paint-brush
Programme HAYSTAC de l'IARPA : Prédire les mouvements des personnes avec l'IA et l'IoTpar@thesociable
312 lectures
312 lectures

Programme HAYSTAC de l'IARPA : Prédire les mouvements des personnes avec l'IA et l'IoT

par The Sociable3m2023/06/25
Read on Terminal Reader

Trop long; Pour lire

Intelligence Advanced Research Projects Activity (IARPA) cherche à « développer des systèmes capables de modéliser les schémas de déplacement des populations dans le monde » en utilisant l'IA et des capteurs connectés à l'Internet des objets (IoT) et aux villes intelligentes. Le [programme] « Hidden Activity Signal and Trajectory Anomaly Characterization (**HAYSTAC) » de l'IARPA vise à établir des modèles de mouvement « normaux » à travers le temps, les lieux et les populations.
featured image - Programme HAYSTAC de l'IARPA : Prédire les mouvements des personnes avec l'IA et l'IoT
The Sociable HackerNoon profile picture
0-item

L'US Intelligence Advanced Research Projects Activity (IARPA) cherche à "développer des systèmes capables de modéliser les schémas de déplacement des populations dans le monde entier" en utilisant l'IA et des capteurs connectés à l'Internet des objets (IoT) et aux villes intelligentes.


Selon le Bureau du directeur du renseignement national ( ODNI ), le programme « Hidden Activity Signal and Trajectory Anomaly Characterization ( HAYSTAC ) » de l'IARPA vise à établir des modèles de mouvement « normaux » à travers le temps, les lieux et les populations et à déterminer ce qui rend une activité atypique.


"Les données étendues de l'Internet des objets et des infrastructures Smart City offrent des opportunités pour construire de nouveaux modèles qui comprennent la dynamique humaine à une résolution sans précédent et créent la responsabilité de comprendre les attentes en matière de confidentialité pour ceux qui se déplacent dans ce monde riche en capteurs."


"Il s'agit d'une opportunité sans précédent de comprendre comment les humains se déplacent, et l'objectif de HAYSTAC sera de comprendre à quoi ressemble un mouvement normal à un moment et à un endroit donnés"


Dr Jack Cooper, IARPA


Le Dr Jack Cooper , qui a rejoint l'IARPA en 2020 après un passage à la National Geospatial-Intelligence Agency (NGA) à la Direction de la recherche, dirige le programme de recherche de quatre ans HAYSTAC , où il était chercheur principal pour l'analyse prédictive.


Pour le responsable du programme, HAYSTAC représente " une opportunité sans précédent de comprendre comment les humains se déplacent, et l'objectif de HAYSTAC sera de comprendre à quoi ressemble un mouvement normal à un moment et à un endroit donnés ".


"Avec HAYSTAC , nous avons la possibilité de tirer parti de l'apprentissage automatique et des avancées de l'intelligence artificielle pour comprendre les schémas de mobilité avec une clarté exceptionnelle", a déclaré le Dr Cooper dans une déclaration à l'ODNI.


" Plus nous pouvons modéliser de manière robuste les mouvements normaux, plus nous pouvons identifier avec précision ce qui sort de l'ordinaire et prévoir une éventuelle urgence ", a-t-il ajouté.


Selon l'IARPA , "les techniques actuelles de modélisation de la mobilité humaine peuvent fournir un aperçu de haut niveau des mouvements humains pour l'étude de la propagation des maladies ou de la migration des populations".


Cependant, "ils ne fournissent pas la modélisation complexe et fine dont la communauté du renseignement (IC) a besoin pour identifier des anomalies plus subtiles en toute confiance".


C'est là que HAYSTAC et le Dr Cooper entrent en jeu.


"Avec HAYSTAC, nous avons la possibilité de tirer parti de l'apprentissage automatique et des avancées de l'intelligence artificielle pour comprendre les schémas de mobilité avec une clarté exceptionnelle"


Dr Jack Cooper, IARPA


Le Dr Cooper est également responsable de programme pour au moins deux autres programmes de recherche de l'IARPA axés sur la détection et la caractérisation des activités humaines, notamment :


  • Space-Based Machine Automated Recognition Technique ( SMART ), qui utilise l'imagerie satellite pour détecter, surveiller et caractériser les projets de construction humains, ainsi que les processus naturels comme la croissance des cultures.
  • Deep Intermodal Video Analytics ( DIVA ), qui crée des détecteurs d'activité automatiques capables de regarder des heures de vidéo et de mettre en évidence les quelques secondes lorsqu'une personne ou un véhicule effectue une activité spécifique (par exemple, transporter quelque chose de lourd, le charger dans un véhicule, puis partir ).


"Les appareils Internet of Thing sont une source croissante de données qui peuvent être collectées pour apprendre l'intention"

Dre Catherine Marsh, IARPA


S'exprimant lors de la conférence mondiale du Département du système d'information sur le renseignement de la défense (DoDIIS) en décembre 2021, la directrice de l'IARPA , le Dr Catherine Marsh, a préfiguré le programme HAYSTAC à venir lorsqu'elle a déclaré :


« Les appareils Internet of Thing sont une source croissante de données qui peuvent être collectées pour apprendre l'intention.

"Le développement de ces nouveaux capteurs et détecteurs, ainsi que la réflexion sur des moyens intelligents de collecter des données multimodales pour révéler ce que nos adversaires tentent de nous cacher, est au cœur même de ce que nos programmes de collecte visent à faire."


Pour son programme HAYSTAC , l'IARPA a déjà attribué plusieurs contrats à de grands entrepreneurs de la défense et à des cabinets de conseil ayant des liens avec des universités, des ONG et des entreprises technologiques.

Ces contrats sont allés à :


  • Centre de recherche Raytheon Technologies
  • L3Harris Technologies, Inc.
  • STR
  • Kitware, Inc.
  • Leidos, Inc.
  • Solutions de recherche Novateur
  • Deloitte Consulting LLP
  • Raytheon BBN


"Au fur et à mesure que les systèmes HAYSTAC mûriront, ils seront évalués en fonction de la probabilité de détection et des performances des fausses alarmes dans la création d'alertes pertinentes, cherchant finalement à identifier 80 % de l'activité anormale tout en générant une activité normale qui n'est détectable qu'à 10 %", selon le programme . descriptif .



Cet article a été initialement publié par Tim Hinchliffe sur The Sociable.