Die Studierenden

• verstehen die Hauptmerkmale der Mensch-Maschine-Interaktion und des menschzentrierten Designs.
• erklären die Prinzipien der menschlichen Kognition und Informationsverarbeitung.
• erörtern die Potenziale von KI-Technologien und verstehen die Funktionsweise von Algorithmen des maschinellen Lernens.
• verstehen die Vorteile und Risiken moderner KI-Technologien im Kontext des Gesundheitswesens und insbesondere der Rehabilitation.
• erläutern, wie KI im Kontext der Schlaganfall-Rehabilitation mit Exoskeletten eingesetzt werden kann.
• kennen zentrale ethische Fragen im Zusammenhang mit AI Technologien.

Keine

In der ILV werden die Grundlagen der folgenden gesellschaftsbezogenen Aspekte der kognitiven Prozesse und AI thematisiert:

• Mensch-Maschine Interaktion
• Kognition
• Künstliche Intelligenz (KI)
• KI in der Rehabilitation
• Fallbeispiel: Exoskelette in der Schlaganfall-Rehabilitation, und weitere

Alpaydin, E. (2019). Maschinelles Lernen. De Gruyter Oldenbourg.
American Stroke Association. (2021). Stroke Symptoms. https://www.stroke.org/en/about-stroke/stroke-symptoms
Amerman, E. (2019). Human anatomy and physiology, ebook, global edition. ProQuest Ebook Central. https://ebookcentral.proquest.com
Banich, M. T., & Compton, R. J. (2018). Cognitive neuroscience. Cambridge University Press.
Belda-Lois, J. M., Mena-del Horno, S., Bermejo-Bosch, I., Moreno, J. C., Pons, J. L., Farina, D., Iosa, M., Molinari, M., Tamburella, F., Ramos, A., Caria, A., Solis-Escalante, T., Brunner, C. & Rea, M. (2011). Rehabilitation of gait after stroke: a review towards a top-down approach. Journal of neuroengineering and rehabilitation, 8(1), 1-20.
Burkov, A. (2019). Machine Learning kompakt: Alles, was Sie wissen müssen. MITP-Verlags GmbH & Co. KG.
Cardona, M., Destarac, M., & Cena, C. G. (2020). Robotics for Rehabilitation: A State of the Art. Exoskeleton Robots for Rehabilitation and Healthcare Devices, 1-11.
Ekmekci, P. E., & Arda, B. (2020). Artificial Intelligence and Bioethics. Springer Nature.
He, W., Li, Z., & Chen, C. P. (2017). A survey of human-centered intelligent robots: issues and challenges. IEEE/CAA Journal of Automatica Sinica, 4(4), 602-609.
Hohwy, J., (2013). The predictive mind. Oxford: university press.
Steil, J. J., & Wrede, S. (2019). Maschinelles Lernen und lernende Assistenzsysteme - Neue Tätigkeiten, Rollen und Anforderungen für Beschäftigte? Berufsbildung in Wissenschaft und Praxis. BWP, 3, 14-18.
Tschandl, P., Codella, N., Akay, B. N., Argenziano, G., Braun, R. P., Cabo, H., Gutman, D., Halpern, A., Helba, B., Hofmann-Wellenhof, R., Lallas, A., Lapins, J., Longo, C., Malvehy, J., Marchetti. M., Marghoob, A., Menzies, S., Oakley, A., Paoli, J., Puig, S., Rinner, C., Rosendahl, C., Scope, A., Sinz, C., Soyer, P., Thomas, L., Zalaudek, I., & Kittler, H. (2019). Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. The Lancet Oncology , 20(7), 938-947.
Tschandl, P., Rinner, C., Apalla, Z., Argenziano, G., Codella, N., Halpern, A., Janda, M., Lallas, A., Longo, C., Malvehy, J., Paoli, J., Puig, S., Rosendahl, C., Soyer, H.P., Zalaudek, I., & Kittler, H. (2020). Human-computer collaboration for skin cancer recognition. Nature Medicine, 26(8), 1229-1234.

Moderierte Webinare/Onlinekurs mit Diskussion (MOOC)

Immanenter Prüfungscharakter: Mitarbeit, Präsentation