Förvaltare av sin miljö

I det torra området i nordvästra Kenya har flyktinglägret Kakuma vuxit till ett vidsträckt samhälle med mer än 300 000 flyktingar från över 20 länder. Flyktinglägret grundades 1992 för att ge skydd åt unga människor som flydde kriget i Sudan och är det största i Afrika, med en yta på cirka 40 km², med invånare från Sydsudan, Somalia och andra grannländer.

I åratal var flyktinglägrets kartor mycket föråldrade, vilket hindrade hjälpleveranser, infrastrukturplanering och katastrofinsatser. Lägrets oregelbundna utformning och olika typer av boenden gjorde traditionella kartläggningsmetoder svåra. Men den här utmaningen utlöste ett anmärkningsvärt samarbete som omdefinierade vad humanitär teknik kunde åstadkomma.

”Jag tror att samarbete var nyckeln eftersom varje person bidrog med något unikt”, säger Dr. Simone Fobi Nsutezo, Applied Research Scientist, Microsoft AI for Good Lab.

I hjärtat av samarbetet för att uppdatera kartläggningssystemet i flyktinglägret Kakuma var en triad av innovation grundläggande. Varje partner bidrog med något unikt, och tillsammans skapade de verklig inverkan. UNHCR:s Hive – FN:s flyktingorgans innovationslaboratorium – definierade de problem som flyktinglägret stod inför, medan The Humanitarian OpenStreetMap Team (HOT) tillhandahöll viktig datainsamling på plats och viktig samhällsintegration.

Förstärk effekten genom samhällsengagemang

Drivkraften var en önskan att göra något som verkligen betydde något, en passion för fjärranalys och satellitbilder samt målet att tillgodose flyktingars behov. Manuell kartläggning var visserligen värdefull, men tidskrävande och arbetsintensiv. Microsoft AI for Good Lab-teamet såg en möjlighet för AI och maskininlärning att ge mänskliga kartläggare de verktyg de behövde.

”När man väl har tränat en modell på en liten mängd data går det mycket snabbt att få förutsägelser om nya områden. Vi har öppen källkod för kartläggning av solpaneler, byggnader, taktyper och sanitära anläggningar, och vem som helst kan använda den självständigt”, säger Dr. Amrita Gupta, Applied Research Scientist, Microsoft AI for Good Research Lab.

För att bättre förstå förhållandena på plats dokumenterade HOT-kartläggningsteamet synliga indikatorer på tillgång till el, såsom solpaneler och kraftledningar i lägret. Även om det mesta av elen produceras lokalt i enskilda byggnader, bidrog denna information till att skapa en tydligare bild av var viktiga tjänster realistiskt sett kunde fungera och belyste brister i den övergripande infrastrukturen. 

Målet var att bidra till att lägret skulle kännas mindre som en tillfällig bostad och mer som en permanent bosättning. Kartläggningen var det första steget för att säkerställa attprojektet förblev förankrat i humanitära behov. Projektets ambition om öppen tillgång innebar att all data och alla bilder som genererades skulle vara fritt tillgängliga. Detta förstärkte räckvidden bortom Kakuma och främjade flyktingars inkludering. 

Genom att arbeta på plats i Kenya bidrog HOT-teamet med en mänsklig touch. Den praktiska datainsamlingen sköttes helt och hållet av lokalbefolkningen, från presentation av projektet till att flyga drönarna, och flyktingarna i lägret hjälpte till att manuellt identifiera olika objekt i området. HOT-teamen flög drönare för att ta högupplösta flygbilder och genomföra fältvalidering tillsammans med flyktingarna som arbetade med kartläggningen. Men viktigast av allt var att de utbildade och engagerade personerna i flyktinglägret, vilket gjorde datainsamlingen till ett gemensamt projekt.

Flyktingarna blev kartläggare, tolkar och förvaltare av sin egen miljö och skapade data om verkliga förhållanden på plats. Deras lokala kunskap tillförde djup och noggrannhet och gav dem äganderätt till processen. HOT-teamet markerade manuellt 16 km² av bilderna och skapade en rik utbildningsdatabas för AI-utveckling som kan uppdateras i takt med att lägret utvecklas.

”AI användes främst för mönstermatchning och tidsbesparing. Det hjälpte oss att hitta signaler i data som skulle vara svåra att upptäcka manuellt”, säger Dr. Gupta.

Med hjälp av de detaljerade community-taggade bilderna som samlats in i flyktinglägret utvecklade Microsofts AI for Good Lab avancerade maskininlärningsmodeller med hjälp av Azure-molntjänster. Dessa modeller tränades för att noggrant identifiera en rad olika objekt – byggnader, sanitetsbyggnader, solpaneler för gatubelysning och tak, samt delar av elnätet som stolpar och ledningar – som visar lägrets varierande och oregelbundna landskap.

Genom att utnyttja både lokal expertis och AI kunde teamet övervinna de utmaningar som flyktinglägrets unika strukturer innebar, vilket möjliggjorde snabb analys och mönsterigenkänning som skulle vara svårt att uppnå manuellt. Alla modeller och datamängder publicerades som öppen källkod på GitHub, vilket gjorde det möjligt för utvecklare, forskare och humanitära organisationer över hela världen att bygga vidare på detta arbete och anpassa det för andra samhällen i behov.

Ett exempel på möjligheter

Detta kartläggningsprojekt med öppen källkod visar hur samarbete kan bidra till att skapa en stark grund för hållbar utveckling. I takt med att Kakumas administrativa gränser har förändrats har exakta rumsliga data blivit avgörande för långsiktig planering och tjänsteleverans i staden och omgivande bosättningar – så att alla framtida beslut om annektering eller integration baseras på verkligheten.

GitHub är platsen där nästa kapitel i detta projekt börjar – här får utvecklare, samhällstekniker och datavetare ta del av verkliga humanitära utmaningar. Allt som framkommit har blivit en del av en global kunskapsbas för att hjälpa flyktingar. Genom att dela denna kod öppet kan vem som helst, var som helst, bygga vidare på den, förbättra den och använda den för att åstadkomma förändring. Berättelsen om flyktinglägret Kakuma är ett bevis på vad som är möjligt när humanitär vision möter innovation.