Каждое утро авиадиспетчеры, операторы энергосетей и фермеры по всему миру принимают решения, основываясь на одном и том же: прогнозе погоды.
Хотя большинство людей уделяют этим прогнозам всего пару секунд, они влияют на ключевые стратегические решения во многих отраслях, где на кону стоят реальные деньги, средства к существованию и даже человеческие жизни. Фермеры используют их, чтобы определить, какой сорт культуры сеять, когда вносить удобрения, сколько инвестировать в ирригационную инфраструктуру и как долго выпасать скот. Коммунальные службы применяют их для выбора мест строительства солнечных и ветряных электростанций, а также для ценообразования на оптовом рынке электроэнергии. Прогнозы используются для предупреждения населения об экстремальных погодных явлениях и запуска мер экстренного реагирования. В последнее время прогнозы погоды стали актуальны для новой отрасли: рынков предсказаний, где люди делают ставки на самые разные реальные события, включая погоду.
Однако соблазн манипулировать погодными данными для получения преимущества на этих рынках в сочетании с массовым переходом на управляемый данными ИИ для прогнозирования погоды начинает угрожать точности прогнозов. Пока эти риски относительно управляемы, но, как эксперты в этой области, мы можем предвидеть сценарии, в которых они перерастут в гораздо более серьезные и системные проблемы.
Для разработки прогнозов погоды необходимы точные наблюдения за текущими условиями. Они собираются из нескольких источников, включая метеостанции в аэропортах, коммунальных или транспортных службах. Традиционные операционные системы, такие как модель Weather Research and Forecasting или Интегрированная система прогнозирования Европейского центра среднесрочных прогнозов погоды (ECMWF), объединяют эти наблюдения с численными приближениями для оценки будущих погодных условий.
Иногда на метеостанциях возникают проблемы, например, из-за отказа приборов или модернизации оборудования. Их можно выявить либо в реальном времени (путем проверки и коррекции), либо постфактум. Традиционные системы прогнозирования также имеют встроенную защиту, называемую усвоением данных: каждое поступающее измерение сравнивается с тем, что, согласно физической модели, должно происходить, и с показаниями соседних станций.
Вместе эти механизмы помогают поддерживать надежность метеонаблюдений и точность прогнозов. Однако новые угрозы ставят точность наблюдений под удар. Ранее в этом году новостные издания сообщили, что метеостанция в парижском аэропорту Шарль-де-Голль (CDG) была подделана для регистрации подозрительных скачков температуры 6 и 15 апреля 2026 года. Власти предполагают, что мог использоваться ручной фен или зажигалка. В любом случае, это привело к крупным выплатам игрокам на онлайн-рынках предсказаний, которые ставили на то, что температура достигнет 22 °C (71,6 °F) в дни, когда фактическая средняя температура составляла около 18 °C (64,4 °F). Один человек выиграл 20 000 долларов.
К счастью, подобное вмешательство в работу одной станции обычно можно обнаружить с помощью человеческого мониторинга или современных статистических методов. В данном случае члены французской некоммерческой климатической ассоциации случайно заметили аномалии и подняли тревогу.
Но что, если системы человеческого мониторинга отсутствуют? А как насчет других видов манипуляций? Что, если вместо вмешательства в работу одной станции кто-то удаленно скорректирует показания сразу многих станций, сделав каждое изменение достаточно малым, чтобы выглядеть правдоподобным по отдельности? Существующие средства контроля качества с трудом выявляют такую скоординированную манипуляцию. И время работает против нас: тщательная проверка данных и метаданных занимает часы или дни, но прогнозы должны выходить по расписанию, независимо от погоды.
Переход к искусственному интеллекту в прогнозировании погоды повышает ставки. Эти методы еще более зависимы от точных и надежных метеонаблюдений; фактически они известны как «модели, управляемые данными». Например, исследователи из ECMWF изучают возможность получения высококачественных прогнозов погоды непосредственно из необработанных наблюдений, минуя этап усвоения, который в настоящее время служит фильтром качества. Другие исследователи идут еще дальше, объединяя геопространственные данные (включая данные метеостанций) с большими языковыми моделями и агентным ИИ для поддержки автономного принятия решений в реальном времени во время экстремальных явлений, таких как штормы.
Возможные преимущества включают повышение точности, эффективности и скорости. Однако исключение человека из уравнения порождает широкий спектр новых рисков.
На нижнем уровне шкалы риска — отдельный спекулянт манипулирует метеостанцией ради личной выгоды; это случай с аэропортом CDG. На ступень выше: группа трейдеров может скоординировать действия для искажения прогнозов выработки возобновляемой энергии, сдвигая оптовые цены на электроэнергию и оставляя проигравшую сторону с убытками. И на крайнем уровне: государственный субъект или диверсант может манипулировать одной или несколькими станциями, чтобы запустить систему раннего предупреждения или, наоборот, заставить ее молчать, когда она должна сработать. Шаг за шагом риск растет: от мошенничества до подорванной готовности к стихийным бедствиям и вопросов национальной безопасности.
Пока существуют финансовые (или иные) стимулы для манипулирования данными наблюдений, противники будут искать новые возможности, и наша задача — оставаться на шаг впереди. Вот три способа.
1. Следите за станциями. Контроль качества данных должен включать безопасность станций, обнаружение и коррекцию аномалий, а также человеческий надзор. Метеостанции должны непрерывно контролироваться для предотвращения вмешательства. Методы гомогенизации данных, очищающие метеорологические записи, также должны стать быстрее, чтобы выявлять проблемы в реальном времени. Это станет еще более важным по мере того, как агентные системы ИИ будут использовать эти данные для принятия решений в реальном времени. Наконец, необходим человеческий надзор для выявления сомнительных данных и результатов моделей. В конце концов, именно люди обнаружили манипуляции в аэропорту CDG.
2. Защищайте данные, чтобы обезопасить ИИ. Механизмы защиты данных должны быть встроены во весь конвейер ИИ. Инструменты объяснимости ИИ и состязательной устойчивости могут помочь нам понять базовые данные и выходные данные модели ИИ, выявить проблемы, связанные с данными или моделью, и потенциально сделать нас более устойчивыми к состязательным атакам.
3. Обеспечьте непрерывную подотчетность по всей цепочке. Данные наблюдений проходят через многие руки: операторов, обслуживающих станции, национальные метеорологические службы, хранящие записи, и центры прогнозирования, превращающие их в прогнозы. Ни один из них не может в одиночку обеспечить целостность данных — каждый отвечает за свое звено, и любая аномалия должна быть передана по всей цепочке: от операторов станций до людей, действующих на основе прогноза.
К счастью, ситуация в аэропорту CDG была раскрыта, но она должна послужить тревожным сигналом. По мере того как роль данных наблюдений в прогнозировании погоды растет, мы должны адаптироваться к меняющимся угрозам. Это означает защиту наших данных и моделей путем усиления существующих структур надзора и подотчетности, а также улучшения координации между ключевыми партнерами.
Эта авторская статья написана:
- Моник Куглич — менеджер по инновациям в Институте Генриха Герца Фраунгофера и председатель Глобальной инициативы ООН по устойчивости к стихийным бедствиям с помощью решений на основе ИИ
- Йеспер Драмш — ученый в области машинного обучения в Европейском центре среднесрочных прогнозов погоды (ECMWF), где работает над AIFS (Система прогнозирования на основе ИИ), управляемой данными модели прогноза погоды ECMWF
- Франц Г. Куглич — климатолог и исполнительный секретарь Международного союза геодезии и геофизики (IUGG) в Центре геонаук GFZ в Потсдаме
- Андреа Торети — старший научный сотрудник Объединенного исследовательского центра Европейской комиссии (JRC), где координирует работу Европейской и Глобальной обсерватории засух в рамках Службы управления чрезвычайными ситуациями Copernicus
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Charlotte Jee
