A mesterséges intelligencia világában a legnagyobb áttörések egyes feladatok megoldásában rejlnek, amelyek gyakran igen egyszerűek. Az Edinburghi Egyetem kutatói arra fókuszáltak, hogy a legfejlettebb multimodális nyelvi modellek képesek-e helyesen leolvasni az analóg órát és értelmezni a naptárt, egy skót kutatás keretein belül.

A kutatás során a kutatók a Google DeepMind Gemini 2.0, a GPT-4o, az Anthropic Claude 3.5 Sonnet és más nagy teljesítményű modellek teljesítményét tesztelték. A feladatok között szerepelt különféle analóg órák képeinek bemutatása, melyek között voltak arab és római számok, valamint másodpercmutatóval ellátott és anélküli példák. Az eredmények megdöbbentőek voltak: a legjobb modellek is csak 25%-os helyességi arányt mutattak a leolvasások során. Különösen a római számok használata és a stilizált mutatók okozták a legnagyobb problémát.

A kutatók megállapították, hogy a mesterséges intelligenciák gyakran nem tudják helyesen értelmezni az órák mutatóinak elhelyezkedését és az órakép szögeit, ami mélyebb matematikai és térbeli tudatosságot igényel. A naptár értelmezése során hasonló problémák merültek fel, hiszen a mesterséges intelligencia modellek ezekben az esetekben is csupán 20%-os sikerességgel teljesítettek.

Mindez arra figyelmeztet, hogy míg a mesterséges intelligencia egyre fejlettebbé válik, a mindennapi érintkezés során előforduló egyszerű feladatokat még nem képes jól kezelni. A Gemini-2.0 modifikált változata a naptári kérdésekben 80%-os helyességi arányt ért el, de még mindig van hova fejlődni.

Rohit Saxena, a kutatás vezetője rámutatott, hogy a mesterséges intelligenciának meg kell felelnie az emberek által birtokolt alapvető készségeknek, ha valóban hatékonyan akarják integrálni a technológiát a hétköznapi életbe. Tanulmányát és azok eredményeit is tovább fogják kutatni, hogy a jövőbeli MI-rendszerek képesek legyenek sikeresen alkalmazni a valós életben, például az automatizálás és a segítőtechnológiák terén.

Érdemes megjegyezni, hogy a mesterséges intelligencia fejlődése nemcsak technológiai, hanem etikai és társadalmi szempontból is kihívásokat jelent. Hiszen ha a gépek nem tudják kezelni az egyszerű feladatokat, vajon milyen szinten lesznek képesek az emberekkel való valódi interakcióra?