تعتبر نماذج الأشجار (Decision Tree Ensembles) واحدة من النماذج الأكثر شيوعًا في مجال التصنيف باستخدام الذكاء الاصطناعي، حيث تُستخدم في مجالات متعددة ذات أهمية قصوى. ومع تزايد الاعتماد على هذه النماذج، أصبح التحقق من دقتها وموثوقيتها موضوعًا مهمًا للبحث العلمي. من بين الأسئلة المركزية في هذا المجال هو مسألة "الحساسية"، والتي تتعلق بمدى تأثير التغييرات البسيطة في مجموعة من الميزات على تصنيف المدخلات.

ركزت الأبحاث الجديدة على بناء مفهوم كمي للحساسية يتم تصميمه خصيصًا لنماذج الأشجار عن طريق تقسيم مجال المدخلات للنموذج وإحصاء المناطق المعرضة للحساسية. تم اقتراح تقنية جديدة تعتمد على تشفير المشكلة كجدول قرار جبري (Algebraic Decision Diagram - ADD) مما يسمح بفصلها إلى مشكلات فرعية يمكن حلها بكفاءة، مما يجعل العملية أكثر قابلية للتوسع.

تتضمن التجارب أداء التقنية الجديدة التي تحمل اسم "XCount" مقارنة بأداء العدادات النموذجية في مواجهة نفس التشجيع، حيث أظهرت النتائج التجريبية تسارعًا كبيرًا في المعالجة مقارنة بالأساليب الأخرى، مع قدرتها على التكيف مع أحجام الفرق المتزايدة. تعد هذه النتائج بمثابة خطوة مهمة نحو تحسين موثوقية نماذج الذكاء الاصطناعي وتقليل مخاطر الأخطاء في الأنظمة الحساسة.