Je älter Sefala wurde, desto mehr überschüttete sie ihren Vater mit Fragen zur sichtbaren Rassentrennung in ihrer Nachbarschaft: „Warum ist das so?“
Jetzt, mit 28 Jahren, hilft sie dabei, etwas dagegen zu unternehmen. Zusammen mit den Informatikern Nyalleng Moorosi und Timnit Gebru am gemeinnützigen Distributed AI Research Institute (DAIR), das Gebru 2021 gegründet hat, setzt sie Computer-Vision-Tools und Satellitenbilder ein, um die Auswirkungen der Rassentrennung im Wohnungsbau zu analysieren, mit der ultimativen Hoffnung, dass dies der Fall ist Ihre Arbeit wird dazu beitragen, dies umzukehren.
„Wir sehen immer noch, dass sich das Leben ehemals marginalisierter Gemeinschaften nicht verbessert“, sagt Sefala. Obwohl sie während des Apartheidregimes nie am Leben war, ist sie dennoch von dessen schrecklichem, bleibendem Erbe betroffen: „Es ist einfach sehr ungleich, sehr frustrierend.“
In Südafrika kategorisiert die staatliche Volkszählung sowohl wohlhabendere Vororte als auch Townships, eine Schöpfung der Apartheid und typischerweise von Schwarzen bevölkert, als „offizielle Wohnviertel“. Diese Volkszählung dient der Zuweisung öffentlicher Ausgaben, und wenn man sie mit reicheren Gebieten in einen Topf wirft, werden Townships faktisch ausgeblendet, wodurch die dort lebenden Menschen unverhältnismäßig vom Zugang zu Ressourcen wie Gesundheitsdiensten, Bildungszentren und Grünflächen ausgeschlossen werden. Dieses Problem wird allgemein als räumliche Apartheid bezeichnet.
HANNAH YOON
Sefala und ihr Team haben die letzten drei Jahre damit verbracht, einen Datensatz zu erstellen, der Townships kartiert, um zu untersuchen, wie sich Stadtteile in Bezug auf Bevölkerung und Größe verändern. Die Hoffnung besteht darin, ihnen dabei zu helfen, zu erkennen, ob sich das Leben der Menschen in den Townships seit der gesetzlichen Auflösung der Apartheid verbessert hat.
Dazu sammelten sie Millionen von Satellitenbildern aller neun Provinzen Südafrikas sowie Geodaten der Regierung, die die Lage verschiedener Stadtteile und Gebäude im ganzen Land zeigen. Anschließend nutzten sie all diese Daten, um Modelle für maschinelles Lernen zu trainieren und ein KI-System aufzubauen, das bestimmte Gebiete als wohlhabendes, nicht wohlhabendes, nicht bewohntes oder unbebautes Land kennzeichnen kann.
Im Jahr 2021 stellten sie fest, dass über 70 % des südafrikanischen Landes unbebaut sind, und sie sahen, wie viel weniger Land den Townships zugewiesen wird als den Vororten. Es war eine Bestätigung der Ungleichheiten, die sie erwartet hatten, aber die enorme Menge an unbebautem Land überraschte sie dennoch, sagt Sefala.
Jetzt geben sie den Datensatz an Forscher und öffentliche Einrichtungen weiter, darunter gemeinnützige Organisationen und Bürgerorganisationen, die daran arbeiten, Land zu identifizieren, das für öffentliche Dienstleistungen und Wohnraum genutzt werden könnte. DAIR plant, den Datensatz ab dem 2. Februar kostenlos und auf seiner Website zugänglich zu machen.