Cercetări recente au identificat un set de sarcini pe care oamenii le gestionează fără probleme, dar cu dificultate sunt confruntați artificial intelligence (AI) — în special citirea ceasurilor analogice și determinarea zilei săptămânii pentru o anumită dată. Deși AI poate genera cod, imagini, texte asemănătoare celor umane și chiar poate trece examene în diferite grade de dificultate, frecvent interpretează greșit pozițiile acelor de ceas și ratează aritmetica de bază a calendarului. Studiul, prezentat la Conferința Internațională pe reprezentări de învățare din 2025 (ICLR) și publicat pe serverul arXiv (care încă nu a fost supus revizuirii de către colegi), evidențiază lacune semnificative în capacitatea AI de a executa sarcini pe care oamenii le stăpânesc încă din copilărie. Autor principal, Rohit Saxena de la Universitatea din Edinburgh, a subliniat că aceste deficiențe trebuie accommodate pentru ca AI să poată fi aplicată eficient în contexte sensibile la timp și în situații reale, precum programarea, automatizarea și tehnologiile de asistare. Cercetătorii au testat diverse modele lingvistice multimodale de mari dimensiuni (MLLM) — inclusiv Llama 3. 2-Vision de la Meta, Claude-3. 5 Sonnet de la Anthropic, Gemini 2. 0 de la Google și GPT-4o de la OpenAI — utilizând un set de date personalizat cu imagini de ceasuri și calendare. Modelele au eșuat în identificarea corectă a orelor sau determinarea zilei săptămânii pentru datele de probă mai mult de jumătate din timp, cu rate de acuratețe de doar 38, 7% pentru ceasuri și 26, 3% pentru sarcinile legate de calendar. Saxena a explicat că interpretarea greșită a ceasurilor de către AI provine din lipsa de raționament spațial — sarcini ce implică detectarea suprapunerii acelor, măsurarea unghiurilor și interpretarea diverselor modele de ceasuri, precum numeralele romane sau cadrane stilizate. Recunoașterea unei imagini ca fiind un ceas este mai ușoară pentru AI decât citirea precisă a orelor.

În mod similar, deși aritmetica este fundamentală pentru calcul, modelele lingvistice mari nu efectuează calcule prin algoritmi, ci doar prezic rezultatele bazându-se pe modele din datele de antrenament. Acest lucru duce la raționamente inconsistente și fără reguli clare, explicând ratele mari de eșec în aritmetica legată de date. Acest studiu adaugă la corpul tot mai mare de dovezi că modul de „înțelegere” al AI este fundamental diferit de cogniția umană. AI excelează în contexte cu numeroase exemple de antrenament, dar are dificultăți cu raționamentul abstract și generalizarea, în special în sarcini care combină percepția cu logica precisă. În plus, lipsa datelor de antrenament despre fenomene mai rare, precum anii bisecți, limitează performanța, întrucât AI nu reușește să facă conexiuni conceptuale necesare. Rezultatele subliniază necesitatea unor seturi de date mai bogate și mai specifice și reevaluarea capabilităților AI de a integra raționamentul logic și spațial, evidențiind riscurile unei încrederi excesive în rezultatele AI în sarcini complexe. Saxena a subliniat necesitatea testării riguroase, a mecanismelor de fallback și a supravegherii umane frecvente atunci când AI este utilizată pentru a combina percepția cu raționamentul exact.