🤖 AI

Can LLMs Perceive Time? An Empirical Investigation

Lo studio empirico dimostra che i grandi modelli linguistici, pur possedendo conoscenze proposizionali sulla durata, mancano di una comprensione esperienziale del tempo, commettendo errori sistematici e significativi (da 4 a 10 volte) nella previsione, nel confronto e nel ricordo della durata delle proprie attività di inferenza.

Autori originali: Aniketh Garikaparthi

Pubblicato 2026-04-02

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Aniketh Garikaparthi

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🕰️ I Robot non hanno l'orologio interno: Perché gli AI non sanno quanto tempo impiegano

Immagina di avere un assistente personale super intelligente, capace di scrivere codice, risolvere enigmi complessi e creare storie. È così bravo che sembra quasi magico. Ma c'è un problema fondamentale: questo assistente non ha idea di quanto tempo ci metta a fare le cose.

È come se avessi un cuoco geniale che può preparare un pasto in 5 minuti, ma se gli chiedi: "Quanto tempo ci vorrà per cucinare?", lui ti risponde: "Beh, di solito ci vogliono 2 ore, forse 3!". E poi, quando il piatto è pronto, se gli chiedi: "Quanto hai impiegato davvero?", lui ti dice: "Forse 10 minuti?".

È esattamente quello che ha scoperto questo studio sui Modelli Linguistici (LLM), come GPT-5 o Qwen.

1. Il problema: "Sanno tutto, tranne il loro tempo"

Gli AI sono stati addestrati leggendo milioni di libri e articoli. Quindi, se chiedi loro "Quanto tempo ci vuole a un umano per scrivere un romanzo?", sanno dirti la risposta corretta (magari 6 mesi). Hanno la conoscenza teorica del tempo.

Ma quando devono eseguire un compito loro stessi, diventano ciechi. Non percepiscono il "tempo reale" (il ticchettio dell'orologio) mentre pensano. Per loro, il tempo è solo una parola, non una sensazione fisica.

2. Gli esperimenti: Tre prove per smascherarli

I ricercatori hanno messo alla prova diversi modelli con 68 compiti diversi, dai più semplici ("scrivi 'Ciao mondo'") ai più difficili ("crea un motore di ricerca"). Ecco cosa è successo:

La previsione (Prima di iniziare):
Chiediamo all'AI: "Quanto tempo ci vorrà?".
Risultato: L'AI esagera enormemente. Se un compito richiede 5 secondi, l'AI dice che ne serviranno 30 o 40. Immagina di ordinare un caffè e il barista dirti che ci vorrà un'ora. È come se l'AI pensasse che ogni suo pensiero richieda un'eternità umana, mentre in realtà è velocissimo.
- Analogia: È come se un'auto da corsa, prima di partire, pensasse di dover impiegare un'ora per fare un giro di pista perché "le macchine da corsa sono lente", ignorando che lei è velocissima.
Il confronto (Chi è più veloce?):
Abbiamo dato all'AI due compiti: uno che sembra "facile" ma è veloce, e uno che sembra "difficile" ma è lento.
Risultato: L'AI ha fallito miseramente. Ha scelto l'opzione sbagliata più spesso di quanto farebbe un cieco che indovina a caso.
- Analogia: È come chiedere a qualcuno di indovinare chi corre più veloce tra un gatto e un'auto, basandosi solo sul fatto che l'auto sembra "più grande e complessa". L'AI si fida dell'etichetta ("difficile") invece della realtà.
Il ricordo (Dopo aver finito):
Dopo che l'AI ha finito il compito, le chiediamo: "Quanto tempo hai impiegato?".
Risultato: Non c'entra nulla con la realtà. A volte dice 10 secondi, a volte 10 minuti, per compiti che sono durati esattamente 20 secondi.
- Analogia: È come se finissi di guardare un film di 2 ore e, uscendo dal cinema, dicessi: "Ho visto un film di 10 minuti" oppure "Ho visto un film di 5 giorni". Non ha memoria della durata.

3. Perché succede?

Il motivo è profondo. Gli esseri umani imparano a percepire il tempo facendolo: camminiamo, aspettiamo, sentiamo il passare dei secondi. Gli AI, invece, sono come fantasmi che vivono solo nel testo.
Vedono le parole (i "token") che escono dalla loro bocca, ma non vedono il tempo che passa nel mondo reale. Non sentono il ritardo della rete, non sanno quanto potente è il computer che li sta facendo funzionare, e non hanno un "orologio interno" che batte il tempo mentre lavorano.

4. Perché è un problema?

Se un'AI deve essere un "manager" che organizza il lavoro di altri robot, o se deve gestire situazioni di emergenza (come in un ospedale o nei soccorsi), non può dire: "Faccio questo compito, ci metto 5 minuti".
Se sbaglia a stimare il tempo, può:

Assegnare compiti sbagliati.
Bloccare il sistema aspettando cose che non arriveranno mai.
Prendere decisioni disastrose perché pensa di avere più tempo di quello che ha davvero.

5. La soluzione?

Non possiamo aspettare che l'AI "sviluppi" un senso del tempo da sola. Dobbiamo darle noi l'orologio.
I ricercatori suggeriscono che i sistemi che usano l'AI devono avere orologi esterni. Il sistema deve dire all'AI: "Ehi, hai impiegato 3 secondi, non 30. Ricordatelo per la prossima volta". Oppure, il sistema deve gestire i tempi da solo, senza fidarsi delle stime dell'AI.

In sintesi

Questo studio ci dice che, per quanto gli AI siano brillanti e capaci di ragionare su quasi tutto, sono completamente disorientati quando si tratta del loro stesso tempo. Sono come attori eccezionali che recitano una scena perfetta, ma non sanno quanto dura la scena perché non hanno mai guardato l'orologio. Per usarli bene nel mondo reale, dobbiamo essere noi a tenere il tempo per loro.

1. Il Problema: La Mancanza di Grounding Temporale

Il paper affronta una limitazione fondamentale dei Large Language Models (LLM): la loro incapacità di stimare la durata delle proprie esecuzioni.

Contesto: Man mano che gli agenti LLM vengono impiegati in compiti a lungo termine che richiedono pianificazione, delega e coordinamento, la capacità di stimare il tempo necessario per le proprie azioni diventa cruciale per l'allocazione delle risorse e la gestione dei tempi di attesa (deadlines).
Il Gap: Sebbene i modelli possiedano conoscenza proposizionale sulla durata delle attività umane (ad esempio, "scrivere un report richiede ore"), mancano di un grounding temporale esperienziale. Durante l'inferenza, il modello osserva token, non il tempo reale (wall-clock time). Non ha accesso alla velocità di inferenza, alla latenza di rete, all'hardware sottostante o alla mappatura tra complessità del compito e tempo di esecuzione effettivo.
Ipotesi: I modelli non possono stimare la propria durata perché non hanno accesso alle informazioni necessarie durante la generazione e non accumulano memoria sensorimotoria di quanto tempo hanno impiegato in passato per compiti simili.

2. Metodologia

Gli autori hanno condotto un'indagine empirica su 68 task distribuiti in 7 categorie (generazione di codice, debug, riassunto, ragionamento, scrittura, creatività, Q&A) e su 4 famiglie di modelli:

Modelli Frontier (API): GPT-5 e GPT-4o.
Modelli Open Source (Locali su GPU A100): OLMo3-7B e Qwen3-8B.

Lo studio è strutturato in quattro esperimenti principali:

Esperimento 1: Calibrazione Assoluta (Pre-task)

Procedura: Prima di eseguire un task, si chiede al modello: "Quanto tempo ti servirà per completare questo task? Dai una stima in secondi".
Misura: Si registra la durata reale (wall-clock time) dall'avvio della richiesta API al completamento della risposta.
Obiettivo: Valutare la correlazione tra la stima pre-azione e la durata reale.

Esperimento 2: Ordinamento Relativo

Procedura: Si presentano coppie di task e si chiede quale richiederà più tempo.
Design Critico: Sono state create 26 "coppie difficili" per sfidare gli euristiche superficiali:
- Coppie quasi identiche: Differenza di durata < 5%.
- Coppie contro-intuitive (Counter-Intuitive): Task etichettati come "difficili" che in realtà sono più veloci di task etichettati come "medi".
- Coppie cross-categoria: Task di tipo diverso con durate simili.
Obiettivo: Verificare se il modello basa la stima sulla complessità semantica (euristica) o su una reale percezione temporale.

Esperimento 3: Richiamo Post-Hoc

Procedura: Dopo aver completato un task, si chiede al modello di stimare quanto tempo ha impiegato, senza fornire alcun segnale temporale esterno.
Obiettivo: Determinare se il modello accumula informazioni temporali durante la generazione.

Esperimento 4: Task Agentic Multi-step

Procedura: Test su 6 task complessi che richiedono l'uso di strumenti (bash, Python, editor di testo) in un ciclo ReAct (es. costruire una landing page, debug di un progetto multi-file).
Obiettivo: Verificare se l'errore di stima si propaga in ambienti agentici con latenze di tool imprevedibili.

3. Risultati Chiave

Calibrazione Assoluta

Sovrastima sistematica: I modelli frontier (GPT-5, GPT-4o) sovrastimano la durata reale di un fattore 4–7 volte ( $p < 0.001$ ). Ad esempio, stimano minuti per task che durano pochi secondi.
Correlazione debole: Esiste una correlazione positiva moderata per i modelli frontier (GPT-5: $r=0.55$ ), ma è guidata dalla lunghezza della risposta e dalla complessità del prompt, non dal tempo reale.
Modelli Open Source: OLMo3-7B e Qwen3-8B mostrano nessuna correlazione significativa ( $r \approx 0$ o negativa), con stime che sembrano casuali rispetto alla durata reale.

Ordinamento Relativo

Fallimento sulle coppie contro-intuitive: Quando le etichette di complessità ingannano (es. un task "hard" è più veloce di uno "medium"), i modelli falliscono sistematicamente.
- GPT-5: Ha ottenuto solo il 18% di accuratezza su 11 coppie contro-intuitive (significativamente inferiore al caso, $p=0.033$ ).
- Questo dimostra che i modelli affidano la loro decisione a euristiche di complessità semantica ("il codice è difficile, quindi ci vuole più tempo") piuttosto che a una conoscenza temporale interna.

Richiamo Post-Hoc

Disconnessione dalla realtà: Le stime post-esecuzione sono altrettanto inaccurate.
- I modelli frontier tendono a sovrastimare (es. GPT-4o stima 42s per un task di 8s).
- I modelli open source mostrano pattern variabili ma privi di correlazione.
- Conclusione: Non c'è accumulo di memoria temporale durante la generazione.

Task Agentic

Gli errori persistono e si amplificano in ambienti multi-step, con errori di stima tra 5x e 10x.
Il successo o il fallimento del task non migliora la calibrazione: anche task completati con successo vengono stimati in modo errato.

4. Contributi Principali

Dimostrazione Empirica: Fornisce la prima evidenza sistematica che gli LLM attuali non possiedono una "propriocezione temporale" (temporal proprioception) delle proprie azioni.
Distinzione Concettuale: Distingue chiaramente tra la capacità di ragionare sul tempo nel mondo (fattuali, sequenze temporali) e la capacità di stimare il proprio tempo di inferenza.
Analisi delle Architetture: Evidenzia come l'architettura attuale (basata su token e non su tempo fisico) e la mancanza di feedback temporale durante l'addestramento rendano impossibile questa capacità, indipendentemente dalla scala del modello.
Implicazioni per gli Agenti: Smentisce l'idea che i modelli possano auto-regolarsi o pianificare risorse temporali basandosi su stime interne.

5. Significato e Implicazioni

Il paper ha profonde implicazioni per lo sviluppo di sistemi agentici autonomi:

Impossibilità di Pianificazione Interna: Non è possibile affidarsi alle stime dei modelli per la schedulazione, l'allocazione del budget computazionale o la gestione delle scadenze (deadlines).
Soluzioni Esterne Necessarie: Per costruire agenti affidabili in scenari critici (triage medico, risposta alle emergenze, allocazione risorse), è necessario implementare infrastrutture di timing esterne. Il sistema deve tracciare il tempo reale e comunicarlo esplicitamente al modello, o utilizzare log storici per stimare i tempi basandosi su task simili passati.
Direzione Futura: Per colmare questo divario, la ricerca futura dovrà esplorare:
- Addestramento con segnali temporali espliciti.
- Architetture che integrino lo stato temporale nel processo di inferenza.
- Modelli che apprendano da interazioni temporali estese (world models) piuttosto che solo da testo.

In sintesi, il paper conclude che gli LLM attuali sono "temporalmente ciechi" riguardo a se stessi: conoscono il tempo degli altri, ma non possono percepire il proprio.