Los estándares de inteligencia artificial estándar evalúan predominantemente la precisión específica de la tarea, fallando fundamentalmente en medir cuán eficientemente los sistemas extraen, comprimen y generalizan conocimiento relacional a partir de la experiencia. Para abordar esta brecha fundamental, introducimos la Inteligencia Comprimida por Experiencia (ECI), un marco de medición unificado que evalúa la calidad del aprendizaje estructural a través de cuatro dimensiones: eficiencia de compresión, tasa de extracción de conocimiento tácito, retención de transferencia entre dominios y eficiencia de experiencia. Estas métricas se agregan y ponderan estrictamente mediante la Densidad de Ruta Estadística (SPD), una nueva señal de confianza epistémica que detecta de manera efectiva la falta de familiaridad estructural al analizar los manífolds de activación a un costo de paso hacia adelante único. La validación empírica demuestra que ECI proporciona una evaluación estadísticamente robusta y no inflada que aísla correctamente la superficialidad estructural de las redes optimizadas para precisión, estableciendo un estándar concreto y falsable para rastrear el progreso en la IA Estructuralista.
Momen Ghazouani (vie,) estudió esta cuestión.