AI正在重新預測天氣，但有人開始攻擊天氣數(shù)據(jù)

（來源：麻省理工科技評論）

每天清晨，世界各地的航空調(diào)度員、電網(wǎng)運營商和農(nóng)民，都會依據(jù)同一件事做出決策：天氣預報。對于大多數(shù)人來說，天氣預報可能只是掃一眼就劃過去的信息；但在許多行業(yè)，它卻決定著重要的戰(zhàn)略決策，背后牽涉了真金白銀、生產(chǎn)經(jīng)營，甚至生命安全。

農(nóng)民會根據(jù)天氣預報決定種植哪一種作物、何時施肥、是否投入更多灌溉設施，以及讓牲畜放牧多久。電力企業(yè)則依靠天氣預測來決定太陽能和風電場建在哪里，以及如何制定批發(fā)電價。極端天氣預警、應急響應啟動，同樣離不開天氣預測。

近年來，天氣預報又多了一個新的應用場景——預測市場（prediction markets）。在這類平臺上，人們可以針對各種現(xiàn)實世界事件下注，其中就包括天氣。然而，人為操縱天氣數(shù)據(jù)去獲取利益的誘惑，疊加 AI 天氣預測快速轉型，正在讓天氣預報的準確性面臨新的風險。

目前來看，這些風險仍然可控。但作為這一領域的研究者，我們已經(jīng)能夠預見：如果放任不管，它們很可能會演變成更嚴重的隱患。

要生成天氣預報，首先需要準確掌握當前天氣狀況。這些觀測數(shù)據(jù)來自多個渠道，包括機場、公共事業(yè)單位以及交通運輸部門部署的氣象站。

傳統(tǒng)的業(yè)務預報系統(tǒng)，例如天氣研究與預報模型或歐洲中期天氣預報中心的綜合預報系統(tǒng)，會將這些觀測數(shù)據(jù)與數(shù)值計算模型結合起來，推演未來的天氣變化。

當然，氣象站本身也可能出現(xiàn)問題，例如儀器故障或設備升級。這些問題有的能夠及時發(fā)現(xiàn)，有的則需要事后排查。此外，傳統(tǒng)天氣預報系統(tǒng)還內(nèi)置了一道關鍵的安全機制——數(shù)據(jù)同化（data assimilation）：每一條新的觀測數(shù)據(jù)，都會與物理模型預測的結果以及周邊氣象站的數(shù)據(jù)進行交叉比對，以判斷其是否合理。正是這些機制，共同保證了數(shù)據(jù)的可靠，從而讓天氣預報保持較高的穩(wěn)定性。

但是，新的威脅正在削弱這種可靠性。

就在今年，多家媒體報道，法國巴黎戴高樂機場的氣象站在 2026 年 4 月 6 日和 4 月 15 日記錄到了異常升高的氣溫。調(diào)查人員懷疑，有人使用手持吹風機或打火機故意給溫度傳感器加熱。這一操縱都帶來了巨額收益：其中一名參與者因此獲利約 2 萬美元。

幸運的是，像這樣針對單一氣象站的篡改，通常能靠人工監(jiān)測或統(tǒng)計方法發(fā)現(xiàn)。這一次，正是一家法國氣候公益組織的成員注意到了異常，并及時發(fā)出了警報。

但如果出現(xiàn)其他情況呢？

比如說，有人不再篡改單個氣象站，而是遠程同時修改大量氣象站的數(shù)據(jù)，并且把每個站點的改動都控制在一個看似合理的幅度內(nèi)。這樣一來，每一條數(shù)據(jù)單獨看都沒有明顯問題，卻足以共同影響整體天氣預測。

面對這種經(jīng)過精心協(xié)調(diào)的數(shù)據(jù)操縱，現(xiàn)有的數(shù)據(jù)質量控制機制很難及時識別。同時，時間對于天氣預報極為關鍵。全面檢查數(shù)據(jù)及其元數(shù)據(jù)往往需要數(shù)小時甚至數(shù)天，但天氣預報必須按時發(fā)布，不可能無限等待。

AI 參與天氣預測讓問題變得更加復雜，因為 AI 天氣預測比傳統(tǒng)數(shù)值天氣預報更加依賴準確、可靠的觀測數(shù)據(jù)。目前，歐洲中期天氣預報中心的研究人員正在探索，是否能夠直接利用原始觀測數(shù)據(jù)生成高質量天氣預報，跳過目前承擔數(shù)據(jù)質量過濾作用的數(shù)據(jù)同化步驟。

還有一些研究者將地理空間數(shù)據(jù)、大語言模型以及智能體 AI 結合起來，希望在暴風雨等極端天氣發(fā)生時，實現(xiàn)實時、自主的決策支持。這些新方法有望進一步提高天氣預測的準確性和效率。但與此同時，當人類逐漸退出決策鏈條，也意味著一系列新的風險正在出現(xiàn)。

比如，像戴高樂機場事件一樣，個別投機者為了個人利益篡改單個氣象站的數(shù)據(jù)。再進一步，如果一群交易者協(xié)同操縱數(shù)據(jù)，使可再生能源發(fā)電量預測出現(xiàn)系統(tǒng)性偏差，就可能影響電力批發(fā)市場價格，讓交易對手承擔巨額損失。而最嚴重的情況，則是國家行為體或蓄意破壞者操縱一個甚至多個氣象站，故意觸發(fā)本不該啟動的預警系統(tǒng)，或者壓制本應發(fā)出的災害預警。

風險會一步步升級：從金融欺詐，到削弱災害防范能力，最終演變?yōu)閲野踩珕栴}。只要篡改觀測數(shù)據(jù)仍然有利可圖，攻擊者就會不斷尋找新的漏洞。因此，我們必須始終領先一步。

具體來說，可以從以下三個方面著手。

第一：守住氣象站。數(shù)據(jù)質量控制不僅要關注數(shù)據(jù)本身，還應覆蓋氣象站的安全防護、異常檢測與修正，以及人工審核。氣象站需要持續(xù)監(jiān)控，以防止人為篡改。同時，用于清洗歷史天氣記錄的數(shù)據(jù)同質化（homogenization）方法，也需要進一步提速，最終實現(xiàn)實時發(fā)現(xiàn)和修正問題。

隨著智能體 AI 越來越多地依賴這些數(shù)據(jù)進行實時決策，這一點將變得愈發(fā)重要。此外，人工監(jiān)督依然不可或缺。無論是可疑數(shù)據(jù)還是模型輸出，都需要專業(yè)人員進行判斷。畢竟，這次戴高樂機場事件，最終也是人發(fā)現(xiàn)的。

第二：保護數(shù)據(jù)，才能保護 AI。必須在 AI 系統(tǒng)的整個流程中部署數(shù)據(jù)防護機制。AI 可解釋性（AI explainability）和對抗穩(wěn)固性（adversarial robustness）等技術，可以幫助我們理解模型所依賴的數(shù)據(jù)以及模型輸出結果，更快發(fā)現(xiàn)數(shù)據(jù)或模型存在的問題，并提升系統(tǒng)抵御惡意攻擊的能力。

第三：在整個鏈條中建立持續(xù)的問責機制。一份天氣觀測數(shù)據(jù)，從采集到形成天氣預報，會經(jīng)過許多環(huán)節(jié)：運行氣象站的運營方、負責管理數(shù)據(jù)的國家氣象機構，以及負責生成天氣預報的預報中心。沒有任何一個環(huán)節(jié)能夠單獨保證數(shù)據(jù)完整性。每個參與方只能守住自己負責的一環(huán)，因此，一旦發(fā)現(xiàn)異常，就必須讓信息沿著整條鏈路快速傳遞——從氣象站運營人員，到最終依據(jù)天氣預報采取行動的人。

隨著觀測數(shù)據(jù)在天氣預測中的重要性不斷提升，我們也必須適應不斷演變的新威脅。這意味著，需要進一步強化現(xiàn)有的監(jiān)督和問責體系，加強數(shù)據(jù)與模型的安全保護，并提升各個關鍵參與方之間的協(xié)同能力。

https://www.technologyreview.com/2026/07/17/1140622/weather-data-sabotage/