Teadlane, keda vaimustab arvutite õppimisvõime

Arvutiteaduse instituudiga on liitunud rakendusliku andmeteaduse kaasprofessor Abbas Cheddad, kelle teadustöö keskendub masinnägemisele, rakenduslikule masinõppele ning pilditöötlusele ja -analüüsile. Teda usutles andmeteaduse õppetooli juhataja professor Jaak Vilo.

Saabusid Eestisse hiljuti. Kirjelda palun lühidalt oma tausta ja eriala.

Minu teadustöö keskendub masinnägemisele, rakenduslikule masinõppele ning pilditöötlusele ja -analüüsile, eriti meditsiinilise pilditöötluse valdkonnas. Enne Tartu Ülikooli arvutiteaduse instituudiga liitumist juhtisin mitmeid koostööprojekte ettevõtluspartneritega, sealhulgas SONY Mobile, Axis Communications, Ericsson, GKN Aerospace ja ArchivDigital AB.

Mis sind sellesse valdkonda tõi ja kuidas su senine teekond teadusmaailmas on kulgenud?

Minu huvi pilditöötluse vastu sai alguse bakalaureusetöö tegemise ajal, kui mu matemaatikaõppejõud seda teemat mulle tutvustas. Sellest peale on see valdkond mind endasse haaranud. Masinnägemises ja rakenduslikus masinõppes paelus mind eriti mõte, et masinad suudavad tõlgendada ja mõista visuaalset informatsiooni, millel on tohutu potentsiaal mõjutada paljusid eluvaldkondi. Õpingute ajal tõmbasid mind eelkõige pilditöötlus ja -analüüs, kuna sellel on palju praktilisi rakendusi, eriti meditsiinis, kus tehnoloogia võib diagnostikat ja ravi oluliselt parandada. Teekond, mis on mind toonud siia, kus ma praegu olen, on koosnenud põhjalikust akadeemilisest ettevalmistusest, praktilisest teadustööst ja koostööprojektidest nii akadeemiliste kui ka ettevõtluspartneritega.

Millised on selle valdkonna praegused piirangud ja takistused ning milliseid läbimurdeid sa ootad nende ületamiseks?

Hoolimata märkimisväärsetest edusammudest seisab masinõpe masinnägemise valdkonnas endiselt silmitsi mitmete keerdküsimustega – nende hulgas on näiteks andmete kättesaadavus ja kvaliteet, mudelite töökindlus ja üldistusvõime, konteksti mõistmine ning ka eetilised ja privaatsusega seotud küsimused.

Oled teinud koostööd paljude ettevõtetega. Kuidas see on mõjutanud sinu teadustööd ning mida võiks ülikool ettevõtetelt õppida (ja vastupidi)?

Usun, et koostöö ettevõtetega on igale ülikoolile väga oluline. Projektid, mida olen ellu viinud koos Rootsi ja Belgia partneritega, on soodustanud väärtuslikku teadmiste vahetust akadeemiliste asutuste ja ettevõtete vahel. Selline koostöö võimaldab edukalt kasutada teadustulemusi praktiliste probleemide lahendamiseks. Samuti annab see teadusasutustele parema arusaama ettevõtete vajadustest ja aitab teadustöös sihte seada. Ettevõtted omakorda saavad kasu tipptasemel innovatsioonist ja teaduslikest meetoditest.

Kas oled selles koostöös märganud ka riikidevahelisi erinevusi ja millised on sinu ootused Eestis?

Olen märganud, et Rootsi ja Eesti töökeskkond ja -kultuur on üsna sarnased, mis on teinud siin kohanemise lihtsamaks. Delta õppehoones avaldas mulle kohe muljet teadlaste tugev koostöövaim, samuti kolleegide ja tugitöötajate toetav suhtumine. Kuigi Eesti võib rahvusvaheliselt olla vähem nähtav kui Rootsi, paistab ta silma oma kiiresti areneva digisektori ja innovatiivsusega, mis teeb temast potentsiaalse Euroopa digiarengu keskuse. Loodan, et Eesti ja Rootsi piiriülene koostöö muutub veel tihedamaks, eriti andmeteaduse ja ühiste teadusalgatuste vallas, mida hinnatakse kõrgelt mõlemas riigis.

Kuidas sa omaenda teadustöös loovust ja innovatiivsust edendad?

Ma otsin aktiivselt valdkondadevahelisi projekte ja mitmekesiseid meeskondi (sh tööstus- ja tervishoiuvaldkonnast), kuna need viivad sageli innovatiivsemate lahenduste ja uute lähenemisviisideni. Samuti püüan tekitada keskkonda, kus mitteametlikes vestlustes võib sündida isegi ootamatult viljakas koostöö. Ka teadmiste omandamine väljaspool oma eriala soodustab loovust.

Arvutiteaduse instituudis hakkad ka õppetööd tegema. Kuidas sa oma loengutes koostöist õpikeskkonda soodustad?

Õpetamisel soosin tavaliselt kahepoolset suhtlust, püüan saada vahetut tagasisidet ja küsida üliõpilaste mõtteid, et hoida neid kaasatuna. Selleks et hinnata, kas nad on teemast aru saanud, kasutan sageli digitaalseid tööriistu. Lisaks kasutan koostöö ja aktiivse õppe toetamiseks rühmaarutelusid. Mõni aasta tagasi osalesin Rootsis insenerihariduse programmi CDIO töötoas, kust sain väärtuslikke teadmisi. Soovitan ka oma kolleegidel sellega tutvuda, kui nad pole seda veel teinud.

Mida soovitaksid tudengitele ja alustavatele teadlastele, kellel on huvi masinnägemise ja meditsiinilise pildianalüüsi vastu, et neil oleks võimalik selles vallas edukalt tegutseda?

Edu teadustöös saab alguse huvist ja pühendumusest – suur kirg oma ala vastu on ülioluline, et saavutada midagi, millel on sügavam mõte. See kehtib kõigis valdkondades. Praktilisest küljest soovitan alustada tugeva vundamendi rajamisest – masinnägemise ja pilditöötluse põhialustest – enne kui liikuda edasi kiiresti arenevasse süvaõppe valdkonda, mis on olnud viimaste tehisaru läbimurrete peamine liikumapanev jõud.

Kui saaksid üheks päevaks oma praeguse ameti millegi täiesti teistsuguse vastu vahetada, siis mis see oleks ja miks?

Ma oleksin piloot. See amet ühendab tehnilise pädevuse, täpsuse ja suure vastutuse.

Mida sa teed sel ajal, kui parajasti ei tee teadustööd ega õpeta?

Kui pidada silmas vaba aega akadeemilises töös väljaspool eespool mainitud tegevusalasid, siis tavaliselt retsenseerin teadusartikleid, mida ajakirjad mulle aeg-ajalt saadavad või vaatan läbi käsikirju teadusajakirjas, kus olen toimetaja. Oma isiklikku vaba aega veedan tavaliselt reisides või nautides kvaliteetaega oma väikese perega.

Kas sinu teadlaskarjääris on olnud mõni oluline verstapost või eriti väärtuslik õppetund, mida sooviksid teistega jagada?

Üks väärtuslikumaid õppetunde on see, kui tähtis on võrgustike loomine ja hoidmine. Püsivad tööalased sidemed pakuvad palju eeliseid, need on kasulikud nii teadustööks kui ka isiklikuks arenguks. Ole sa kui tahes tark ja intelligentne, tugeva võrgustiku puudumine võib piirata su koostöövõimalusi ja ligipääsu ressurssidele, mis on edu saavutamiseks vajalikud. Seetõttu julgustan teadlasi oma kolleegidega aktiivselt suhtlema, osalema konverentsidel ja sõlmima sisukaid kontakte kogu karjääri vältel.

NB! Vastuvõtt andmeteaduse magistriõppesse kestab 1. juulini. Ära jäta ülikooli kandideerimist viimasele minutile, vaid esita avaldus sisseastumise infosüsteemis SAIS juba täna.