kunstig intelligens

Norsk kunstig intelligens skal forhindre omskjæring i Tanzania

Den norske maskinlæringsmodellen ble utviklet for å kartlegge hustak i Norge. Nå går Norkart inn i frivillig prosjekt.

Norkarts sommerteam jobber med forskjellige prosjekter i løpet av sommeren.
Norkarts sommerteam jobber med forskjellige prosjekter i løpet av sommeren.

Mathilde Ørstavik og andre utviklere i Norkart har utviklet en maskinlæringsmodell med mål om å kartlegge hustak basert på flybilder. Nå skal hun og Norkarts sommerteam av studenter finne ut hvordan den kunstige intelligensen kan hjelpe utsatte grupper i Tanzania.

Her hjemme i Norge er det sjelden noe problem å finne frem dit vi skal. Enhver idiot med en smarttelefon kan ved hjelp av GPS få detaljert veibeskrivelse helt frem til døra.

I store deler av Tanzania er situasjonen en ganske annen. Der finnes ikke gode kart, og konsekvensene kan være fatale.

Kartlegger med flyfoto

Norkart leverer geografiske informasjonssystemer, og sitter på store mengder norske geografiske data.

Basert på disse dataene har Ørstavik og andre i Norkart Labs utviklet maskinlæringsmodellen som kan identifisere bygninger ved hjelp av flyfoto – i utgangspunktet med mål om å finne best egnet sted for å plassere solceller.

– Modellen er et semantisk segmenteringsnettverk med encoder/decoder-struktur. Dette gir oss muligheten til å trene modellen til å gi oss en per piksel-klassifisering av et flyfoto, slik at vi kan hente ut objekter fra dem – for eksempel bygninger, forteller Ørstavik.

– Siden flyfotoene er georefererte, kan vi utlede den virkelige posisjonen til de gjenkjente objektene, og dermed bygge geografiske datasett fra segmenteringsresultatene.

Den utvidede versjonen av AirNet-algoritmen, som Norkart har lagt ut som  åpen kildekode . Illustrasjon: Norkart
Den utvidede versjonen av AirNet-algoritmen, som Norkart har lagt ut som åpen kildekode .

– Vi har testet flere arkitekturer. Den første er basert på SegNet, og har blitt videreutviklet til det vi har kalt AirNet, hvor vi har testet ulike optimaliserings- og initialiseringsalgoritmer for å forbedre resultatene, sier Ørstavik.

Hun forteller videre at de også har jobbet med arkitekturen DeeplabV3+, som er et nettverk som Google la ut som åpen kildekode for noen måneder siden, som kan bedre nøyaktigheten til modellen.

Vil redde jenter fra omskjæring

Crowd2map Tanzania er et nettdugnadsprosjekt for å manuelt kartlegge landsbyer, veier, skoler, sykehus og liknende i rurale områder av landet. En av hovedinnsatsene nå er å utvikle kartene for å hjelpe unge jenter som blir tvunget til omskjæring.

Mathilde Ørstavik er hovedutvikleren bak maskinlæringsmodellen som nå skal hjelpe til med å forhindre omskjæring i Tanzania. Foto: Norkart
Mathilde Ørstavik er hovedutvikleren bak maskinlæringsmodellen som nå skal hjelpe til med å forhindre omskjæring i Tanzania.

I en innsats for å redde jentene er det opprettet «safehouses» rundt omkring i landet, og man har frivillige som drar ut for å redde de som ikke klarer å rømme på egen hånd. Problemet er at det uten kart er håpløst for jentene å finne et «safehouse», og for de frivillige å finne jentene.

Det er altså her Ørstavik og studentene kommer inn i bildet. De skal forsøke å bruke den kunstige intelligensen til å hjelpe Crowd2map til å kartlegge landsbygda i Tanzania ved hjelp av satellittbilder.

– Studentenes rolle er å jobbe med å visualisere resultatene fra modellen, forbedre resultatene ved hjelp av algoritmer som kan rette opp i formene på bygningene, samt å utvide og forbedre datasettet, sier Ørstavik.

Modellen må trenes om

Modellen som Ørstavik og resten av utviklerne har laget er klar og kan brukes til prosjektet, men innsatsen i sommer går til å trene om den kunstige intelligensen.

– Hvis du har trent en modell til å gjenkjenne tak i Norge, kan ikke det automatisk brukes til å gjenkjenne tak i Tanzania, for det ser helt forskjellig ut, forklarer Ørstavik.

– Vi må trene modellen videre så den kan gjenkjenne hva som er spesifikt for bygningene i Tanzania. Så vi har fått dataene fra Crowd2map som de allerede har kartlagt manuelt, så det kan brukes direkte inn i modellen. Så vi jobber med å få laget et treningssett ut fra de dataene.

Håper å gjøre en forskjell

Teknologidirektør Alexander Salveson Nossum synes det er spennende at deres teknologi kan bidra til humanitært arbeid. Foto: Norkart
Teknologidirektør Alexander Salveson Nossum synes det er spennende at deres teknologi kan bidra til humanitært arbeid.

Teknologidirektør i Norkart, Alexander Salveson Nossum, synes det er spennende at de kan bruke sin teknologi i Norge til å forhåpentligvis kunne gjøre en forskjell i et humanitært prosjekt i Tanzania.

– Det ble litt tilfeldig til, da Mathilde var på en konferanse i London for å presentere maskinlæringsmodellen de har utviklet, forteller Nossum.

Der var nemlig også en av de involverte i prosjektet Crowd2map Tanzania, og hun tok kontakt for å spørre om Norkarts teknologi kunne brukes til det formålet. Det vekket interesse hos både Nossum og Ørstavik, som dermed har gått inn for å hjelpe prosjektet frivillig som et av Norkarts årlige sommerprosjekter med studenter.

Omskjæring av jenter er ulovlig i Tanzania, blant annet på grunn av stor fare for komplikasjoner, senskader og i verste fall død. Likevel er det en tradisjon som står sterkt enkelte steder, spesielt i landsbyene. I følge en video fra Al Jazeera er så mye som 15 % av landets kvinner mellom 15 og 49 år omskåret.

Powered by Labrador CMS