Nova raziskava je identificirala skupino nalog, s katerimi se ljudje brez težav spopadajo, umetna inteligenca (UI) pa se z njimi težko sooča—zlasti branje analognih ur in določanje dneva v tednu za dan, ki je dan. Čeprav lahko UI generira kodo, slike, besedila, podobna človeku, in opravlja izpite v različno visokem obsegu, pogosto napačno interpretira položaje kazalcev na uri in ne uspe pri osnovnih računskih opravilih s koledarjem. Raziskava, predstavljena na Mednarodni konferenci o predstavitvah učenja (ICLR) 2025 in objavljena na prednainformacijskem strežniku arXiv (še ni recenzirana), poudarja pomembne vrzeli v UI-jevi zmožnosti opravljanja nalog, s katerimi se ljudje srečujejo že zgodaj v življenju. Vodilni avtor Rohit Saxena z Univerze v Edinburghu je poudaril, da je treba te pomanjkljivosti odpraviti, da bi se UI lahko učinkovito uporabljala v časovno občutljivih in resničnih situacijah, kot so razporejanje, avtomatizacija in pomoč pri opravilih. Raziskovalci so preizkusili različne multimodalne velike jezikovne modele (MLLM)—med njimi Meta Llama 3. 2-Vision, Anthropic Claude-3. 5 Sonnet, Google Gemini 2. 0 in OpenAI GPT-4o—s pomočjo prilagojenega nabora podatkov slik ur in koledarjev. Modeli niso uspeli pravilno prepoznati časov na urah ali določiti dni v tednu za vzorčne datume v več kot polovici primerov, z natančnostjo le 38, 7 % pri urah in 26, 3 % pri nalogah s koledarjem. Saxena je pojasnil, da slabo branje ur pri UI izvira iz pomanjkanja prostorskega razmišljanja—nalog, ki zahtevajo prepoznavanje prekrivajočih se kazalcev, merjenje kotov in interpretacijo različnih oblik ur, kot so rimske številke ali stilizirani številčniki. Prepoznavanje slike kot ure je za UI lažje kot njeno natančno branje.

Podobno je, čeprav je aritmetika temeljna za računalništvo, velike jezikovne modele ne izvajajo izračunov preko algoritmov; namesto tega napovedujejo rezultate na podlagi vzorcev v trening podatkih. To vodi v nekonsistentno razmišljanje brez veljavnih pravil, kar pojasnjuje visoko stopnjo neuspehov pri datumskih računskih opravilih. Ta študija dodaja k naraščajočim dokazom, da se način "razumevanja" UI-jebartično bistveno razlikuje od človeškega spoznavanja. UI odlično deluje, kadar obstaja obilica učnih primerov, pa se sooča s težavami pri abstraktnem razmišljanju in sploščenju, še posebej pri nalogah, ki združujejo percepcijo s natančno logiko. Poleg tega omejeni podatki o redkejših pojavih, kot so prestopni leti, otežujejo zmogljivost, saj UI ne more vzpostaviti potrebnih konceptualnih povezav. Rezultati poudarjajo potrebo po bolj bogatih in ciljnih nizih podatkov ter ponovno oceno UI-jevih zmožnosti za integracijo logičnega in prostorskega razmišljanja, kar osvetljuje tveganja prevelikega zanašanja na rezultate UI pri kompleksnih nalogah. Saxena je poudaril, da je nujno izvajati strog testing, vzpostaviti mehanizme za vrnitev in vedno vključevati človeški nadzor pri nalogah, ki zahtevajo kombinacijo percepcije in natančnega razmišljanja.