به گزارش دفتر مدیر اطلاعات ملی آمریکا، برنامه HAYSTAC (شناسایی ناهنجاری‌های مبتنی بر سیگنال فعالیت پنهان و مسیر) هدف دارد مدل‌های دقیق از حرکت روزمره افراد در شهرها ایجاد کند و هرگونه رفتار غیرعادی را شناسایی کند. داده‌های این سیستم از تلفن‌های همراه، دوربین‌های نظارتی، کارت‌های بانکی، داده‌های حمل‌ونقل، و فعالیت آنلاین گردآوری می‌شود.
هوش مصنوعی با پردازش این داده‌ها، «پروفایل حرکتی» برای هر منطقه و زمان ایجاد می‌کند. زمانی که الگوریتم انحرافی از این مدل مشاهده کند — مثلاً تجمع غیرمعمول یا مسیر عجیب یک خودرو — سیستم به‌صورت خودکار هشدار می‌دهد.
این پروژه چهار‌ساله سه فاز دارد (۱۸، ۱۸ و ۱۲ ماهه) و در حال حاضر در میانه فاز دوم است. هدف نهایی، دقت ۸۰ درصدی در شناسایی فعالیت‌های غیرعادی و کاهش خطای هشدار است. محل آزمایش و داده‌های واقعی مورد استفاده محرمانه مانده.
شرکت‌هایی چون Raytheon، L3Harris و Leidos در توسعه راستای این برنامه مشارکت دارند و مراکزی مانند آزمایشگاه فیزیک کاربردی دانشگاه جانز هاپکینز مسئول کنترل کیفیت‌اند.
HAYSTAC بخشی از مجموعه پروژه‌های پیش‌بینی و کنترل رفتار است که پیش‌تر برنامه EMBERS را نیز شامل می‌شد؛ سیستمی که با پردازش روزانه میلیون‌ها پیام در شبکه‌های اجتماعی، اعتراضات بزرگی را پیش‌بینی کرده بود.

تحلیل پیچینو
HAYSTAC نماد گرایش فزاینده دولت‌ها به استفاده از هوش مصنوعی برای ایجاد «حافظه جمعی» از جابجایی‌ها و عادات مردم است. هرچند حامیان آن را ابزاری برای پیشگیری از تهدیدات می‌دانند، اما مدل‌سازی جامع رفتار و نظارت بی‌وقفه، مرزهای حریم خصوصی را عملاً از بین می‌برد. این رویکرد، چالشی عمیق برای توازن میان امنیت و آزادی فردی ایجاد کرده و پرسش‌های اخلاقی و حقوقی تازه‌ای را در سطح جهانی برمی‌انگیزد.