AI正在重新預(yù)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(yùn)營商和農(nóng)民，都會(huì)依據(jù)同一件事做出決策：天氣預(yù)報(bào)。對于大多數(shù)人來說，天氣預(yù)報(bào)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(huì)根據(jù)天氣預(yù)報(bào)決定種植哪一種作物、何時(shí)施肥、是否投入更多灌溉設(shè)施，以及讓牲畜放牧多久。電力企業(yè)則依靠天氣預(yù)測來決定太陽能和風(fēng)電場建在哪里，以及如何制定批發(fā)電價(jià)。極端天氣預(yù)警、應(yīng)急響應(yīng)啟動(dòng)，同樣離不開天氣預(yù)測。

近年來，天氣預(yù)報(bào)又多了一個(gè)新的應(yīng)用場景——預(yù)測市場（prediction markets）。在這類平臺(tái)上，人們可以針對各種現(xiàn)實(shí)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(yù)測快速轉(zhuǎn)型，正在讓天氣預(yù)報(bào)的準(zhǔn)確性面臨新的風(fēng)險(xiǎn)。

目前來看，這些風(fēng)險(xiǎn)仍然可控。但作為這一領(lǐng)域的研究者，我們已經(jīng)能夠預(yù)見：如果放任不管，它們很可能會(huì)演變成更嚴(yán)重的隱患。

要生成天氣預(yù)報(bào)，首先需要準(zhǔn)確掌握當(dāng)前天氣狀況。這些觀測數(shù)據(jù)來自多個(gè)渠道，包括機(jī)場、公共事業(yè)單位以及交通運(yùn)輸部門部署的氣象站。

傳統(tǒng)的業(yè)務(wù)預(yù)報(bào)系統(tǒng)，例如天氣研究與預(yù)報(bào)模型或歐洲中期天氣預(yù)報(bào)中心的綜合預(yù)報(bào)系統(tǒng)，會(huì)將這些觀測數(shù)據(jù)與數(shù)值計(jì)算模型結(jié)合起來，推演未來的天氣變化。

當(dāng)然，氣象站本身也可能出現(xiàn)問題，例如儀器故障或設(shè)備升級。這些問題有的能夠及時(shí)發(fā)現(xiàn)，有的則需要事后排查。此外，傳統(tǒng)天氣預(yù)報(bào)系統(tǒng)還內(nèi)置了一道關(guān)鍵的安全機(jī)制——數(shù)據(jù)同化（data assimilation）：每一條新的觀測數(shù)據(jù)，都會(huì)與物理模型預(yù)測的結(jié)果以及周邊氣象站的數(shù)據(jù)進(jìn)行交叉比對，以判斷其是否合理。正是這些機(jī)制，共同保證了數(shù)據(jù)的可靠，從而讓天氣預(yù)報(bào)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(bào)道，法國巴黎戴高樂機(jī)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(fēng)機(jī)或打火機(jī)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(yùn)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(jì)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(shí)發(fā)出了警報(bào)。

但如果出現(xiàn)其他情況呢？

比如說，有人不再篡改單個(gè)氣象站，而是遠(yuǎn)程同時(shí)修改大量氣象站的數(shù)據(jù)，并且把每個(gè)站點(diǎn)的改動(dòng)都控制在一個(gè)看似合理的幅度內(nèi)。這樣一來，每一條數(shù)據(jù)單獨(dú)看都沒有明顯問題，卻足以共同影響整體天氣預(yù)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(zhì)量控制機(jī)制很難及時(shí)識(shí)別。同時(shí)，時(shí)間對于天氣預(yù)報(bào)極為關(guān)鍵。全面檢查數(shù)據(jù)及其元數(shù)據(jù)往往需要數(shù)小時(shí)甚至數(shù)天，但天氣預(yù)報(bào)必須按時(shí)發(fā)布，不可能無限等待。

AI 參與天氣預(yù)測讓問題變得更加復(fù)雜，因?yàn)?AI 天氣預(yù)測比傳統(tǒng)數(shù)值天氣預(yù)報(bào)更加依賴準(zhǔn)確、可靠的觀測數(shù)據(jù)。目前，歐洲中期天氣預(yù)報(bào)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(zhì)量天氣預(yù)報(bào)，跳過目前承擔(dān)數(shù)據(jù)質(zhì)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(jié)合起來，希望在暴風(fēng)雨等極端天氣發(fā)生時(shí)，實(shí)現(xiàn)實(shí)時(shí)、自主的決策支持。這些新方法有望進(jìn)一步提高天氣預(yù)測的準(zhǔn)確性和效率。但與此同時(shí)，當(dāng)人類逐漸退出決策鏈條，也意味著一系列新的風(fēng)險(xiǎn)正在出現(xiàn)。

比如，像戴高樂機(jī)場事件一樣，個(gè)別投機(jī)者為了個(gè)人利益篡改單個(gè)氣象站的數(shù)據(jù)。再進(jìn)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(yù)測出現(xiàn)系統(tǒng)性偏差，就可能影響電力批發(fā)市場價(jià)格，讓交易對手承擔(dān)巨額損失。而最嚴(yán)重的情況，則是國家行為體或蓄意破壞者操縱一個(gè)甚至多個(gè)氣象站，故意觸發(fā)本不該啟動(dòng)的預(yù)警系統(tǒng)，或者壓制本應(yīng)發(fā)出的災(zāi)害預(yù)警。

風(fēng)險(xiǎn)會(huì)一步步升級：從金融欺詐，到削弱災(zāi)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(huì)不斷尋找新的漏洞。因此，我們必須始終領(lǐng)先一步。

具體來說，可以從以下三個(gè)方面著手。

第一：守住氣象站。數(shù)據(jù)質(zhì)量控制不僅要關(guān)注數(shù)據(jù)本身，還應(yīng)覆蓋氣象站的安全防護(hù)、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(shí)，用于清洗歷史天氣記錄的數(shù)據(jù)同質(zhì)化（homogenization）方法，也需要進(jìn)一步提速，最終實(shí)現(xiàn)實(shí)時(shí)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(jìn)行實(shí)時(shí)決策，這一點(diǎn)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(jìn)行判斷。畢竟，這次戴高樂機(jī)場事件，最終也是人發(fā)現(xiàn)的。

第二：保護(hù)數(shù)據(jù)，才能保護(hù) AI。必須在 AI 系統(tǒng)的整個(gè)流程中部署數(shù)據(jù)防護(hù)機(jī)制。AI 可解釋性（AI explainability）和對抗穩(wěn)固性（adversarial robustness）等技術(shù)，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(jié)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(gè)鏈條中建立持續(xù)的問責(zé)機(jī)制。一份天氣觀測數(shù)據(jù)，從采集到形成天氣預(yù)報(bào)，會(huì)經(jīng)過許多環(huán)節(jié)：運(yùn)行氣象站的運(yùn)營方、負(fù)責(zé)管理數(shù)據(jù)的國家氣象機(jī)構(gòu)，以及負(fù)責(zé)生成天氣預(yù)報(bào)的預(yù)報(bào)中心。沒有任何一個(gè)環(huán)節(jié)能夠單獨(dú)保證數(shù)據(jù)完整性。每個(gè)參與方只能守住自己負(fù)責(zé)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(yùn)營人員，到最終依據(jù)天氣預(yù)報(bào)采取行動(dòng)的人。

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

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