Inteligência artificial domina ciência, mas ainda falha ao ler relógios analógicos

2–3 minutos

Modelos de inteligência artificial já igualam ou superam especialistas humanos em questões científicas de nível doutorado e em competições de matemática. No entanto, essas mesmas máquinas têm dificuldade com uma tarefa que crianças aprendem cedo: interpretar as horas em um relógio de ponteiros.

O contraste aparece no AI Index 2026, relatório anual da Universidade de Stanford divulgado em abril. O documento batiza o fenômeno de fronteira irregular e cita um modelo de ponta que lê relógios analógicos corretamente em cerca de 50% das vezes, mesmo enquanto resolve problemas de física de pós-graduação.

Por que a leitura de relógios é um desafio para a IA

Ler um relógio exige várias etapas: localizar os ponteiros, distinguir o das horas do dos minutos, estimar o ângulo de cada um e combinar tudo em um horário. Um estudo de pesquisadores da China e da Espanha testou modelos multimodais, que processam texto e imagem, e identificou falhas na leitura, sobretudo quando o mostrador ou os ponteiros fugiam do padrão.

Parte da explicação está nos dados de treinamento. Fotos de relógios na internet costumam repetir poucos horários, como dez para as dez. Sem variedade, o modelo pode memorizar padrões em vez de aprender a regra, e o próprio estudo questiona se as máquinas aprenderam a tarefa ou apenas decoraram exemplos.

Pesquisadores da Universidade de Edimburgo chegaram a resultados semelhantes. Os sistemas avaliados interpretaram corretamente a posição dos ponteiros em menos de um quarto dos testes e, mesmo no melhor modelo, erraram 20% das perguntas sobre datas em calendários.

O que os erros revelam sobre a tecnologia

Desempenho desigual entre tarefas

Testes como o GPQA, composto por perguntas de nível de pós-graduação elaboradas para resistir a buscas simples, medem competências específicas. Um bom resultado nesse tipo de avaliação não garante acerto em tarefas de percepção visual ou de senso comum.

Impactos no dia a dia profissional

Na prática, uma ferramenta pode resumir um contrato extenso e, ao mesmo tempo, errar a leitura de um mostrador analógico em uma foto de equipamento. Pesquisadores da Universidade Politécnica de Madri apontam que a precisão visual é crítica em áreas como robótica, inspeção visual e tecnologias assistivas.

Por isso, uma prática comum é testar a ferramenta com os próprios casos de uso, definir quais etapas exigem revisão humana e conferir números e imagens antes de usar o resultado em decisões.

O AI Index 2026 resume o quadro: os modelos avançaram em ciência e matemática, mas o desempenho varia conforme a tarefa. Saber onde estão os pontos fortes e as falhas de cada sistema é o que permite usá-lo com segurança no ambiente profissional.