Modern meteoroloji, milyonlarca sensörden toplanan verilere dayanır. Ancak bu dev ağların sürdürülebilirliği, bireylerin katkı sağlamaya devam etmesi için etkili teşvik sistemleri gerektirir. Şimdiye kadar, her bir veri katkısının ağa ne kadar değer kattığını objektif olarak ölçmek büyük bir zorluk olarak kalmıştır.
Araştırmacılar, bu soruna yapay zeka tabanlı hava durumu modellerini kullanarak yenilikçi bir çözüm geliştirdi. Geleneksel yöntemler veri kalitesine odaklanırken, yeni yaklaşım doğrudan veri değerlemesi yapıyor. Operasyonel meteorolojide kullanılan adjoint tabanlı yöntemler, tahmin modelinden değer türetse de tam veri asimilasyonu altyapısı gerektiriyor.
Çalışmada, diferansiyel yapay zeka hava durumu modelleri kullanılarak, GFS analiz girdileri üzerinde gradient tabanlı atıf karakterizasyonu gerçekleştirildi. Sistem, 400'den fazla farklı konfigürasyonda test edilerek güvenilirlik, kalibrasyon, maliyet ve oyun teorisi açısından değerlendirildi.
Sonuçlar, atıf sisteminin neredeyse optimal sensör yerleşimi faydasını monoton olarak sadık ödemelerle yakalayabildiğini gösterdi. Ancak sistem, kötü niyetli girdilerle şişirilebiliyor ve bu tür saldırıların tespiti için harici referans verilerine ihtiyaç duyuluyor. Bu bulgular, gradient atıfının hesaplamalı açıdan verimli bir çözüm olduğunu ortaya koyuyor.