Նոր հետազոտությունը բացահայտել է մի շարք առաջադրանքներ, որոնք մարդկանց մեծ մասը կարող է հեշտությամբ հաղթահարել, իսկ  արհեստական բանականությունը (ԱԲ) չի կարողանում՝ անալոգային ժամացույցի ցուցմունքների ընթերցումը կամ որևէ ամսաթվին համապատասխանող շաբաթվա օրվա որոշումը։

Արհեստական բանականությունը կարող է կոդ գրել, իրատեսական պատկերներ ստեղծել, մարդկային խոսքին նմանվող տեքստ գեներացնել և նույնիսկ քննություններ հանձնել (տարբեր աստիճանի հաջողությամբ), սակայն այն սովորաբար սխալ է մեկնաբանում սլաքների դիրքը առօրյա ժամացույցների վրա և գլուխ չի հանում օրացուցային ամսաթվերը որոշելու համար անհրաժեշտ տարրական թվաբանական գործողություններից։ Հետազոտողները բացահայտել են այս անսպասելի թերությունները Ներկայացումների ուսուցման միջազգային համաժողովում (ICLR) 2025 թվականի զեկուցման ժամանակ։ Նրանք նաև հրապարակել են իրենց եզրահանգումները arXiv նախատպագրությունների սերվերում, ուստի դրանք դեռ փորձագիտական գրախոսություն չեն անցել։

Ժամանակի որոշման ոլորտում արհեստական բանականության հնարավորություններն ուսումնասիրելու համար հետազոտողները ժամացույցների և օրացույցի պատկերներով օգտատիրական տվյալների հավաքածու են ներբեռնել տարբեր բազմամոդալ մեծ լեզվական մոդելների (ԲՄԼՄ) մեջ, որոնք կարող են մշակել ինչպես տեսողական, այնպես էլ տեքստային տեղեկատվություն։ Հետազոտության մեջ օգտագործվել են այնպիսի մոդելներ, ինչպիսիք են Meta-ի Llama 3.2-Vision-ը, Anthropic Claude-3.5-ի Sonnet-ը, Google-ի Gemini 2.0-ն և OpenAI-ի GPT-4o-ն։ Եվ արդյունքներն անբավարար են եղել. մոդելները դեպքերի կեսից ավելիում չեն կարողացել ժամացույցի պատկերով ճիշտ ժամը կամ ընտրովի ամսաթվի համար շաբաթվա օրը որոշել։

Սակայն հետազոտողները բացատրություն ունեն ժամանակը կարդալու ԱԲ-ի զարմանալիորեն թույլ կարողությունների վերաբերյալ։ «Վաղ համակարգերը մարզվել են պիտակավորված (կամ մակագրված) օրինակների հիման վրա։ Ժամանակի ընթերցումը այլ բան է պահանջում՝ տարածական մտածողություն, - նշել են գիտնականները։ - Մոդելը պետք է ճանաչի համընկնող սլաքները, չափի անկյունները և կողմնորոշվի տարբեր նշաններում, ինչպիսիք են հռոմեական թվերը կամ ոճավորված թվատախտակները։ ԱԲ-ն ավելի հեշտ է ճանաչում, որ «սա ժամացույց է», քան իրականում կարդում է դրա ցուցմունքները»։

Ամսաթվերի հետ կապված իրավիճակը պակաս բարդ չի եղել։ «Ո՞րը կլինի տարվա 153-րդ օրը (շաբաթվա օրը)» տիպի խնդիրը լուծելիս ձախողումների տոկոսը նույնքան բարձր է եղել. արհեստական բանականության համակարգերը ճիշտ են կարդացել ժամացույցները միայն դեպքերի 38,7%-ում, իսկ օրացույցները՝ միայն 26,3%-ում։

Հետազոտությունը նաև բացահայտել է մի խնդիր, որի հետ բախվում է արհեստական բանականությունը, երբ այն մարզվում է սահմանափակ տվյալների հիման վրա. այս դեպքում դրանք համեմատաբար հազվադեպ երևույթներ են, ինչպիսիք են նահանջ տարիները կամ ոչ հստակ օրացուցային հաշվարկները։