AI热榜 每天早上，世界各地的航空公司调度员、电网运营商和农民都会根据同一件事做出决策：天气预报。
尽管大多数人只看一眼这些天气预报两秒钟，但天气预报影响着许多行业的重大战略决策，关系到真金白银、生计甚至现实生活。
农民用它们来确定播种哪种作物品种、何时施肥、灌溉基础设施投资多少以及牲畜应该放牧多长时间。
公用事业公司利用它们来决定在哪里建造太阳能和风电场，以及如何对批发电力定价。
预测用于警告人们有关极端天气的信息并触发紧急响应措施。
最近，天气预报已经与一个新兴行业相关：预测市场，人们在各种现实世界事件（包括天气）上下注。
然而，操纵天气数据以在这些市场中获得优势的诱惑，再加上数据驱动的人工智能天气预报的集体发展，正开始使天气预报的准确性面临风险。
目前这些风险相对可控，但作为该领域的专家，我们可以预见它们会滚雪球般发展成更大、更具系统性的问题。
为了进行天气预报，我们需要对当前状况进行准确观察。
这些数据是从多个来源收集的，包括机场气象站、公用事业或运输服务。
天气研究和预报模型或欧洲中期天气预报中心 (ECMWF) 综合预报系统等传统操作系统将这些观测结果与数值近似值结合起来，以估计未来的天气模式。
有时，气象站会因仪器故障或设备升级等原因而出现问题。
这些可以实时（通过检查和纠正）或追溯地捕获。
传统的预报系统还有一个内置的保护措施，称为数据同化：每个传入的测量值都会根据物理模型所说的应该发生的情况以及附近站点的读数进行权衡。
这些机制共同有助于保持天气观测的可靠性和预测的稳健性。
然而，新的威胁正在使观测准确性面临风险。
今年早些时候，新闻媒体报道称，巴黎戴高乐机场 (CDG) 的气象站被人为操纵，记录了 2026 年 4 月 6 日和 4 月 15 日的可疑气温峰值。
当局推测可能是手持吹风机或打火机起了作用。
不管怎样，这都为在线预测市场的赌徒带来了巨额回报，他们押注在实际平均气温约为 18°C (64.4°F) 的日子里，气温将达到 22°C (71.6°F)。
一名个人赢得了 20,000 美元。
幸运的是，像这样的对单个站点的篡改通常可以通过人类监控或当前的统计方法来捕获。
在这种情况下，法国一家气候非营利协会的成员偶然注意到了异常情况并发出了警报。
但如果没有人工监控系统怎么办？
那么其他类型的操纵又如何呢？
如果不是篡改一个电台，而是同时远程调整多个电台的读数，使每个变化足够小，看起来似乎合理，结果会怎样呢？
现有的质量控制很难捕捉到这种协调操作。
时间对我们不利；仔细检查数据和元数据需要数小时或数天的时间，但无论天气如何，天气预报都必须按计划发布。
天气预报中向人工智能的转变增加了风险。
这些方法更加依赖于准确、可靠的天气观测；事实上，它们被称为“数据驱动模型”。
例如，ECMWF 的研究人员正在探索是否可以直接根据原始观测结果生成高质量的天气预报，从而跳过目前充当质量过滤器的同化步骤。
其他研究人员更进一步；将地理空间数据（包括气象站数据）与大型语言模型和代理人工智能相结合，以支持风暴等极端事件期间的实时自主决策。
可能的好处是提高准确性、效率和速度。
但将人类排除在外会带来一系列新的风险。
🔗 原始来源
如果你要核对细节，可以再看原文： MIT Tech Review原文链接