Qualcuno ha usato un asciugacapelli per falsificare una lettura meteorologica. L'IA potrebbe renderlo molto peggio.

Punti chiave

• Una stazione meteorologica all'aeroporto di Parigi Charles de Gaulle ha registrato anomali picchi di temperatura il 6 e il 15 aprile 2026, sospettati di essere stati causati da un asciugacapelli portatile o da un accendino.
• Una persona ha vinto 20.000 dollari su un mercato di previsione online, una piattaforma in cui persone comuni scommettono denaro reale su eventi del mondo reale, sfruttando le false letture.
• Un'organizzazione francese per il clima ha notato la manipolazione per caso; nessun sistema automatizzato l'ha rilevata per primo.
• I modelli meteorologici basati su IA, che imparano i modelli direttamente dai dati storici dei sensori piuttosto che utilizzare equazioni fisiche come controllo incrociato, sono più vulnerabili agli input falsificati rispetto ai metodi di previsione tradizionali.
• Quattro scienziati, tra cui ricercatori del Centro europeo per le previsioni meteorologiche a medio termine e della Commissione europea, chiedono una maggiore sicurezza delle stazioni, un migliore rilevamento delle anomalie e una maggiore chiarezza sulla responsabilità lungo tutta la catena di previsione.

In una mite mattina di aprile a Parigi, qualcuno ha apparentemente avvicinato una fonte di calore a un termometro presso l'aeroporto Charles de Gaulle. Il sensore ha registrato un picco. Le persone che avevano scommesso online che la temperatura avrebbe raggiunto 22 gradi Celsius quel giorno hanno incassato le loro vincite. Una persona se ne è andata con 20.000 dollari in più.

La temperatura effettiva era intorno ai 18 gradi Celsius.

Membri di un'organizzazione francese per il clima hanno notato le strane letture e hanno lanciato l'allarme. Nessun sistema automatizzato di controllo della qualità l'ha rilevato in tempo. Questo quasi-incidente è il punto di partenza per un avviso pubblicato tramite MIT Technology Review, scritto da quattro ricercatori con esperienza diretta nella previsione meteorologica operativa e nei dati climatici.

Perché questo ha importanza oltre un singolo truffatore?

Al momento, una singola stazione manomessa è rilevabile. Ma i ricercatori descrivono una scala mobile di rischi che diventa sgradevole rapidamente.

Da un lato: un singolo giocatore d'azzardo con un asciugacapelli, come a CDG. Un passo più in là: un gruppo di trader che alterano silenziosamente le letture in diverse stazioni per spostare i prezzi dell'elettricità all'ingrosso. All'estremità opposta: un attore statale che silenzia un sensore di preallarme durante una tempesta o innesca un falso allarme di emergenza. Ogni passo è più difficile da rilevare e comporta conseguenze più gravi.

Ciò che rende l'IA particolarmente rilevante qui è il funzionamento di questi nuovi sistemi di previsione. I modelli tradizionali, come quello gestito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF), verificano ogni lettura di sensore in arrivo rispetto a ciò che la fisica dice che dovrebbe accadere e rispetto alle stazioni vicine. È un filtro di sanità mentale automatico chiamato assimilazione dei dati.

I nuovi sistemi di previsione basati su IA, descritti come "modelli basati sui dati" perché imparano direttamente dalle osservazioni storiche piuttosto che dalle regole fisiche, saltano o riducono questo passaggio. Alimentali con dati corrotti e hanno meno ragioni intrinseche per diffidarne. I ricercatori dell'ECMWF stanno già esplorando sistemi che estraggono le previsioni direttamente dalle letture dei sensori grezzi, il che potrebbe migliorare la velocità e l'accuratezza ma rimuove una rete di sicurezza fondamentale.

Alcuni sistemi vanno ancora oltre, combinando i dati dei sensori con i grandi modelli linguistici, la tecnologia dietro chatbot come ChatGPT, per prendere decisioni in tempo reale durante i disastri senza un essere umano nel circuito. Se gli input sono cattivi, le decisioni sono cattive.

I ricercatori propongono tre correzioni. Primo: proteggere fisicamente le stazioni meteorologiche, aggiungere un monitoraggio continuo e mantenere la capacità umana di segnalare letture sospette. Secondo: costruire difese lungo l'intera pipeline dell'IA, utilizzando strumenti che possono spiegare cosa sta facendo il modello e rilevare quando qualcuno sta cercando di ingannarlo. Terzo: assicurarsi che ogni organizzazione che tocca i dati, dal tecnico che gestisce una stazione remota al centro di previsione che emette l'avviso, comunichi chiaramente le anomalie piuttosto che presumere che qualcun altro le rileverà.

Per la maggior parte delle persone, una previsione meteorologica sembra banale. Per gli agricoltori che scelgono cosa piantare, gli operatori della rete che stabiliscono i prezzi dell'elettricità e i servizi di emergenza che decidono quando evacuare una città, è tutt'altro. Ottenere i dati giusti non è un dettaglio tecnico.