Previsões do tempo sustentam decisões rotineiras de companhias aéreas, concessionárias de energia, agricultores e órgãos de emergência. Entretanto, pesquisadores ouvidos pela MIT Technology Review veem um novo ponto de fragilidade: a crescente adoção de modelos de inteligência artificial (IA) na meteorologia pode tornar esses sistemas mais suscetíveis a fraudes.
Mercados de apostas climáticas criam incentivo para adulteração
Além de orientar a população sobre chuvas e calor, os boletins meteorológicos passaram a movimentar dinheiro em plataformas de apostas que remuneram quem acerta condições climáticas futuras. Segundo os especialistas, esse cenário gera motivação financeira para alterar registros de temperatura, umidade e vento coletados por milhares de estações ao redor do mundo.
Modelos consagrados, como o Weather Research and Forecasting (WRF) e o Integrated Forecasting System (IFS) do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), combinam observações de superfície com equações físicas. Nesses sistemas, falhas de sensores normalmente são detectadas durante a chamada “assimilação de dados”, etapa que confronta medidas recentes com valores previstos e com leituras de estações vizinhas.
Fraude em Paris expõe vulnerabilidade
Em abril deste ano, a estação do aeroporto Charles de Gaulle, em Paris, apresentou picos anômalos de temperatura nos dias 6 e 15. Autoridades francesas suspeitam que um secador de cabelo ou até um isqueiro tenha sido usado para aquecer o termômetro, fazendo com que a leitura atingisse 22 °C, embora a média real estivesse em torno de 18 °C. Um apostador embolsou US$ 20 mil (cerca de R$ 102,5 mil) com o desvio, descoberto por uma organização climática sem fins lucrativos.
Para os especialistas, adulterar apenas uma estação costuma ser detectável por inspeção humana ou métodos estatísticos. O temor é um ataque coordenado que altere discretamente múltiplas estações, dificultando a identificação de fraude dentro do tempo limitado entre a coleta e a divulgação dos boletins.
Modelos totalmente orientados por dados ampliam a exposição
O ECMWF e outras instituições avaliam empregar algoritmos de IA capazes de gerar previsões diretamente a partir dos dados brutos, eliminando o estágio de assimilação. Há também pesquisas que integram leituras meteorológicas a modelos de linguagem e a sistemas autônomos para decisões em tempo real durante eventos extremos. A retirada de operadores humanos do processo, porém, aumenta o impacto potencial de dados corrompidos.
Níveis de ameaça
Os autores descrevem três cenários:
- Indivíduos manipulam estações isoladas para lucrar em mercados de previsão, como no caso parisiense;
- Grupos financeiros intervêm em leituras que afetam estimativas de geração eólica e solar, alterando preços de energia no atacado;
- Atores estatais ou sabotadores distorcem medições em larga escala para emitir alertas falsos ou impedir avisos de desastres reais, elevando o problema a questão de segurança nacional.
Medidas sugeridas
Para mitigar os riscos, os pesquisadores recomendam:
- Reforçar a segurança de estações meteorológicas, com monitoramento contínuo, detecção automática de anomalias e revisão humana.
- Incrementar a proteção ao longo da cadeia de dados empregada por sistemas de IA, adotando camadas de defesa distribuídas e ferramentas de explicabilidade dos modelos.
- Estabelecer responsabilidade compartilhada entre operadores de estações, serviços meteorológicos nacionais e centros de previsão, garantindo comunicação rápida sempre que surgirem irregularidades.
O incidente no Charles de Gaulle, embora contido, funciona como alerta. À medida que observações brutas ganham peso em modelos baseados em IA, especialistas defendem reforço na vigilância, coordenação entre órgãos e mecanismos robustos para proteger tanto os dados quanto os algoritmos que fundamentam as previsões.
Com informações de Olhar Digital
