Onderzoek toont aan: AI-modellen kunnen geen klok lezen of kalender gebruiken

Onderzoekers van de Universiteit van Edinburgh hebben ontdekt dat kunstmatige intelligentie moeite heeft met alledaagse taken. AI-modellen kunnen vaak niet de juiste tijd aflezen van analoge klokken. Ook het bepalen van weekdagen bij kalenderdatums gaat regelmatig fout.


De bevindingen werden gepresenteerd tijdens de Internationale Conferentie over Leerrepresentaties van 2025. Ondanks hun geavanceerde vaardigheden falen AI-systemen bij deze eenvoudige taken. Ze kunnen wel code schrijven, levensechte afbeeldingen maken en examens halen.


Grote techbedrijven

Rohit Saxena en zijn team testten verschillende AI-modellen van grote techbedrijven. Ze gebruikten systemen zoals Llama 3.2-Vision van Meta, Claude-3.5 Sonnet van Anthropic en GPT-4o van OpenAI. De resultaten waren verontrustend voor voorstanders van AI-technologie.


De modellen konden in meer dan de helft van de gevallen de juiste tijd niet aflezen. Bij het bepalen van weekdagen voor specifieke datums presteerden ze nog slechter. AI-systemen lazen klokken slechts in 38,7 procent van de gevallen correct af. Bij kalenders daalde dit percentage naar 26,3 procent.


Klokkijken en kalenders gebruiken
"De meeste mensen kunnen vanaf jonge leeftijd klokkijken en kalenders gebruiken. Onze bevindingen tonen een grote kloof aan in het vermogen van AI", aldus Saxena. "Deze tekortkomingen moeten worden aangepakt als AI-systemen succesvol geïntegreerd willen worden in tijdgevoelige toepassingen zoals planning en ondersteunende technologieën."


Het onderzoek wijst op fundamentele verschillen tussen menselijk en kunstmatig begrip. AI-modellen herkennen patronen maar missen ruimtelijk inzicht. Ze kunnen een klok als object herkennen maar niet de stand van de wijzers interpreteren.


Ruimtelijk redeneren
"Klok lezen vereist iets anders - ruimtelijk redeneren", legde Saxena uit. "Het model moet overlappende wijzers detecteren, hoeken meten en diverse ontwerpen navigeren. Dat AI 'dit is een klok' herkent is makkelijker dan het daadwerkelijk aflezen ervan."


Het probleem ligt ook bij kalenderberekeningen die rekenkundige vaardigheden vereisen. AI-modellen hebben moeite met zeldzame verschijnselen zoals schrikkeljaren. Ze kunnen deze concepten wel herkennen maar niet toepassen in praktische situaties.


"Rekenen is eenvoudig voor traditionele computers maar niet voor taalmodellen. AI voert geen rekenalgoritmes uit, het voorspelt uitkomsten op basis van patronen", aldus Saxena. "Het kan rekenvragen soms correct beantwoorden, maar de redenering is niet consistent of regelgebaseerd, en ons werk benadrukt die kloof."

LAATSTE AI-NIEUWS

De login-pagina van een website.

Criminelen misbruiken ai-tool van Vercel voor nepinlogpagina's

2 juli 2025
Cybercriminelen gebruiken de AI-tool v0 van Vercel om valse inlogpagina's te maken. Deze nepwebsites lijken sterk op echte bedrijfswebsites. Onderzoekers van Okta ontdekten dit nieuwe misbruik van kunstmatige intelligentie. De tool maakt het mogelijk om met simpele teksten complete phishingsites te bouwen. V0 is een AI-aangedreven dienst van Vercel. Gebruikers kunnen er landingspagina's en complete apps mee maken. Ze hoeven alleen natuurlijke taal in te typen. De identiteitsdienstverlener Okta zag hoe oplichters overtuigende replica's maakten van inlogpagina's. Na melding blokkeerde Vercel de toegang tot deze phishingsites. Nieuwe evolutie "Deze observatie signaleert een nieuwe evolutie in het bewapenen van generatieve AI door bedreigingsactoren", zeiden Houssem Eddine Bordjiba en Paula De la Hoz. Zij zijn onderzoekers bij Okta Threat Intelligence. De criminelen hosten ook bedrijfslogo's op de infrastructuur van Vercel. Zo misbruiken ze het vertrouwen in het ontwikkelaarsplatform. Traditionele phishingkits vereisen enige inspanning om op te zetten. Tools zoals v0 maken het veel simpeler. Aanvallers typen een prompt en krijgen direct een neppagina. Het is sneller, makkelijker en vereist geen programmeervaardigheden. Zelfs criminelen met weinig ervaring kunnen nu overtuigende phishingsites bouwen. Grotere verschuiving De ontwikkeling past in een grotere verschuiving. Phishing wordt op meer manieren door AI aangedreven. Nepemails, gekloonde stemmen en deepfake-video's duiken op in aanvallen. Deze tools helpen aanvallers snel op te schalen. Kleine oplichtingspraktijken worden grote, geautomatiseerde campagnes. "Het gebruik van een platform zoals Vercel's v0.dev stelt opkomende bedreigingsactoren in staat om snel hoogwaardige, misleidende phishingpagina's te produceren", vertelden de onderzoekers aan beveiligingsexperts.

AI helpt materialen te ontwerpen die huizen koeler houden

2 juli 2025
Wetenschappers ontwikkelden nieuwe materialen met kunstmatige intelligentie. Deze materialen kunnen huizen koeler houden en energiekosten verlagen. Onderzoekers van universiteiten uit Amerika, China, Singapore en Zweden werkten samen aan dit project. Het team gebruikte machine learning (computergestuurd leren) om complexe materialen te maken. Ze ontwikkelden meer dan 1.500 verschillende materialen. Deze kunnen warmte op verschillende manieren uitstralen. Dat maakt ze ideaal voor efficiënt koelen en verwarmen. Machine learning-raamwerk "Ons machine learning-raamwerk vertegenwoordigt een significante sprong voorwaarts in het ontwerp van thermische meta-emitters", zei Yuebing Zheng, professor aan de Universiteit van Texas. "Door het proces te automatiseren en de ontwerpruimte uit te breiden, kunnen we materialen met superieure prestaties creëren die voorheen onvoorstelbaar waren." De onderzoekers testten hun materialen op modelhuizen. Ze vergeleken de nieuwe coating met gewone verf. Na vier uur in direct zonlicht was het dak met meta-emitter gemiddeld 5 tot 20 graden koeler. Het verschil hing af van of ze het vergeleken met witte of grijze verf. In een warm klimaat zoals Rio de Janeiro zou dit 15.800 kilowatt per jaar besparen. Steden koeler maken De toepassingen gaan verder dan huizen en kantoren. De materialen kunnen steden koeler maken door zonlicht te weerkaatsen. Ze kunnen ook ruimtevaartuigen beschermen tegen extreme temperaturen. Kleding met deze materialen zou mensen koeler houden. Auto's zouden minder heet worden in de zon. Het traditionele ontwerpproces voor deze materialen was traag en arbeidsintensief. Het was vooral proberen en falen. "Deze aanpak leidde vaak tot suboptimale ontwerpen en beperkte het vermogen om materialen met de nodige eigenschappen te creëren om effectief te zijn", zei Zheng tegen onderzoekers.
Afbeelding in veel kleuren van het hoofd van een chatbot.

Onderzoekers ontdekken geheim achter creativiteit van AI

1 juli 2025
Wetenschappers hebben ontdekt waarom kunstmatige intelligentie (AI) creatief kan zijn. Twee natuurkundigen beweren dat technische onvolkomenheden zorgen voor creativiteit. Hun onderzoek verschijnt op de Internationale Conferentie voor Machine Learning 2025. De onderzoekers ontwikkelden een wiskundig model van AI-systemen. Dit model toont aan dat creativiteit een voorspelbaar proces is. AI-systemen zoals DALL-E en Stable Diffusion maken nieuwe afbeeldingen. Deze diffusiemodellen (beeldgenererende programma's) zouden eigenlijk kopieën moeten maken. Toch maken ze verrassend originele kunstwerken. "Als ze perfect zouden werken, zouden ze alleen maar kopiëren", zei Giulio Biroli. Biroli is AI-onderzoeker aan de École Normale Supérieure in Parijs. Het blijkt dat de systemen elementen uit verschillende afbeeldingen combineren. Zo ontstaan nieuwe creaties met betekenis. AI-creativiteit Mason Kamb leidt het nieuwe onderzoek aan Stanford University. Hij vergelijkt AI-creativiteit met de groei van embryo's. Bij embryo's werken cellen samen zonder centraal plan. Elke cel reageert alleen op zijn buren. Dit systeem werkt meestal goed. Soms gaat het mis en ontstaan handen met extra vingers. Kamb zag dezelfde fouten bij vroege AI-afbeeldingen. Mensen hadden vaak extra vingers op die plaatjes. "Het rook naar een fout die je verwacht van een bottom-up systeem", zei Mason Kamb. Diffusiemodellen werken met twee technische beperkingen. Ze kijken naar kleine stukjes pixels tegelijk (lokaliteit genoemd). Ook passen ze automatisch patronen aan bij verschuivingen. Deze eigenschappen zorgen voor samenhang in afbeeldingen. Onderzoekers zagen deze kenmerken eerst als tekortkomingen. Nu blijken juist deze beperkingen creativiteit mogelijk te maken. Het systeem focust op één stukje tegelijk. Daarna past een wiskundig model de stukjes in elkaar. Dit proces lijkt op natuurlijke patronen die Alan Turing beschreef. Grote gevolgen Het onderzoek heeft grote gevolgen voor AI-ontwikkeling. Het kan ook ons begrip van menselijke creativiteit veranderen. "De echte kracht van het artikel is dat het zeer nauwkeurige voorspellingen doet van iets heel bijzonders", zei Luca Ambrogioni. Ambrogioni is computerwetenschapper aan de Radboud Universiteit in Nederland. 
MEER WEERGEVEN

Download GRATIS AI-prompts die je business helpen veranderen!

Exclusieve whitepapers en e-books met waardevolle kennis en AI-prompts - ontwikkeld om direct resultaat te leveren.

Je kunt deze krachtige tools zo downloaden.

➡️ Ga naar de producten-pagina en profiteer nu!

BRENG ME HIERHEEN

Deel dit bericht