ForDigitHealth

GESUNDER UMGANG MIT DIGITALEN TECHNOLOGIEN UND MEDIEN

Aufmerksame, stresssensible und gesundheitsförderliche KI-Komponenten

Interaktive Personalisierung von aufmerksamen, stresssensiblen und gesundheitsförderlichen KI-Komponenten in multimodalen Systemen

Projektleitung: Prof. Dr. Elisabeth André (beide Lehrstuhl für Menschzentrierte Künstliche Intelligenz/Universität Augsburg)

Kurzbeschreibung des Vorhabens:

Mit der Digitalisierung steigen die Chancen für den Einsatz von künstlich intelligenter Software, welche das Potenzial birgt, zukünftige DTM personalisierter und aufmerksamer zu gestalten. Betroffen von dieser Entwicklung sind diverse Anwendungsgebiete und insbesondere auch das der Gesundheit. Es ist daher zu erwarten, dass bereits in naher Zukunft viele der neuen, innovativen gesundheitsfördernden DTM aus KI-Komponenten bestehen werden. Aber die Gestaltung solcher DTM, welche individuell angepasst mit Menschen Interaktionen initiieren sollen, ist eine wesentliche Herausforderung. Besondere kooperative Interaktionen und deren Gestaltungen sind notwendig, mit Hilfe derer die wichtigen KI-Komponenten von Menschen lernen können, sich den Bedürfnissen einzelner Individuen und deren sozialem Umfeld anzupassen. Wir glauben, dass Personen in Zukunft in den fortlaufenden Lern- und Entfaltungsprozess der eigenen KI-Komponenten sinnvoll eingebunden werden sollten. Insbesondere gilt dies für Personenkreise, die von gesundheitsfördernden DTM in besonderem Maße profitieren würden, wie bspw. Menschen mit psychischen Beeinträchtigungen, und für den Fall, dass KI-Komponenten von sensiblen Personendaten lernen sollen. In beiden Fällen ist ein interaktiver Personalisierungsansatz der KI-Komponenten wesentlich, weil dies auch die Kompetenzen im Umgang mit derartigen Komponenten fördern und dadurch Kontrolle und Transparenz im Umgang mit den eigenen gesundheitsfördernden DTM sicherstellen kann. Eine interaktive Personalisierung bedeutet zum Beispiel, dass Endnutzerinnen und -nutzer einer aufmerksamen KI-Kompetente demonstrieren können, welches individuelle Verhalten die KI-Komponenten lernen soll, und dass Menschen aus dem direkten sozialen Umfeld von Endnutzerinnen und -nutzern, wie z. B. Familienmitglieder, die Möglichkeit haben sollten, beim Trainieren der KI-Komponenten mitzuwirken, indem sie auch das Verhalten anderer Endnutzerinnen und -nutzer annotieren dürfen. Das Forschungsprojekt wird sich genau dieser Herausforderung annehmen. Insbesondere soll ein Beitrag zur Verbesserung von multimodalen interaktiven Systemen, welche die psychologische Gesundheit fördern, geleistet werden. Beispiele für derartige Systeme sind einerseits Smartphone-Anwendungen, die u. a. über Gesichts-, Gesten- oder Spracherkennung mit Menschen interagieren können, aber auch soziale Roboter und virtuelle Avatare, die Stresssituationen und Emotionen erkennen können und z. B. ihren verbalen Sprachstil und die Körpersprache anpassen, um eine menschengerechtere Unterstützung anzubieten. Die Hypothese des Forschungsprojektes lautet daher, dass durch eine Einbindung von Endnutzerinnen und -nutzern in den Gestaltungsprozess der aufmerksamen und stresssensiblen KI-Komponenten eine Verbesserung von gesundheitsfördernden DTM geschaffen werden kann. Diese Verbesserung beinhaltet eine Optimierung von maschinell gelernten Modellen und daher eine leistungsfähigere künstliche Intelligenz, welche eine besser an Individuen angepasste gesundheitsfördernde Lösung zur Folge hat. Des Weiteren wird eine Grundlage für transparentere und besser interpretierbare künstliche Intelligenz geschaffen, welche insbesondere bei der Interaktion mit sensiblen Daten bei betroffenen Individuen das Gefühl von Selbstbestimmung und Autonomie fördern kann und sich in der Folge positiv auf die Akzeptanz der gesundheitsfördernden Lösung auswirkt.

Projektpartner: