每天早上，全球各地的航空公司調度員、電網營運商和農民都依賴相同的資訊做出決策：氣象預報。雖然大多數人只會匆匆看兩秒，但氣象預測影響著許多產業的重大策略決策，牽涉到真金白銀、生計甚至生命。

農民利用預報來決定種植何種作物、何時施肥、灌溉基礎設施投入多少，以及牲畜應該放牧多久。公用事業則用來決定太陽能和風力發電場的選址，以及批發電價的訂定。預測也用於警示極端天氣並啟動緊急應變措施。

近來，氣象預測對一個新興產業也變得至關重要：預測市場，人們在此對各種現實世界事件（包括天氣）下注。然而，在這些市場中操縱氣象數據以獲取優勢的誘惑，加上集體轉向數據驅動的 AI 氣象預測，正開始危及氣象預報的準確性。

這些風險目前相對可控，但作為該領域的專家，我們預見它們可能滾雪球般演變成更大、更系統性的問題。為了發展氣象預測，我們需要對當前狀況進行準確觀測。這些數據來自多個來源，包括機場、公用事業或交通服務的氣象站。

傳統的作業系統，如天氣研究與預報模型（Weather Research and Forecasting model）或歐洲中期天氣預報中心（ECMWF）的整合預報系統，會將這些觀測數據與數值近似結合，以估計未來的天氣模式。有時，氣象站會因儀器故障或設備升級等問題而出現狀況。

這些問題可以即時（透過檢查和校正）或追溯性地被發現。傳統預報系統還內建了一種稱為數據同化的保護機制：每個傳入的測量值都會與物理模型預期的情況以及附近氣象站的讀數進行權衡比較。

這些機制共同幫助保持氣象觀測的可靠性和預測的穩健性。然而，新的威脅正在危及觀測的準確性。今年稍早，新聞媒體報導指出，巴黎戴高樂機場（CDG）的氣象站於 2026 年 4 月 6 日和 4 月 15 日被操縱，記錄到可疑的溫度飆升。

當局推測可能有人使用手持吹風機或打火機進行干預。無論如何，這導致一些線上預測市場的賭徒獲得了巨額獎金，他們押注當天氣溫將達到 22°C（71.6°F），而實際平均氣溫約為 18°C（64.4°F）。其中一人贏得了 20,000 美元。

幸運的是，像這樣對單一氣象站的竄改通常可以透過人工監控或現有的統計方法發現。在這次事件中，一個法國氣候非營利協會的成員偶然發現了異常並發出警報。

但如果沒有人工監控系統呢？其他類型的操縱又該如何應對？如果有人不是竄改一個氣象站，而是遠端同時微調許多氣象站的讀數，讓每次改動都小到足以單獨看起來合理呢？

現有的品質控制機制難以捕捉這種協調性的操縱。而且時間對我們不利；仔細檢查數據和元數據需要數小時甚至數天，但預報無論天氣如何都必須按時發布。氣象預測轉向人工智慧（AI）提高了風險。

這些方法更加依賴準確、可靠的氣象觀測數據；事實上，它們被稱為「數據驅動模型」。例如，ECMWF 的研究人員正在探索是否可以直接從原始觀測數據生成高品質的氣象預報，跳過目前作為品質過濾器的數據同化步驟。

其他研究人員更進一步；他們將地理空間數據（包括氣象站數據）與大型語言模型（LLM）和代理式 AI 結合，以支援在風暴等極端事件期間的即時自主決策。可能的好處是準確性、效率和速度的提升。

但將人類從決策環節中移除，會帶來一系列新的巨大風險。在風險等級較低的一端，個別投機者為個人利益操縱氣象站，這就是 CDG 機場的案例。再進一步：一群交易員可能會協調起來，偏頗再生能源產量的預測，從而影響批發電價，讓交易的另一方蒙受損失。

而在最極端的情況下，國家行為者或破壞者可能會操縱一個或多個氣象站，以觸發預警系統，甚至在應該發出警報時使其保持沉默。風險一步步升高，從詐欺演變為災害應變能力受損，最終甚至影響國家安全。

只要存在操縱觀測數據的財務（或其他）誘因，敵人就會尋找新的機會，而我們的任務就是保持領先一步。以下是三種方法。

1. 監控氣象站。 數據品質控制應包括氣象站安全、異常偵測與校正以及人工監督。應持續監控氣象站以阻止竄改行為。清理氣象記錄的數據均質化方法也需要加快速度，目標是即時發現問題。

隨著代理式 AI 系統使用這些數據進行即時決策，這將變得越來越重要。最後，需要人工監督來標記可疑數據和模型結果。畢竟，是人類發現了 CDG 機場的操縱事件。

2. 保護數據以保障 AI。 數據防禦機制必須部署在整個 AI 流程中。AI 可解釋性（explainability）和對抗性韌性（adversarial robustness）工具可以幫助我們理解底層數據和 AI 模型輸出，幫助我們識別數據或模型相關問題，並可能使我們更能抵禦對抗性攻擊。

3. 確保供應鏈的持續責任歸屬。 觀測數據經過許多環節：營運氣象站的操作員、管理記錄的國家氣象局，以及將其轉化為預測的預報中心。沒有任何一方能單獨保護數據完整性，每個環節都守護著自己的部分，任何異常都需要沿著整個鏈條傳達，從氣象站操作員到依據預報採取行動的人。

幸運的是，CDG 機場的事件被發現了，但這應該作為一個警鐘。隨著觀測數據在氣象預報中的作用日益增長，我們需要適應不斷演變的威脅。這意味著透過加強現有的監督和責任結構，並改善主要合作夥伴之間的協調，來保護我們的數據和模型。