pixel

Διαχειριστές του περιβάλλοντός τους

Το σύστημα χαρτογράφησης του προσφυγικού καταυλισμού Kakuma αναβαθμίζεται, χάρη στην πρακτική συμμετοχή των κατοίκων του
A bustling market scene with colorful fabric canopies overhead, motorbikes parked along the dirt pathway, and people walking and shopping among stalls selling clothes and household goods.

Στην άνυδρη περιοχή της βορειοδυτικής Κένυας, ο προσφυγικός καταυλισμός Kakuma έχει εξελιχθεί σε μια εκτεταμένη κοινότητα περισσότερων από 300.000 εκτοπισμένων ατόμων από περισσότερες από 20 χώρες. Αρχικά ιδρύθηκε το 1992 για να στεγάσει νέους που προσπαθούν να ξεφύγουν από τον πόλεμο στο Σουδάν. Αυτός ο προσφυγικός καταυλισμός είναι ο μεγαλύτερος στην Αφρική, καλύπτοντας περίπου 15 τετραγωνικά μίλια (40 χιλιόμετρα), με κατοίκους από το Νότιο Σουδάν, τη Σομαλία και άλλες γειτονικές χώρες.

Για χρόνια, οι χάρτες του προσφυγικού καταυλισμού ήταν πολύ ξεπερασμένοι – εμποδίζοντας την παροχή βοήθειας, τον σχεδιασμό υποδομών και την ανταπόκριση σε περίπτωση έκτακτης ανάγκης. Η ακανόνιστη διάταξη του καταυλισμού και οι ποικίλοι τύποι καταφυγίων καθιστούσαν δύσκολες τις παραδοσιακές μεθόδους χαρτογράφησης. Αλλά αυτή η πρόκληση πυροδότησε μια αξιοσημείωτη συνεργασία που επαναπροσδιόρισε τι θα μπορούσε να επιτύχει η ανθρωπιστική τεχνολογία.

«Νομίζω ότι η συνεργασία ήταν το κλειδί επειδή κάθε άτομο έφερε κάτι μοναδικό στο έργο», λέει η Δρ Simone Fobi Nsutezo, Επιστήμονας Εφαρμοσμένης Έρευνας του AI for Good Lab της Microsoft.

Στο επίκεντρο της συνεργασίας για την ενημέρωση του συστήματος χαρτογράφησης του προσφυγικού καταυλισμού Kakuma, μια τριάδα καινοτομίας ήταν θεμελιώδης. Κάθε εταίρος έφερε κάτι μοναδικό στο έργο και μαζί, δημιούργησαν πραγματικό αντίκτυπο. Η Κυψέλη της Ύπατης Αρμοστείας του ΟΗΕ για τους Πρόσφυγες – το εργαστήριο καινοτομίας της Ύπατης Αρμοστείας του ΟΗΕ για τους Πρόσφυγες – προσδιόρισε τα ζητήματα που αντιμετώπιζε ο προσφυγικός καταυλισμός, ενώ η ομάδα Humanitarian OpenStreetMap (HOT) παρείχε ουσιαστική επιτόπια συλλογή δεδομένων και ζωτικής σημασίας ένταξη της κοινότητας.

Aerial view of a sprawling refugee camp with rows of small, makeshift shelters and buildings, separated by a dirt road, under a partly cloudy sky in a dry, arid landscape.

Ενίσχυση του αντίκτυπου μέσω της συμμετοχής της κοινότητας

Οι καθοδηγητικές δυνάμεις ήταν η επιθυμία να κάνουν δουλειά που πραγματικά είχε σημασία, το πάθος για την τηλεπισκόπηση και τις δορυφορικές εικόνες και ο στόχος της κάλυψης των αναγκών των προσφύγων. Η μη αυτόματη χαρτογράφηση, αν και πολύτιμη, ήταν αργή και εντατική, αλλά η ομάδα του AI for Good Lab της Microsoft είδε μια ευκαιρία για την τεχνητή νοημοσύνη και τη μηχανική μάθηση να βοηθήσουν να δοθούν στους χαρτογράφους τα εργαλεία που χρειάζονταν.

«Μόλις εκπαιδευτεί ένα μοντέλο σε μια μικρή ποσότητα δεδομένων, είναι πολύ γρήγορο να λάβουμε προβλέψεις για νέους τομείς. Έχουμε ανοιχτό κώδικα για τη χαρτογράφηση ηλιακών συλλεκτών, κτηρίων, τύπων στέγης, εγκαταστάσεων υγιεινής και ο καθένας μπορεί να τον χρησιμοποιήσει ανεξάρτητα», λέει η Δρ Amrita Gupta, Επιστήμονας Εφαρμοσμένης Έρευνας, Microsoft AI for Good Research Lab.

Για την καλύτερη κατανόηση των συνθηκών στο έδαφος, η ομάδα χαρτογράφησης της HOT κατέγραψε ορατούς δείκτες πρόσβασης σε ηλεκτρική ενέργεια – όπως ηλιακούς συλλέκτες και γραμμές μεταφοράς ηλεκτρικής ενέργειας που υπάρχουν στον καταυλισμό. Ενώ το μεγαλύτερο μέρος της ηλεκτρικής ενέργειας παράγεται επί τόπου σε μεμονωμένα κτήρια, οι πληροφορίες αυτές συνέβαλαν στη δημιουργία μιας σαφέστερης εικόνας για το πού θα μπορούσαν ρεαλιστικά να λειτουργήσουν οι βασικές υπηρεσίες και ανέδειξαν κενά στο ευρύτερο τοπίο των υποδομών.

Ο στόχος ήταν να βοηθηθεί ο καταυλισμός ώστε να αισθανθεί λιγότερο ως προσωρινό καταφύγιο και περισσότερο ως μόνιμος οικισμός. Η χαρτογράφηση ήταν το πρώτο βήμα προς τη διασφάλιση ότι το έργο παρέμενε γειωμένο στις ανθρωπιστικές ανάγκες. Η δέσμευση του έργου για ανοικτή πρόσβαση σήμαινε ότι όλα τα δεδομένα και οι εικόνες που παράγονται θα είναι ελεύθερα διαθέσιμα. Αυτό ενίσχυσε την εμβέλεια πέρα από το Kakuma, υποστηρίζοντας την ένταξη των προσφύγων.

Συμπεριλήφθηκε όλη η κοινότητα. Δεν ξεχάσαμε κανέναν.
Akso Kaposho Mupenzi
Συντελεστής χάρτη και πρόσφυγας 

Λειτουργώντας επιτόπου στην Κένυα, η ομάδα HOT έφερε την ανθρώπινη επαφή. Η πραγματική δραστηριότητα συλλογής δεδομένων καθοδηγήθηκε εξ ολοκλήρου από ντόπιους, από την εισαγωγή του έργου μέχρι την πτήση των drone και οι πρόσφυγες στον καταυλισμό βοήθησαν στον μη αυτόματο εντοπισμό χαρακτηριστικών στην περιοχή. Οι ομάδες της HOT πέταξαν drone για να καταγράψουν αεροφωτογραφίες υψηλής ανάλυσης και να πραγματοποιήσουν επαλήθευση πεδίου με πρόσφυγες χαρτογράφους. Αλλά το πιο σημαντικό είναι ότι εκπαίδευσαν και υποστήριξαν τα μέλη του προσφυγικού καταυλισμού – μετατρέποντας τη συλλογή δεδομένων σε συμμετοχή της κοινότητας.

Οι πρόσφυγες έγιναν χαρτογράφοι, διερμηνείς και διαχειριστές του δικού τους περιβάλλοντος, δημιουργώντας δεδομένα εδάφους. Οι τοπικές γνώσεις τους πρόσθεσαν βάθος και ακρίβεια, δίνοντάς τους την κυριότητα της διαδικασίας. Η ομάδα HOT επισήμανε μη αυτόματα 10 τετραγωνικά μίλια (16 km²) εικόνων, δημιουργώντας ένα πλούσιο σύνολο δεδομένων εκπαίδευσης για την ανάπτυξη του AI που μπορεί να διατηρηθεί ενημερωμένο καθώς εξελίσσεται ο καταυλισμός.

«Η τεχνητή νοημοσύνη χρησιμοποιήθηκε κυρίως για αντιστοίχιση μοτίβων και εξοικονόμηση χρόνου. Μας βοήθησε να βρούμε σήματα στα δεδομένα που θα ήταν δύσκολο να εντοπιστούν χειροκίνητα», λέει η Δρ. Gupta.

Αντλώντας από τις πλούσιες εικόνες που συλλέχθηκαν στον καταυλισμό προσφύγων, το AI for Good Lab της Microsoft ανέπτυξε προηγμένα μοντέλα εκμάθησης μηχανής χρησιμοποιώντας υπηρεσίες cloud του Azure. Αυτά τα μοντέλα εκπαιδεύτηκαν για να προσδιορίσουν με ακρίβεια ένα ευρύ φάσμα χαρακτηριστικών – κτήρια, εγκαταστάσεις υγιεινής, ηλιακούς συλλέκτες από φωτισμό δρόμου και στέγες, καθώς και στοιχεία του δικτύου ηλεκτρικής ενέργειας όπως στύλους και καλωδίωση – που αντικατοπτρίζουν το ποικίλο και ακανόνιστο τοπίο του στρατοπέδου.

Αξιοποιώντας τόσο την τοπική τεχνογνωσία όσο και την τεχνητή νοημοσύνη, η ομάδα ήταν σε θέση να ξεπεράσει τις προκλήσεις που θέτουν οι μοναδικές δομές του καταυλισμού προσφύγων, επιτρέποντας την ταχεία ανάλυση και αναγνώριση προτύπων που θα ήταν δύσκολο να επιτευχθεί χειροκίνητα. Όλα τα μοντέλα και τα σύνολα δεδομένων κυκλοφόρησαν ως ανοιχτός κώδικας στο GitHub, δίνοντας τη δυνατότητα σε προγραμματιστές, ερευνητές και ανθρωπιστικές οργανώσεις σε όλο τον κόσμο να αξιοποιήσουν αυτό το έργο και να το προσαρμόσουν για άλλες κοινότητες που έχουν ανάγκη.

Μια απόδειξη των δυνατοτήτων

Αυτό το έργο χαρτογράφησης ανοιχτού κώδικα δείχνει πώς η συνεργασία μπορεί να βοηθήσει στη δημιουργία ισχυρών θεμελίων για βιώσιμη ανάπτυξη. Καθώς τα δημοτικά όρια της πόλης Kakuma έχουν εξελιχθεί, τα ακριβή χωρικά δεδομένα έχουν καταστεί κρίσιμα για τον μακροπρόθεσμο σχεδιασμό και την παροχή υπηρεσιών σε όλη την πόλη και τους γύρω οικισμούς – διασφαλίζοντας ότι οποιεσδήποτε μελλοντικές αποφάσεις προσάρτησης ή ενσωμάτωσης βασίζονται στην πραγματικότητα.

Το GitHub είναι το σημείο όπου ξεκινά το επόμενο κεφάλαιο αυτού του έργου – συνδέοντας προγραμματιστές, τεχνολόγους πόλεων και επιστήμονες δεδομένων με πραγματικές ανθρωπιστικές προκλήσεις. Και όλα όσα έμαθαν έχουν γίνει μέρος μιας παγκόσμιας βάσης γνώσεων για την παροχή βοήθειας στους πρόσφυγες. Με την ανοιχτή κοινή χρήση αυτού του κώδικα, οποιοσδήποτε, οπουδήποτε, μπορεί να βασιστεί σε αυτόν, να τον βελτιώσει και να τον χρησιμοποιήσει για να κάνει τη διαφορά. Η ιστορία του προσφυγικού καταυλισμού Kakuma είναι απόδειξη του τι είναι δυνατό όταν το ανθρωπιστικό όραμα συναντά την καινοτομία.

Κανείς δεν γνωρίζει μια κοινότητα καλύτερα από τους ανθρώπους που ζουν εκεί. Η τεχνητή νοημοσύνη δεν τους αντικατέστησε, αλλά επέκτεινε τις δυνατότητές τους.
Juan M. Lavista Ferres
Διευθυντής εργαστηρίου AI For Good Lab, Microsoft