我发现 AI 可能果真读不懂钟表MK体育。
这是这两天我在测试模子的本事发现的。
我给了底下这样一张时钟图：
我以为基本上齐能一眼看出这个时辰是 8 点 19 分。原本以为以当今 AI 这样的智商，读个几点钟应该是没什么问题的，但是我却发现果真接连在翻车。
我问了 GLM-4.5 V：
你就说这谜底是不是太离谱了点。不信邪的我，又去问了豆包。
emmm... 真这样离谱么 。于是我又去测了 Claude。
亦然错的。。 真特么离谱，有这样难？
于是我又去测了 GPT-5 和 Gemini 2.5 Pro， 把但愿寄予在它们两个身上，但愿它们能够搭救行将防患未然的 AI 雄兵。
还得是 GPT-5 啊，答得是最最接近谜底的了，除了秒针莫得对之外，其他齐对了。
Gemini 2.5 Pro 比较于别的模子的文书，也还算拼凑能看了，至少没错的那么离谱。
但是，这是为什么呢？
为什么能够在 IMO、高考这些有难度的数学锻练里拿到金牌、满分的模子，连一个幼儿园、小学生齐会作念的任务齐完不能？
说来也巧，我在刷 X 的本事，还果真刷到有个大佬拿这个读时辰任务当作一个 Benchmark 来考验模子。
东谈主类的基础水平线是 89%，AI 最佳的水平线是 Gemini 2.5 Pro ，Grok 4 以致只好哀怜的 0.7%。
终于有一项任务，东谈主类可以狠狠地看轻下 AI。
但，照旧阿谁问题，为什么 AI 融会不了东谈主类的时辰呢？
我用了下深度缱绻，找到了篇在缱绻了这件事儿的论文，放在这儿了：
《Have Mutlimodal Large Language Models ( MLLMs ) Really Learned to Tell the Time on Analog Clocks? 》
原因有几点：
专科的话术是：数据的漫衍偏移 + 只记时势，以及不学法律诠释 。
这个用等闲少许的话来融会便是，教师数据里某一类数据尽头多，出现了数据比例不平衡的情况，导致模子学偏了。
大众齐知谈当今大模子的常识开端有很大一部分是来自互联网的，等于说咱们的互联网上有什么数据，模子就采纳什么样的常识。
那在咱们的互联网上，唾手一搜就能发现，有好多对于时钟的图像齐是长这样：
有莫得发现，我唾手截的这一页时钟，大部分的时辰齐停在了 10 点 10 分。
这不是什么正好，而是有说法的。
在告白行业，尽头需要视觉展示的限制里，10 点 10 分这个位置是最调和的对称好意思学，它能既得当东谈主类平衡、踏实的审好意思偏好，也完满展示了表盘的结构和信息。
但是，这种视觉上的好意思好调和也就给模子形成了过拟合的欣慰。只记着了这个时辰的信息特征，一朝遇上没遭遇过的，就崩溃了。就跟咱们锻练同样，平方作念的齐是比较简短，又相似度极高的题，一到科场上碰上平方没见过的题目，平直噶屁。
还有少许是，现时的视觉模子对视觉几何上的互异是不敏锐的。说东谈主话便是，悄悄拨弄一下时钟或者分针，或者改革一下指针的面孔，AI 齐看不出来是咋回事。
但是看时辰又是一个异常需要高敏锐的场景。比如前后差 5 分钟、或者时针分针稍稍交换一下位置，时针分针时局稍稍变一变，齐饱和不是一趟事儿了。
更难的是，在履行场景中，好多的钟表的名义是有反光、蒙眬的，以致有的钟表为了作念顺眼，有艺术感少许，还会作念成诬蔑的式样，这愈加进一步的增多了模子识别的艰巨。
是以在履行场景中，AI 要是视觉上存在这样严重的纰谬，是会带来很大的隔断的。
举个例子来说，病院买了一个 AI 助手来提示病东谈主按期吃药。病东谈主在早上 8 点钟吃了药之后，下一次吃药的时辰应该是 1 个小时之后，适渡过了 10 分钟，该助手报时给病东谈主了，这个助手就瞎报时为下昼 4 点。。。
这不就平直炸了么。。。
这让医师以后怎样去使用这样的 AI 系统，病东谈主又该怎样信托使用这样垃圾 AI 的病院呢？
原本是用来栽种效用的事儿，适度反倒还会出大事儿。
不啻是在病院里，任何时辰异常敏锐的场景，要是秉承了当今的视觉融会模子，翻车险些便是势必的事情。
再让咱们回想履行，现时的 AI 模子仍然依赖于海量的教师数据，要是某些行使场景已经大批的出当今教师数据中，那它会赢得可以的成果，比如数学、编程，但是要是某些场景在教师语料里样本偏少，那 AI 大要率弘扬的不会太好。
AI 本人莫得任何问题，能够照应博士级别的科研难题的是它，数不清一个单词有几个相通字母的是它，认不清时辰的亦然它。
一切齐取决于咱们东谈主类怎样使用它。
我虽然确信 AGI 一定会来，但是通往 AGI 的谈路上看起来咱们还需要照应好多的问题。
是以，下次要是再看到 AI 画出细腻的插画，写迁移东谈主的诗篇和著作时，请记着，它也有可能连当下的时辰齐无法告诉你。
既不要传奇、好意思化它，也无谓过分责问、瞧不起它。
毕竟，要看清这个天下MK体育，有本事并莫得咱们念念象的那么容易。