Нове истраживање идентификовало је скуп задатака које људи без напора обављају, али се вештачка интелигенција (ВИ) са тим слабо сналази — посебно читање аналојских сатова и одређивање дана у недељи за датум. Иако ВИ може генерисати код, слике, текст који личи на људски и чак пролазити тестове у различите сврхе, често погрешно тумачи положај казаљки на сату и не успева у основним календarsким операцијама. Истраживање је представљено на Међународној конференцији о учењу репрезентација (ICLR) 2025. године и објављено на серверу прећењених радова arXiv (још увек није прегледано), а наглашава значајне празнине у способностима ВИ да извршава задатке које људи савладавају у раном узрасту. Главни аутор Рохит Сакшена са Универзитета Едингбург истакла је да се ти недостаци морају исправити како би се ВИ ефикасније користила у времеосетљивим и стварним контекстима као што су заказивање, автоматизација и асистивне технологије. Истраживачи су тестирали различите мултимодалне велике језичке моделе (MLLM) — укључујући Ллама 3. 2 Визију од Метa, Клауд 3. 5 Сонет од Антропика, Гуглов Гемини 2. 0 и GPT-4о од ОпенАИ-а — коришћењем прилагођеног скупа података са сликама сати и календара. Модели су у преко пола случајева пропустили да тачно идентификују време на сату или одреде дан у недељи за упитне датуме, са прецизношћу од само 38, 7% за сате и 26, 3% за задатке календара. Сакшена објашњава да лоше читање сата код ВИ произилази из недостатка просторног размишљања — задатака који укључују детекцију преклапања казаљки, мерење углова и тумачење различитих дизајна сати као што су римске цифре или стилизовани цилиндери. Препознати слику као сат лакше је за ВИ него је прецизно прочитати.

Слично томе, иако је аритметика основна за рачунарство, велики језички модели не изводе калкулације помоћу алгоритама, већ предвиђају резултате на основу узорака у обуци. То доводи до неусклађеног и неправилног размишљања, што објашњава висок проценат неуспеха у датумским операцијама. Ово истраживање доприноси растућим доказима да начин на који ВИ „разумева“ дубоко разликује од људске когниције. ВИ добро пролази када постоји много узорака у обуци, али се слабо сналази у апстрактном размишљању и генералзацији, посебно на задацима који мешају перцепцију и прецизну логику. Поред тога, ограничени подаци о ретким феноменима као што су преступне године отежавају учинак, јер ВИ не успева да направи потребне концептуалне везе. Резултати наглашавају потребу за богатијим и намењеним скуповима података и поновним вредновањем способности ВИ да интегрише логичко и просторне пресуде, што указује на ризике претеране зависности од ВИ у сложеним задацима. Сакшена је нагласила потребу за ригорозним тестирањем, механизмима за повратну реакцију и често људским надзором када ВИ има задатак да комбинује перцепцију са прецизним размишљањем.