do rosnących dowodów, że sposób „rozumienia” sztucznej inteligencji różni się zasadniczo od ludzkiej kognicji. SI doskonale wypada przy dużej liczbie dostępnych przykładów treningowych, ale ma trudności z abstrakcyjnym rozumowaniem i generalizacją, szczególnie w zadaniach łączących percepcję z precyzyjną logiką. Co więcej, ograniczona ilość danych treningowych na temat rzadziej występujących zjawisk, takich jak lata przestępne, utrudnia jej poprawną interpretację, gdyż SI nie potrafi nawiązać odpowiednich połączeń koncepcyjnych. Wyniki te podkreślają konieczność tworzenia bardziej bogatych i ukierunkowanych zbiorów danych oraz ponownej oceny możliwości integracji rozumowania logicznego i przestrzennego w sztucznej inteligencji. Zaznaczają też, że zbytnie poleganie na wynikach SI w złożonych zadaniach wiąże się z ryzykiem błędów. Saxena podkreślił konieczność wprowadzenia rygorystycznych testów, mechanizmów awaryjnych oraz częstego nadzorowania działań SI przez człowieka, szczególnie gdy łączy percepcję z precyzyjnym rozumowaniem.