Forvaltere af deres miljø

I det tørre område i det nordvestlige Kenya er Kakuma-flygtningelejren vokset til et vidtstrakt samfund med mere end 300.000 fordrevne mennesker fra over 20 lande. Flygtningelejren, der oprindeligt blev oprettet i 1992 for at give husly til unge mennesker, der flygtede fra krigen i Sudan, er den største i Afrika og dækker et område på ca. 40 km² med beboere fra Sydsudan, Somalia og andre nabolande.

I årevis var flygtningelejrens kort stærkt forældede, hvilket hindrede levering af nødhjælp, planlægning af infrastruktur samt beredskabsindsatser. Lejrens uregelmæssige indretning og forskellige boligtyper vanskeliggjorde traditionelle kortlægningsmetoder. Men denne udfordring udløste et enestående samarbejde, der omdefinerede, hvad humanitær teknologi kan udrette.

“Jeg tror, at samarbejdet var afgørende, fordi hver enkelt person bidrog med noget særligt,” siger Dr. Simone Fobi Nsutezo, Applied Research Scientist, Microsoft AI for Good Lab.

Kernen i samarbejdet om at opdatere kortlægningssystemet i Kakuma-flygtningelejren var en triade af innovation, bestående af tre partnere, der hver især bidrog med noget særlig, og sammen skabte de en reel effekt. UNHCR’s Hive – FN’s Flygtningehjælps innovationslaboratorium – definerede de problemer, flygtningelejren stod over for, mens The Humanitarian OpenStreetMap Team (HOT) sørgede for den nødvendige dataindsamling på stedet og den vigtige integration i lokalsamfundet.

Større gennemslagskraft med lokalt engagement

Drivkraften var et ønske om at udføre arbejde, der virkelig betød noget, en passion for fjernmåling og satellitbilleder samt målet om at imødekomme flygtninges behov. Manuel kortlægning var værdifuld, men langsom og arbejdskrævende, men Microsoft AI for Good Lab-teamet så en mulighed for, at kunstig intelligens og maskinlæring kunne hjælpe med at give menneskelige kortlæggere de værktøjer, de havde brug for.

“Når man først har trænet en model på en lille mængde data, går det meget hurtigt at få forudsigelser om nye områder. Vi har open source-kode til kortlægning af solcellepaneler, bygninger, tagtyper og sanitære faciliteter, og alle kan bruge den uafhængigt,” siger Dr. Amrita Gupta, Applied Research Scientist, Microsoft AI for Good Research Lab.

For bedre at forstå forholdene på stedet dokumenterede HOT-kortlægningsteamet synlige indikatorer for adgang til elektricitet, bl.a lejrens solcellepaneler og elledninger. Selvom det meste af elektriciteten produceres i de enkelte bygninger, hjalp disse oplysninger med at skabe et mere tydeligt billede af, hvor vigtige tjenester realistisk set kunne fungere, og fremhævede mangler i den bredere infrastruktur. 

Målet var at hjælpe lejren med at føles mindre som et midlertidigt opholdssted og mere som en permanent bosættelse. Kortlægningen var det første skridt mod at sikre, at projektet forblev forankret i humanitære behov.. Projektets valg af åben adgang betød, at alle genererede data og billeder ville være frit tilgængelige. Dette øgede rækkevidden ud over Kakuma og fremmede inklusionen af flygtninge.

Ved at arbejde på stedet i Kenya tilføjede HOT-teamet et menneskeligt aspekt. Den faktiske dataindsamling blev udelukkende ledet af lokale, lige fra introduktionen af projektet til flyvningen med dronerne, og flygtninge i lejren hjalp med manuelt at identificere karakteristika i området. HOT-teamene fløj med droner for at tage højopløselige luftfotos og gennemføre feltvalidering med flygtninge, der kortlagde området. Men vigtigst af alt var det, at de uddannede og styrkede beboerne i flygtningelejren – og dermed gjorde dataindsamlingen til et samfundsprojekt.

Flygtningene blev kortlæggere, tolke og forvaltere af deres eget miljø, og de skabte data, der afspejlede virkeligheden på stedet. Deres lokale viden bidrog med dybde og nøjagtighed og gav dem ejerskab over processen. HOT-teamet opmærkede manuelt 16 km² af billedmaterialet og skabte dermed et omfattende træningsdatasæt til AI-udvikling, der kan holdes opdateret i takt med, at lejren udvikler sig.

“Kunstig intelligens blev primært brugt til mønstergenkendelse og tidsbesparelse. Den hjalp os med at finde signaler i dataene, som ville være svære at få øje på med det blotte øje”, siger Dr. Gupta.

Med udgangspunkt i de mange billeder, der var blevet tagget af lokalsamfundet i flygtningelejren, udviklede Microsofts AI for Good Lab avancerede maskinlæringsmodeller ved brug af Azure-cloudtjenester. Disse modeller blev trænet til nøjagtigt at identificere en lang række elementer – bygninger, sanitære faciliteter, solcellepaneler på gadelygter og tagene samt elementer i elnettet som master og ledninger – der afspejler lejrens mangfoldige og uregelmæssige landskab.

Ved at udnytte både lokal ekspertise og kunstig intelligens var teamet i stand til at overvinde de udfordringer, som flygtningelejrens unikke strukturer udgjorde, hvilket muliggjorde hurtig analyse og mønstergenkendelse, som ville være vanskeligt at opnå manuelt. Alle modeller og datasæt blev frigivet som open source på GitHub, hvilket gav udviklere, forskere og humanitære organisationer over hele verden mulighed for at bygge videre på arbejdet og tilpasse det til andre samfund i nød.

Et vidnesbyrd om mulighederne

Dette open source-kortlægningsprojekt viser, hvordan samarbejde kan bidrage til at skabe et solidt fundament for bæredygtig udvikling. I takt med at Kakuma-byens kommunegrænser har ændret sig, er nøjagtige geografiske data blevet afgørende for langsigtet planlægning og levering af tjenester over hele byen og i de omkringliggende bosættelser – hvilket sikrer, at fremtidige beslutninger om inddragelse eller integration er baseret på virkeligheden.

GitHub er stedet, hvor næste kapitel i dette projekt begynder – her forbindes udviklere, civile teknikere og dataforskere med virkelige humanitære udfordringer. Og alt det, der er lært, er blevet en del af en global videnbase til gavn for flygtninge. Ved at dele denne kode åbent kan alle, uanset hvor de befinder sig, bygge videre på den, forbedre den og bruge den til at gøre en forskel. Historien om Kakuma-flygtningelejren er et bevis på, hvad der er muligt, når humanitær vision møder innovation.