Nghiên cứu mới đây đã xác định một bộ nhiệm vụ mà con người dễ dàng thực hiện nhưng trí tuệ nhân tạo (AI) lại gặp khó khăn—cụ thể là đọc đồng hồ kim và xác định ngày trong tuần dựa trên một ngày cho trước. Dù AI có thể tạo mã, hình ảnh, văn bản giống như con người và thậm chí vượt qua các kỳ thi ở mức độ khác nhau, nó thường xuyên hiểu sai vị trí của kim đồng hồ và gặp khó trong những phép tính lịch cơ bản. Nghiên cứu này, trình bày tại Hội nghị quốc tế về Đặc trưng Học tập (ICLR) năm 2025 và được đăng tải trên máy chủ bản nháp arXiv (chưa qua đánh giá ngang hàng), nhấn mạnh những khoảng trống đáng kể trong khả năng của AI thực hiện các nhiệm vụ mà con người thành thạo từ khi còn nhỏ. Tác giả chính Rohit Saxena của Đại học Edinburgh nhấn mạnh rằng những hạn chế này cần được khắc phục để AI có thể ứng dụng hiệu quả trong các bối cảnh nhạy cảm về thời gian và thực tế như lập lịch trình, tự động hóa và công nghệ hỗ trợ. Các nhà nghiên cứu đã thử nghiệm nhiều mô hình ngôn ngữ đa phương thức lớn (MLLMs)—bao gồm Llama 3. 2-Vision của Meta, Claude-3. 5 Sonnet của Anthropic, Gemini 2. 0 của Google, và GPT-4o của OpenAI—sử dụng một bộ dữ liệu tùy chỉnh gồm hình ảnh đồng hồ và lịch. Các mô hình đã thất bại trong việc xác định chính xác thời gian trên đồng hồ hoặc nhận biết ngày trong tuần cho các ngày mẫu hơn một nửa thời gian, với tỷ lệ chính xác chỉ 38, 7% đối với đồng hồ và 26, 3% đối với nhiệm vụ lịch. Saxena giải thích rằng khả năng đọc sai giờ của AI bắt nguồn từ việc thiếu khả năng lý luận không gian—các nhiệm vụ yêu cầu phát hiện kim đồng hồ chồng chéo, đo góc và hiểu các thiết kế đồng hồ đa dạng như số La Mã hoặc mặt số cách điệu. Nhận diện một hình ảnh như đồng hồ dễ hơn đối với AI so với việc đọc chính xác.

Tương tự, mặc dù phép tính là nền tảng của công nghệ thông tin, các mô hình ngôn ngữ lớn không thực hiện các phép tính qua thuật toán; thay vào đó, chúng dự đoán kết quả dựa trên các mẫu trong dữ liệu huấn luyện. Điều này gây ra lý luận không nhất quán và không dựa trên quy tắc, giải thích tỷ lệ thất bại cao trong các phép tính liên quan đến ngày tháng. Nghiên cứu này góp phần vào bằng chứng ngày càng lấy rõ rằng cách AI “hiểu” thế giới khác biệt căn bản so với nhận thức của con người. AI hoạt động tốt khi có nhiều ví dụ huấn luyện nhưng gặp khó trong lý luận trừu tượng và khả năng tổng quát hóa, đặc biệt với các nhiệm vụ đòi hỏi kết hợp cảm nhận và lý luận chính xác. Thêm vào đó, dữ liệu huấn luyện hạn chế về các hiện tượng hiếm gặp như năm nhuận cũng làm giảm hiệu suất, khi AI không thể liên kết các khái niệm cần thiết. Những phát hiện này nhấn mạnh cần có bộ dữ liệu phong phú, mục tiêu hơn và đánh giá lại khả năng tích hợp lý luận và nhận thức không gian của AI, đồng thời làm rõ những rủi ro khi dựa quá nhiều vào kết quả của AI trong các nhiệm vụ phức tạp. Saxena nhấn mạnh nhu cầu kiểm tra nghiêm ngặt, các cơ chế dự phòng và sự giám sát của con người khi AI đảm nhiệm các nhiệm vụ yêu cầu kết hợp cảm nhận và lý luận chính xác.