عصب شناسی در صندلی راننده

نوشته شده توسط دکتر نیکلاس ویلیامز، دانشمند پژوهشگر EMOTIV.

چند ماه پیش به ایالات متحده برگشتم پس از هشت سال زندگی در خارج از کشور. بخشی از شروع دوباره خریداری تمامی وسایلی بود که برای زندگی نیاز دارم. علاوه بر یک مبل، تخت‌خواب، و میز ناهار خوری، بدیهی است که به یک ماشین نیاز داشتم. خودم را شخصی باهوش مالی می‌دانم و به دنبال مدل‌های قدیمی و با هزینه موثر بودم اما به سرعت با قیمت‌های بالا و کمبود موجودی دلسرد شدم. بازار خودروهای دست دوم در سال ۲۰۲۱ به طور موثری مرا به خرید جدید مجبور کرد که نهایتاً این کار را انجام دادم. اندوه من بابت نقض اصول اساسی مالی شخصی به سرعت با شور بی‌حد و اندازه نسبت به راحتی و امکاناتی که با شاسی‌بلند تویوتای جدید داشتم، جایگزین شد.

ویژگی‌های رانندگی خودکار که تا به این لحظه فقط درباره آن‌ها خوانده بودم، توجه مرا به خود جلب کرد. فرمان خودکار و رادار جلو به عقب رانندگی‌های طولانی برد. چشم‌هایم را روی جاده نگه داشتم و دستم را بر روی فرمان قرار دادم و ماشینم عملاً خودش رانندگي مي‌کرد. با در نظر گرفتن جلوگیری از برخورد، نظارت بر نقطه کور، دوربین‌های دید عقب با سیستم هشدار به منظور اطمینان از عدم برخورد با عابران پشت سرم، این خودرو جدید به شکل قابل توجهی ایمنی بیشتری نسبت به خودروهای مدلی قدیم که در طول دهه گذشته رانده‌ام را ارائه می‌دهد.

خودروها، البته، هنوز خودشان رانندگی نمی‌کنند. هرچند ویژگی‌های خودکار و ایمنی جالبی دارند، خودروها هنوز نیازمند نظارت و در صورت لزوم، مداخله راننده هستند. ما هنوز فاصله زیادی از حذف عامل انسانی از رانندگی داریم و این عامل انسانی است که عمدتاً مسئول تصادفات و مرگ و میرهای ناشی از تصادف است. انسان‌ها در پشت فرمان اشتباه می‌کنند. خواه تصمیم بگیرند رانندگی را بعد از نوشیدن انجام دهند، یا که رانندگی با سرعت بالا را جالب بدانند، یا که سعی کنند تنها چند مایل بیشتر بدون استراحت رانندگی کنند، انسان‌ها باعث بسیاری از حوادث قابل پیشگیری خودرو می‌شوند.

[block id="cta-shortcode-browse-eeg-headsets-v2"]

بر اساس داده‌های اداره ملی امنیت ترافیکی خطوط زمینی (NHTSA)، در سال ۲۰۱۹ تعداد ۳۶۰۹۶ مرگ و میر ناشی از ترافیک وسایل نقلیه موتوری وجود داشت. برای سال ۲۰۲۰، مرگ و میرها بیش از ۳۸۰۰۰ برآورد شده است [1]. درصد زیادی از این مرگ‌ها به علت رانندگی خطرناک و بنابراین قابل پیشگیری است. NHTSA شش نوع رانندگی خطرناک را شناسایی کرده است: سرعت، مصرف محرک و مواد مخدر، عدم استفاده (یا استفاده نادرست) از کمربند ایمنی، رانندگی در حالت حواس پرت و رانندگی در حالت خواب‌آلودگی. چون دو سوم تمام مرگ و میرهای ترافیکی می‌تواند به سرعت و رانندگی تحت تأثیرات مواد نسبت داده شود، بسیاری از کمپین‌های مداخله به درستی بر آدرس‌دهی این مخاطرات متمرکز شده‌اند. با این حال، رانندگی در حالت حواس‌پرت و خواب‌آلودگی منجر به تعداد قابل توجهی از مرگ و میرها می‌شود که در سال ۲۰۱۹ تعداد ۳۱۴۲ مرگ ناشی از حواس پرتی و ۶۹۷ مرگ ناشی از خواب‌آلودگی ثبت شده است [2].

استفاده از علم عصب‌پژوهی برای اندازه‌گیری توجه در آزمایشگاه

علم عصب‌پژوهی در صندلی راننده - استفاده از علم عصب‌پژوهی برای اندازه‌گیری توجه در آزمایشگاه.

عصب‌پژوهان از روش‌های مختلفی برای اندازه‌گیری توجه در آزمایشگاه استفاده می‌کنند. یکی از این روش‌ها از این واقعیت بهره می‌برد که مغز ما هنگام تیراندازی نورون‌هایش مقادیر کمی الکتریسیته منتشر می‌کند. با استفاده از الکتروانسفالوگرام (EEG)، می‌توانیم نوسانات این الکتریسیته را اندازه‌گیری کنیم تا متوجه شویم کی و کجا مغز فعال است. سرعت یا فرکانس، که با آن این نوسانات رخ می‌دهند به عنوان نوسانات یا به عبارت رایج‌تر، امواج مغزی شناخته می‌شوند. فرکانس امواج مغزی می‌تواند Insight درباره وضعیت یا فرآیندهای ذهنی ارائه دهد.

برای مثال، امواج مغزی که ۱۴ تا ۳۰ بار در ثانیه (یا ۱۴ - ۳۰ هرتز) نوسان دارند به عنوان امواج بتا شناخته می‌شوند و با سطوح بالای درگیری ذهنی مرتبط هستند. نوسانات در محدوده ۸ - ۱۳ هرتز به عنوان امواج آلفا شناخته می‌شوند و معمولاً در دوره‌های آرامش یا تمرکز غیرفعال حاضر هستند. برای مثال، در طول مدیتیشن فرد را اغلب با امواج آلفا مشاهده خواهید کرد. امواج تتا با نوسانات بین ۴ و ۷ هرتز مشاهده می‌شوند و زمانی که فرد به شدت آرام یا خواب‌آلود است دیده می‌شوند. کندترین امواج، امواج دلتا (۱ - ۴ هرتز) هستند و زمانی که فرد به شدت خواب است مشاهده می‌شوند.

پست مرتبط را ببینید راهنمای مقدماتی برای EEG

در آزمایشگاه، دانشمندان می‌توانند زمان‌بندی، بزرگی، و فرکانس امواج مغزی را اندازه‌گیری کنند تا مشخص کنند ذهن فرد در طول وظایف چقدر درگیر یا غیرفعال است. برای مثال، هنگامی که فرد چیزی را می‌بیند یا می‌شنود که به دنبال آن بوده است، EEG او یک پاسخ بسیار خاص به نام P300 را نشان می‌دهد که یک موج با دامنه بزرگ است که حدود ۳۰۰ میلی‌ثانیه پس از ظاهر شدن جسم رخ می‌دهد [3]. به همین ترتیب، کاهش در نوسانات آلفا می‌تواند نشان دهد که کسی به چیزی به دقت توجه می‌کند [4]. خواب‌آلودگی همچنین به وسیله تغییرات در نوسانات دلتا، تتا و آلفا اثرات EEG قابل تشخیص را تولید می‌کند [5].

چگونه می‌توانیم تمرکز را در خودرو اندازه‌گیری کنیم؟

در یک وسیله نقلیه، می‌توانیم تمرکز و خواب‌آلودگی را با استفاده از روش‌های رفتاری اندازه‌گیری کنیم. برای مثال، دوربین‌ها می‌توانند چشم‌های رانندگان را دنبال کنند تا مطمئن شوند که آنها به جاده نگاه می‌کنند. به همین ترتیب، دوربین‌ها می‌توانند تشخیص دهند که سر رانندگان شروع به خم شدن می‌کند که نشان می‌دهد آنها خواب‌آلود هستند. با این حال، صرفاً چون فرد به جاده نگاه می‌کند یا سر او خم نیست، به این معنی نیست که او توجه می‌کند یا خسته نیست. EEG می‌تواند تشخیص این وضعیت‌های خطرناک را تقویت کند. حتی ممکن است قادر به پیش‌بینی آنها پیش از آنکه به صورت رفتاری قابل تشخیص شوند نیز باشد.

علم عصب‌پژوهی در صندلی راننده - EEG می‌تواند تشخیص این وضعیت‌های خطرناک را تقویت کند. حتی می‌تواند آن‌ها را پیش از آنکه رفتاراً قابل تشخیص باشند، پیش‌بینی کند.

در سال ۲۰۲۰، محققان به بررسی سیستمیک مطالعاتی پرداختند که از هدست‌های EEG موجود تجاری برای تشخیص خواب‌آلودگی در زمان واقعی استفاده می‌کردند [6]. آنها گزارش کردند که هدست‌های پر استفاده در این گروه از مطالعه‌ها توسط EMOTIV ساخته می‌شدند، دنبال شده توسط Neurosky، Interaxon و OpenBCI. برای تشخیص خواب‌آلودگی، آنها دریافتند که حتی ویژگی‌های اساسی EEG، مانند نوسانات فرکانس، می‌تواند برای تشخیص خواب‌آلودگی استفاده شود. با این حال، آنها اشاره می‌کنند که در بسیاری از موارد، "بهینه‌سازی الگوریتمی همچنان ضروری است"، به این معنا که الگوریتم‌های یادگیری ماشینی در تشخیص‌های دقیق‌تر منجر شده‌اند.

به کار گیری EEG تجاری و الگوریتم‌های یادگیری ماشینی برای کمک به فراهم کردن امنیت بیشتر

EMOTIV رهبر در زمینه EEG تجاری برای بیش از یک دهه است. در این مدت، آنها سیستم‌های EEG را در اشکال مختلف توسعه داده‌اند، از کلاه‌های پژوهشی سنتی ۳۲ کاناله تا هدفون‌های داخلی ۲ کاناله. سیستم‌هایی با فرم فاکتورهای جمع و جور، مانند هدفون‌های MN8 یا Insight، نمایانگر اولین قدم‌های سمت تکنولوژی عصبی پوشیدنی روزانه هستند. با وارد کردن این نوع ساز و کارها به کنترل‌های خودرو، ممکن است بتوانیم از بروز حوادث پیشگیری کنیم، پیش از آنکه شرایط ذهنی مؤثری بروز کند.

علم عصب‌پژوهی در صندلی راننده - به کار گیری EEG تجاری و الگوریتم‌های یادگیری ماشینی برای کمک به فراهم کردن امنیت بیشتر.

ادغام سخت‌افزار EEG در وسایل نقلیه تنها بخشی از راه‌حل است. برای بهره‌برداری از داده‌های مغزی به دست آمده، ما نیاز داریم این داده‌ها را به معیارهای مفید پردازش کنیم. الگوریتم‌های پیشرفته یادگیری ماشینی این کار را با رمزگشایی داده‌های EEG به ویژگی‌هایی که می‌تواند حالت‌های ذهنی خاصی را شاخص کند، انجام می‌دهند. تاکنون، EMOTIV هفت تشخیص را توسعه داده است: ناامیدی، علاقه، آرامش، درگیری، هیجان، توجه و استرس. مهندسان EMOTIV با همکاری نزدیک با عصب‌پژوهان این تشخیص‌ها را از طریق مطالعات آزمایشگاهی دقیق که از پروتکل‌های شناخته‌شده برای تحریک این حالت‌ها استفاده می‌کنند، توسعه داده‌اند. در حوزه خودرو، Emotiv هم‌اکنون در حال تنظیم دقیق تشخیص حواس‌پرتی راننده در یک شبیه‌ساز رانندگی است. این امر به دنبال نتایج امیدوارکننده‌ای است که از همکاری با کلوپ موتور رویال استرانکنیای غربی انجام شد، که به یک خودرو قدرت یافته از توجه منجر شد که وقتی توجه کاهش یافت، سرعتش کم شد [7]. شما می‌توانید برخی از ویدئوهای همکاری و نتایج را در یوتیوب پیدا کنید.

عصب‌پژوهی و آینده‌ی رانندگی

علم عصب‌پژوهی در صندلی راننده - عصب‌پژوهی و آینده‌ی رانندگی.

از مداخلات اولیه مانند کمربند ایمنی و نوارهای لرزشی تا مداخلات مدرن مانند ترمز اضطراری خودکار و فرمان خودکار، خودروهای ما بسیار ایمن‌تر شده‌اند. با این حال، تعداد کسانی که هر ساله در اثر تصادفات جان خود را از دست می‌دهند نشان می‌دهد که ما همچنان راه طولانی تا رسیدن به نقطه‌ای داریم که وسایل نقلیه را "ایمن" بنامیم. با پیشرفت تکنولوژی، خودروهای ما بدون شک ایمن‌تر خواهند شد، اما تا زمانی که انسان‌ها اپراتور اصلی وسایل نقلیه باشند، تصادفات انسانی همچنان ادامه خواهند داشت. تکنولوژی EEG نمایانگر یک مسیر بسیار امیدوارکننده برای کاهش عامل انسانی با تشخیص نشانگرهای نفهومی و مداخله قبل از بروز شرایط‌های تصادفی است.

مراجع

[1] مرکز ملی آمار و تحلیل، "برآورد اولیه مرگ و میر ترافیک وسیله نقلیه موتوری در ۲۰۲۰." اداره ملی امنیت ترافیکی خطوط زمینی، مه ۲۰۲۱. دسترسی: دی ۰۴ ۲۰۲۲. [آنلاین]. در دسترس: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] مرکز ملی آمار و تحلیل، "بررسی کلی از تصادفات وسیله نقلیه موتوری در ۲۰۱۹." اداره ملی امنیت ترافیکی خطوط زمینی، ۲۰۲۰.

[3] S. J. Luck و E. S. Kappenman، راهنمای آکسفورد در مورد مؤلفه‌های احتمالی مرتبط با رویداد. انتشارات دانشگاه آکسفورد، ۲۰۱۱.

[4] G. Thut، “فعالیت آلفا نوار الکتروانسفالوگرافی بر روی قشر اکسیپیتال ترجیح بصری فضایی را نمایه می‌کند و تشخیص اهداف دیداری را پیش‌بینی می‌کند,” J. Neurosci., vol. 26, no. 37, pp. 9494–9502, Sep. 2006, doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko, and C.-T. Lin, “شبکه ادغام کارکرد درک براساس EEG برای کاربرد در رانندگی خواب‌آلود,” Knowl.-Based Syst., vol. 80, pp. 143–152, May 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, و D.-G. Paeng, “مروری سیستماتیک از هدست‌های EEG کم‌هزینه موجود که برای تشخیص خواب‌آلودگی استفاده می‌شوند,” Front. Neuroinformatics, vol. 14, p. 42, 2020, doi: 10.3389/fninf.2020.553352.[7] “محققان استرالیایی خودروی محرک با توجه را رونمایی کردند,” 2013. https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (accessed Jan. 12, 2022).