Una persona nota de seguida quan alguna cosa no quadra i decideix si val la pena aturar-se. Un assistent d'IA, un robot o una planta automatitzada ho tenen més difícil: no saben distingir un fet rar però irrellevant d'un fet que els hauria de fer replantejar-se què fan.
Yu Ding, Xiao Liu, Yinsong Wang i Quan Zeng, de l'Escola d'Enginyeria Industrial i de Sistemes de Georgia Tech, han publicat a l'«INFORMS Journal on Data Science» (1 d'octubre del 2026, DOI 10.1287/ijds.2026.0182) un marc que anomenen «sorpresa d'informació mútua». Defineix la sorpresa com el coneixement que el sistema guanya, no com la raresa del fet (la sorpresa de Shannon) ni com el canvi de creences (la sorpresa bayesiana).
Segons els autors, les mesures actuals fallen en situacions concretes: la sorpresa de Shannon dona molta importància a un fet que només és poc freqüent, com un model de cotxe estrany, i la bayesiana no detecta casos realment sorprenents, com un alumne excel·lent que de sobte treu mala nota. La nova mesura intenta marcar només els moments en què cal reconsiderar el pla.
Els usos que proposen són assistents que reconeguin els seus buits de coneixement, robots davant d'una situació mai vista i fàbriques que detectin una alteració que requereix intervenció humana. La nota de premsa no entra en proves en entorns reals ni en les dificultats d'aplicar-ho, de manera que cal veure-ho com un marc teòric, encara per validar a la pràctica.