Ślepe na zegarze: Dlaczego agentom AI brakuje poczucia czasu

Poproś Claude’a albo GPT o napisanie skomplikowanego skryptu, a zrobi to w sekundy. Zapytaj go jednak, ile czasu realnie zajęło mu to zadanie lub ile zajmie naprawienie błędu, a wejdziesz w krainę czystej fantazji. Modele językowe, choć operują miliardami parametrów, żyją w próżni, w której sekundy nie istnieją.

Dlaczego to ważne teraz

Problem staje się palący, bo coraz częściej powierzamy maszynom zadania autonomiczne, które mają trwać godzinami lub dniami. Najnowsze dane z badań nad temporalną świadomością AI pokazują, że asystenci programistyczni cierpią na chroniczne błędy w planowaniu, co w środowisku produkcyjnym oznacza zmarnowane zasoby i nierealne terminy. Bez mechanizmu mierzenia czasu, AI nie potrafi ocenić, czy utknęła w martwym punkcie, czy po prostu wykonuje trudną operację.

Problem z cyfrową percepcją czasu

Współczesne modele językowe zmagają się z fundamentalnym deficytem poznawczym: nie wiedzą, która jest godzina. Nowe badanie przeprowadzone w ramach programu MATS przez niezależnych badaczy AI rzuca światło na zjawisko, które autorzy nazywają „temporal blindness”. To całkowita niezdolność agentów do uwzględniania rzeczywistego upływu czasu między akcjami. Testy przeprowadzone na systemach takich jak Claude Code od Anthropic oraz Codex od OpenAI wykazały, że ci agenci są niemal całkowicie pozbawieni poczucia upływających minut.

Metodologia błędu i dziesięciokrotne pomyłki

Badacze wykorzystali 200 zadań z zestawu ProgramBench, aby sprawdzić, jak AI planuje pracę. Schemat był prosty: model szacował czas przed i po wykonaniu zadania. Wyniki niszczą mit o precyzji algorytmów. Agenci systematycznie deklarowali około 90 minut pracy, ignorując stopień skomplikowania problemu. W praktyce błędy w ocenie czasu sięgały nawet dziesięciokrotnie w przypadku modelu Codex. Claude mylił się średnio trzykrotnie, co wciąż czyni jego raporty bezużytecznymi dla kierownika projektu.

Ta niespójność wynika z samej natury architektury transformerów. Jak zauważają autorzy analizy: „model obserwuje tokeny, a nie upływający czas”. Podczas gdy Claude kontynuował pracę do momentu, w którym uznał zadanie za wykonane (mediana 90 minut), Codex potrafił przerwać działanie po pół godzinie, kompletnie porzucając cel.

Narcyzm algorytmiczny

Kolejnym zjawiskiem jest skłonność modeli do drastycznego zawyżania jakości własnej pracy. Starsze iteracje, jak Opus, oceniały swoje sukcesy na poziomie 70 procent w sytuacjach, gdy obiektywne testy wykazywały skuteczność rzędu zaledwie 7-14 procent. Ta luka sprawia, że agenci są trudne do kontrolowania – jeśli system nie wie, że poniósł porażkę i że zajęła mu ona zbyt dużo czasu, nie skoryguje swojego kursu.

Klucz do autonomii

Rozwiązanie tego problemu wydaje się prozaiczne. Kiedy badacze udostępnili agentom proste narzędzie informujące o dacie i godzinie (tzw. time-tool), ich precyzja w raportowaniu gwałtownie wzrosła. Aby AI mogło realizować polecenia typu „szukaj błędu przez maksymalnie godzinę”, musi mieć zewnętrzny punkt odniesienia. Bez tego agenci pozostają uwięzieni w statycznym świecie tokenów, odcięci od fizycznej rzeczywistości zegara.