في عالم التقنية الحديثة، يبدو أن الأنظمة السيبرانية والذكية باتت تدمج بين البشر ونماذج الذكاء الاصطناعي ووحدات التحكم الآلية في حلقة تحكم واحدة. ما يجعل هذه الأنظمة جديرة بالثقة هو مجمل العملية، وليس مجرد نموذج واحد. ومع ذلك، كانت هناك حاجة ملحة لمعيار يمكنه تقديم قياسات دقيقة للانحرافات (drift) والأخطاء (failures) التي يمكن أن تحدث في أي من هذه الطبقات.

توجهت دراسة TRACE الجديدة نحو ملء هذا الفجوة، حيث تم تصميم معيارها ليعالج الانحراف بمخلفاته عبر الأبعاد المختلفة. حيث تم حقن انحرافات محكومة ضمن سجلات مستمدة من معيار ALFRED، الذي يركز على المهام المنزلية اليومية. وتقدم هذه الدراسة 1,918 تتبعًا زمنيًا منسقًا، كل منها يمثل تسلسلًا زمنيًا دقيقًا يحتوي على سجلات لكل خطوة عبر خمس طبقات تنفيذية، مع تصنيف لكل انحراف من حيث النوع والطبقة المتأثرة ووقت البدء والممثل الفاعل وآلية السبب.

وبالتعاون مع بروتوكول مدرك للتسرب، ساهمت هذه البيانات في تحسين دقة تحديد الانحرافات، حيث أظهرت النتائج أن القدرة على التعرف على الانحرافات كانت أعلى من العشوائية والنماذج التقليدية، مما يساعد الباحثين والمطورين على فهم سبب انهيار التنسيق وكيفية استعادة النظام. فهل يمكن لنماذج الذكاء الاصطناعي البسيطة أن تف outperform النماذج المعقدة في هذا السياق؟ ما زلنا نحتاج إلى المزيد من الأبحاث لفهم هذا الجانب بشكل أفضل في عالم التقنيات الحديثة.