pixel

Forvaltere av sitt eget miljø

Kartleggingssystemet i Kakuma-flyktningleiren oppgraderes, takket være den praktiske involveringen fra beboerne selv
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.

I det tørre landskapet i det nordvestlige Kenya har Kakuma-flyktningleiren vokst til et vidstrakt samfunn med mer enn 300 000 fordrevne personer fra over 20 land. Flyktningleiren ble opprinnelig etablert i 1992 for å gi ly til unge mennesker som flyktet fra krigen i Sudan, og er i dag den største i Afrika. Den dekker rundt 40 km² og huser beboere fra Sør-Sudan, Somalia og andre naboland.

I årevis var kartene over flyktningleiren sterkt foreldet – noe som hindret nødhjelpsleveranser, infrastrukturplanlegging og beredskap ved kriser. Leirens uregelmessige utforming og mangfold av boligtyper gjorde tradisjonelle kartleggingsmetoder vanskelige. Men denne utfordringen utløste et bemerkelsesverdig samarbeid som redefinerte hva humanitær teknologi kan oppnå.

«Jeg mener samarbeid var avgjørende, fordi hver enkelt bidro med noe unikt», sier Dr. Simone Fobi Nsutezo, forsker i anvendt forskning ved Microsoft AI for Good Lab.

I kjernen av samarbeidet om å oppdatere kartleggingssystemet for flyktningleiren Kakuma sto et trekløver av innovasjon. Hver partner bidro med noe unikt, og sammen skapte de reell gjennomslagskraft. UNHCRs Hive – innovasjonslaboratoriet til FNs høykommissær for flyktninger – definerte utfordringene flyktningleiren sto overfor, mens Humanitarian OpenStreetMap Team (HOT) stod for avgjørende datainnsamling på bakken og tett integrering med lokalsamfunnet.

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.

Større gjennomslagskraft gjennom lokalt engasjement

De drivende kreftene var et ønske om å gjøre arbeid som virkelig betyr noe, en sterk interesse for fjernmåling og satellittbilder, og et mål om å møte flyktningenes behov. Manuell kartlegging var verdifull, men både langsom og arbeidskrevende. Teamet ved Microsoft AI for Good Lab så derfor en mulighet for kunstig intelligens og maskinlæring til å gi menneskelige kartleggere verktøyene de trengte.

«Når du først har trent en modell på en liten mengde data, går det svært raskt å få prediksjoner for nye områder. Vi har åpen kildekode for kartlegging av solcelleanlegg, bygninger, taktyper og sanitæranlegg, og hvem som helst kan ta den i bruk på egen hånd», sier Dr. Amrita Gupta, forsker i anvendt forskning ved Microsoft AI for Good Research Lab.

For å få bedre forståelse av forholdene på bakken dokumenterte kartleggingsteamet fra The Humanitarian OpenStreetMap Team (HOT) synlige indikatorer på tilgang til elektrisitet – som solcellepaneler og kraftlinjer i leiren. Selv om det meste av strømmen produseres lokalt ved enkeltbygninger, bidro denne informasjonen til å gi et tydeligere bilde av hvor grunnleggende tjenester faktisk kunne drives, og synliggjorde samtidig mangler i den overordnede infrastruktur­strukturen. 

Målet var å bidra til at Kakuma-flyktningleiren skulle oppleves mindre som et midlertidig tilfluktssted og mer som et varig bosettingsområde. Kartleggingen var det første steget for å sikre at prosjektet forble forankret i humanitære behov. Prosjektets sterke forpliktelse til åpen tilgang innebar at alle data og alt bildemateriale som ble generert, skulle være fritt tilgjengelig. Dette forsterket rekkevidden langt utover Kakuma og bidro til å fremme inkludering av flyktninger. 

Det er hele lokalsamfunnet. Ingen ble glemt.
Akso Kaposho Mupenzi
Kartbidragsyter og flyktning 

Ved å være til stede på bakken i Kenya brakte HOT-teamet inn den menneskelige dimensjonen. Selve datainnsamlingen ble fullt og helt ledet av lokale aktører, fra introduksjon av prosjektet til flyging av droner, og flyktninger i leiren bidro med å identifisere ulike elementer i området manuelt. HOT-teamene fløy droner for å samle inn høyoppløselige luftbilder og gjennomførte feltvalidering sammen med flyktninger som fungerte som kartleggere. Men viktigst av alt var at de lærte opp og styrket beboerne i flyktningleiren – og gjorde datainnsamling til aktiv lokalsamfunnsdeltakelse.

Flyktninger ble kartleggere, tolker og forvaltere av sitt eget nærmiljø, og bidro til å etablere såkalt «ground truth»-data. Den lokale kunnskapen deres ga både større dybde og høyere presisjon, og skapte eierskap til prosessen. HOT-teamet merket manuelt 10 kvadratmiles (16 km²) med bildemateriale, og skapte dermed et rikt treningsdatasett for utvikling av kunstig intelligens, som kan holdes oppdatert etter hvert som leiren utvikler seg.

«Kunstig intelligens ble først og fremst brukt til mønstergjenkjenning og tidsbesparelse. Den hjalp oss med å finne signaler i dataene som ville vært vanskelige å oppdage manuelt», sier Dr. Gupta.

Med utgangspunkt i det rike bildematerialet som var merket av lokalsamfunnet i flyktningleiren, utviklet Microsoft AI for Good Lab avanserte maskinlæringsmodeller ved hjelp av Azure-skytjenester. Modellene ble trent til å identifisere et bredt spekter av elementer med høy presisjon – bygninger, sanitæranlegg, solcellepaneler på gatelys og tak, samt deler av strømnettet som stolper og linjer – i tråd med leirens mangfoldige og uregelmessige landskap.

Ved å kombinere lokal ekspertise med kunstig intelligens klarte teamet å overvinne utfordringene knyttet til flyktningleirens særegne strukturer. Dette muliggjorde rask analyse og mønstergjenkjenning som ville vært vanskelig å oppnå manuelt. Alle modellene og datasettene ble gjort tilgjengelige som åpen kildekode på GitHub, noe som gir utviklere, forskere og humanitære organisasjoner verden over mulighet til å bygge videre på arbeidet og tilpasse det til andre lokalsamfunn med behov.

Et vitnesbyrd om muligheter

Dette kartleggingsprosjektet med åpen kildekode viser hvordan samarbeid kan bidra til å legge et solid grunnlag for bærekraftig utvikling. Etter hvert som de kommunale grensene til byen Kakuma har endret seg, har presise geografiske data blitt avgjørende for langsiktig planlegging og tjenesteleveranser i byen og omkringliggende bosetninger – slik at eventuelle framtidige beslutninger om innlemmelse eller integrasjon bygger på et realistisk faktagrunnlag.

På GitHub begynner neste kapittel i prosjektet – der utviklere, samfunnsteknologer og dataforskere knyttes til reelle humanitære utfordringer. Alt som er lært, er blitt en del av en global kunnskapsbase for støtte til flyktninger. Ved å dele koden åpent kan hvem som helst, hvor som helst, bygge videre på den, forbedre den og bruke den til å gjøre en forskjell. Historien om flyktningleiren Kakuma viser hva som er mulig når humanitær visjon møter innovasjon.

Ingen kjenner et lokalsamfunn bedre enn dem som bor der. Kunstig intelligens erstattet dem ikke, men utvidet mulighetene deres.
Juan M. Lavista Ferres
Labledirektør, AI for Good Lab, Microsoft