Laut dem Office of the Director of National Intelligence (ODNI) zielt das IARPA-Programm „Hidden Activity Signal and Trajectory Anomaly Characterization (HAYSTAC)“ darauf ab, „normale“ Bewegungsmodelle über Zeiten, Orte und Bevölkerungsgruppen hinweg zu erstellen und festzustellen, was eine Aktivität atypisch macht.
„Expansive Daten aus dem Internet der Dinge und Smart-City-Infrastrukturen ermöglichen, neue Modelle zu erstellen, die menschliche Dynamiken in noch nie dagewesener Auflösung verstehen, und schaffen die Verantwortung, die Erwartungen an die Privatsphäre derjenigen zu verstehen, die sich in dieser sensorreichen Welt bewegen.“
Dies ist eine noch nie dagewesene Gelegenheit zu verstehen, wie sich Menschen bewegen, und das Ziel von HAYSTAC wird es sein, ein Verständnis dafür zu entwickeln, wie normale Bewegungen zu jeder Zeit und an jedem Ort aussehen.“ – Dr. Jack Cooper, IARPA
Das vierjährige HAYSTAC-Forschungsprogramm wird von Dr. Jack Cooper geleitet, der 2020 zur IARPA kam, nachdem er bei der National Geospatial-Intelligence Agency (NGA) in der Forschungsabteilung als leitender Wissenschaftler für prädiktive Analytik tätig war.
Für den Programmleiter stellt HAYSTAC „eine noch nie dagewesene Gelegenheit dar, zu verstehen, wie sich Menschen bewegen, und das Ziel von HAYSTAC wird es sein, ein Verständnis dafür zu entwickeln, wie normale Bewegungen zu jeder Zeit und an jedem Ort aussehen.“
„Mit HAYSTAC haben wir die Möglichkeit, maschinelles Lernen und Fortschritte in der künstlichen Intelligenz zu nutzen, um Mobilitätsmuster mit außergewöhnlicher Klarheit zu verstehen“, sagte Dr. Cooper in einer Erklärung an das ODNI.
„Je besser wir normale Bewegungen modellieren können, desto deutlicher können wir erkennen, was ungewöhnlich ist, und einen möglichen Notfall vorhersehen“, fügte er hinzu.
Laut IARPA können die derzeitigen Modellierungstechniken für die menschliche Mobilität einen umfassenden Einblick in menschliche Bewegungen zur Untersuchung der Ausbreitung von Krankheiten oder der Bevölkerungswanderung bieten.
Sie bieten jedoch nicht die komplexe, feinkörnige Modellierung, die die Intelligence Community (IC) benötigt, um subtilere Anomalien zuverlässig zu erkennen.
Hier kommen HAYSTAC und Dr. Cooper ins Spiel.
Mit HAYSTAC haben wir die Möglichkeit, maschinelles Lernen und Fortschritte in der künstlichen Intelligenz zu nutzen, um Mobilitätsmuster mit außergewöhnlicher Klarheit zu verstehen. Dr. Jack Cooper, IARPA
Dr. Cooper ist außerdem der Programmmanager für mindestens zwei weitere IARPA-Forschungsprogramme, die sich auf die Erkennung und Charakterisierung menschlicher Aktivitäten konzentrieren:
- Space-Based Machine Automated Recognition Technique (SMART), die Satellitenbilder nutzt, um menschliche Bauprojekte sowie natürliche Prozesse wie das Wachstum von Pflanzen zu erkennen, zu überwachen und zu charakterisieren.
- Deep Intermodal Video Analytics (DIVA), das automatische Aktivitätsdetektoren entwickelt, die stundenlanges Videomaterial ansehen und die wenigen Sekunden hervorheben können, in denen eine Person oder ein Fahrzeug eine bestimmte Aktivität ausführt (z. B. etwas Schweres tragen, in ein Fahrzeug laden und dann wegfahren).
„Internet-of-Things-Geräte sind eine wachsende Quelle von Daten, die gesammelt werden können, um daraus zu lernen“. Dr. Catherine Marsh, IARPA
In einer Rede auf der weltweiten Konferenz des Department of Defense Intelligence Information System (DoDIIS) im Dezember 2021 gab IARPA-Direktorin Dr. Catherine Marsh einen Ausblick auf das kommende HAYSTAC-Programm, als sie sagte:
„Internet of Thing“-Geräte sind eine wachsende Quelle von Daten, die gesammelt werden können, um Absichten zu erkennen.
„Die Entwicklung dieser neuen Sensoren und Detektoren sowie das Nachdenken über clevere Wege, multimodale Daten zu sammeln, um zu enthüllen, was unsere Gegner vor uns zu verbergen versuchen, ist der Kern dessen, was unsere Erfassungsprogramme zu tun versuchen.“
Für ihr HAYSTAC-Programm hat die IARPA bereits mehrere Aufträge an große Verteidigungsunternehmen und Beratungsfirmen mit Verbindungen zu Hochschulen, Nichtregierungsorganisationen und Technologieunternehmen vergeben.
Diese Verträge gingen an:
- Raytheon Technologies Research Center
- L3Harris Technologies, Inc.
- STR
- Kitware, Inc.
- Leidos, Inc.
- Novateur Research Solutions
- Deloitte Consulting LLP
- Raytheon BBN
„Wenn die HAYSTAC-Systeme ausgereift sind, werden sie auf der Grundlage der Erkennungswahrscheinlichkeit und der Fehlalarmleistung bei der Erstellung relevanter Warnungen bewertet, wobei letztlich versucht wird, 80 % der anomalen Aktivitäten zu erkennen, während normale Aktivitäten nur zu 10 % erkennbar sind“, heißt es in der Programmbeschreibung.
