Podcast Wissen Schafft: Was, wenn Künstliche Intelligenz (KI) nicht nur hört, was wir sagen, sondern auch spürt, wie es uns geht? Bisher waren Large Language Models (LLMs) auf rein linguistische Texteingaben beschränkt, die lediglich die subjektiven, bewusst gefilterten Eindrücke und Berichte der Nutzer widerspiegeln.

In dieser Episode tauchen wir in das aufkommende Feld der Bioadaptiven KI (Bioadaptive AI) ein und beleuchten eine grundlegende technologische Neuerung: die Integration physiologischer Signale in Echtzeit in Sprachmodelle. Führende Forschung hat eine modulare technische Schnittstelle entwickelt, die es der KI ermöglicht, die „Sprache des Körpers“ – insbesondere die Herzratenvariabilität (HRV) – direkt in die Konversation einzubeziehen.

Zum Inhalt:

1. Die Erweiterung des KI-Verständnisses: Wir zeigen auf, wie die KI dank dieser Schnittstelle Echtzeitindikatoren des autonomen Zustands (Autonomic State) zusätzlich zur sprachlichen Eingabe berücksichtigen kann. Dazu gehören Messwerte wie HR, RMSSD, SDNN, pNN50 und das LF/HF-Verhältnis. Dadurch können Sprachmodelle Anzeichen von Anspannung, Ruhe oder kognitiver Belastung während der Interaktion direkter interpretieren.

2. Die neuen technischen Fähigkeiten der LLMs: Erfahren Sie, wie ein Proof-of-Concept demonstrierte, dass generative Modelle komplexe Aufgaben mit physiologischen Daten vollständig innerhalb der Sprachmodellumgebungdurchführen können. Die KI ist in der Lage, HRV-Daten in Echtzeit abzurufen und umfassende deskriptive statistische Analysen (einschließlich Minimum, Maximum, Mittelwert und Schiefe) durchzuführen. Zudem kann das LLM basierend auf den abgerufenen physiologischen Daten selbstständig Visualisierungen generieren (z. B. Zeitreihenplots oder Balkendiagramme).

3. Adaptive Interaktion und Reaktion: Entdecken Sie, wie dieses System es der KI erlaubt, auf physiologische Verschiebungen in natürlicher Sprache zu reagieren. Das Sprachmodell konnte in Experimenten seine Ausgabe anpassen, nachdem es Unterschiede in den Herzfrequenz-Mustern zwischen Aufgaben mit niedriger und hoher kognitiver Belastung erkannt hatte.

4. Anwendungsfelder: Diese Technologie schafft ein technisches Fundament für reaktionsschnellere, personalisiertere und kontextsensitivere Interaktionen. Wir diskutieren die wichtigsten Domänen:

• Bildung und Lernen: KI-Tutoren können Rückmeldungen, Timing oder Komplexitätdynamisch an den aktuellen physiologischen Zustand des Lernenden anpassen, etwa durch das Anbieten von beruhigenden Aufforderungen bei Überlastung.


• Gesundheitswesen und Telemedizin: Die KI ermöglicht das kontinuierliche Monitoring von Vitalparametern während Fernkonsultationen und informiert autonome Agenten, wie etwa Assistenz- oder Pflegeroboter.


• Mentale Gesundheit und Coaching: LLM-Systeme können ihren Ton und Inhalt anpassen, Biofeedbackbereitstellen und den therapeutischen Dialog im digitalen Coaching modifizieren.

Quelle: DOI 10.3389/fdgth.2025.1670464 /// Podcast Wissen Schafft ///

Teile diese Episode mit deinen Freunden.

Wähle deinen Podcatcher oder kopiere den Link:
https://meinpodcast.de/wissenschafft-aktuelles-aus-der-forschung/feed