डॉ. निकोलस विलियम्स, Emotiv अनुसंधान वैज्ञानिक द्वारा लिखित।

कई महीने पहले मैं आठ साल विदेश में रहने के बाद वापस अमेरिका आ गया। फिर से शुरुआत करने का मतलब था वे सभी चीजें खरीदना जो जीवन के लिए जरूरी हैं। सोफा, बेड और डाइनिंग टेबल के अलावा, मुझे निश्चित रूप से एक कार की भी आवश्यकता थी। खुद को आर्थिक रूप से समझदार व्यक्ति मानते हुए, मैंने विशेष रूप से पुराने, किफायती मॉडलों की तलाश की, लेकिन बढ़ी हुई कीमतों और कम स्टॉक को देखकर मेरा हौसला जल्दी ही टूट गया। 2021 के इस्तेमाल की गई कार (यूज्ड कार) के बाजार ने मुझे नई कार खरीदने के लिए मजबूर कर दिया, जिसे आखिरकार मैंने खरीद ही लिया। बुनियादी व्यक्तिगत वित्त सिद्धांतों के उल्लंघन को लेकर मेरी निराशा जल्दी ही मेरी बिल्कुल नई टोयोटा एसयूवी से मिलने वाले आराम और फीचर्स के प्रति असीमित उत्साह में बदल गई।

मैं विशेष रूप से उन स्वायत्त ड्राइविंग फीचर्स से काफी प्रभावित हुआ, जिनके बारे में अभी तक मैंने केवल पढ़ा ही था। असिस्टेड स्टीयरिंग और फॉरवर्ड-लुकिंग रडार ने लंबी ड्राइव को बेहद आसान बना दिया। मुझे केवल अपनी आँखें सड़क पर रखनी थीं और एक हाथ स्टीयरिंग व्हील पर आराम से रखना था, और मेरी कार मूल रूप से खुद ही चल रही थी। इसमें कोलिजन-अवॉइडेंस (टक्कर से बचाव), ब्लाइंड-स्पॉट मॉनिटरिंग और अलर्ट सिस्टम के साथ रियर-फेसिंग कैमरे भी जुड़े थे, ताकि यह सुनिश्चित हो सके कि जब मैं गाड़ी पीछे करूँ तो पीछे से निकलने वाले किसी व्यक्ति से न टकराऊँ। यह नई कार उद्देश्यपूर्ण रूप से उस पुरानी मॉडल की कारों की तुलना में कहीं अधिक सुरक्षित थी जिन्हें मैंने पिछले दशक के अधिकांश समय में चलाया था।

कारें, निश्चित रूप से, अभी पूरी तरह खुद से नहीं चलती हैं। भले ही उनमें बेहतरीन स्वायत्त और सुरक्षा फीचर्स मौजूद हों, फिर भी कारों को ड्राइवर की निगरानी और जहाँ आवश्यकता हो, हस्तक्षेप की आवश्यकता होती है। ड्राइविंग से मानवीय पहलू को हटाने की राह अभी बहुत लंबी है, और यही मानवीय पहलू मुख्य रूप से ऑटोमोबाइल दुर्घटनाओं और होने वाली मौतों के लिए जिम्मेदार है। इंसान स्टीयरिंग व्हील के पीछे गलतियाँ करते हैं। चाहे वे शराब पीने के बाद गाड़ी चलाने का फैसला करें, या तेज़ गति से ड्राइविंग करने को अपना शौक मानें, या फिर अपने थके हुए शरीर को आराम देने के लिए गाड़ी को रोकने से पहले चंद मील और आगे जाने की कोशिश करें, इंसान कई ऐसी ऑटोमोबाइल दुर्घटनाओं का कारण बनते हैं जिन्हें टाला जा सकता था।

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

राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन (NHTSA) के अनुसार, 2019 में मोटर वाहन सड़क दुर्घटनाओं में 36,096 मौतें हुईं। 2020 के लिए, मौतों की संख्या 38,000 से अधिक होने का अनुमान है [1]। इनमें से एक बड़ा प्रतिशत जोखिम भरी ड्राइविंग के कारण होता है और इसलिए इसे रोका जा सकता है। NHTSA ने छह प्रकार की जोखिम भरी ड्राइविंग की पहचान की है: तेज़ गति, शराब और नशीली दवाओं के प्रभाव में ड्राइविंग, सीट बेल्ट का उपयोग न करना (या गलत उपयोग करना), विचलित होकर ड्राइविंग करना, और नींद आने पर ड्राइविंग करना। चूंकि सड़क दुर्घटनाओं में होने वाली मौतों का दो-तिहाई हिस्सा तेज़ गति और नशे की हालत में ड्राइविंग के कारण होता है, इसलिए कई हस्तक्षेप अभियानों का मुख्य उद्देश्य सही मायने में इन जोखिमों से निपटना है। हालाँकि, विचलित और नींद आने की हालत में गाड़ी चलाने से भी काफी अधिक संख्या में मौतें होती हैं, जिसमें 2019 में ध्यान भटकने से 3,142 मौतें और नींद आने के कारण 697 मौतें हुईं [2]।

प्रयोगशाला में ध्यान का स्तर मापने के लिए न्यूरोसाइंस का उपयोग करना

ड्राइवर की सीट पर न्यूरोसाइंस - प्रयोगशाला में ध्यान का स्तर मापने के लिए न्यूरोसाइंस का उपयोग करना।

न्यूरोवैज्ञानिक प्रयोगशाला में ध्यान मापने के लिए विभिन्न तरीकों का उपयोग करते हैं। इनमें से एक तरीका इस तथ्य पर आधारित है कि जब हमारे न्यूरॉन्स सक्रिय होते हैं तो हमारा मस्तिष्क बहुत कम मात्रा में बिजली (इलेक्ट्रिसिटी) छोड़ता है। इलेक्ट्रोएन्सेफलोग्राम (EEG) का उपयोग करके, हम इस बिजली के उतार-चढ़ाव को माप सकते हैं ताकि यह समझ सकें कि मस्तिष्क कब और कहाँ सक्रिय है। जिस गति या आवृत्ति (फ्रीक्वेंसी) पर ये उतार-चढ़ाव होते हैं, उन्हें दोलन (ऑसिलेशन), या अधिक सामान्यतः, मस्तिष्क तरंगें (ब्रेन वेव्स) कहा जाता है। मस्तिष्क तरंगों की आवृत्ति मानसिक स्थितियों या प्रक्रियाओं के बारे में अंतर्दृष्टि प्रदान कर सकती है।

उदाहरण के लिए, प्रति सेकंड 14 से 30 बार (या 14 - 30 Hz) दोलन करने वाली मस्तिष्क तरंगों को बीटा तरंगें कहा जाता है और वे उच्च स्तर के मानसिक जुड़ाव से जुड़ी होती हैं। 8 - 13 Hz की सीमा में होने वाले दोलनों को अल्फा तरंगें कहा जाता है और वे आम तौर पर विश्राम या निष्क्रिय ध्यान की अवधि के दौरान मौजूद होती हैं। उदाहरण के लिए, जब कोई व्यक्ति ध्यान (मेडिटेशन) कर रहा होता है तो आप अक्सर अल्फा तरंगें देखते हैं। थीटा तरंगें 4 और 7 Hz के बीच के दोलन हैं और तब दिखाई देती हैं जब कोई व्यक्ति गहरे विश्राम में हो या उसे नींद आ रही हो। सबसे धीमी तरंगें डेल्टा तरंगें (1 - 4 Hz) होती हैं और इन्हें तब देखा जाता है जब कोई व्यक्ति गहरी नींद में सो रहा होता है।

संबंधित पोस्ट देखें: EEG के लिए परिचयात्मक गाइड (The Introductory Guide to EEG)

प्रयोगशाला में, वैज्ञानिक यह निर्धारित करने के लिए मस्तिष्क तरंगों के समय, परिमाण और आवृत्ति को माप सकते हैं कि किसी कार्य के दौरान व्यक्ति का दिमाग कितना व्यस्त या विचलित है। उदाहरण के लिए, जब कोई व्यक्ति किसी ऐसी चीज़ को देखता या सुनता है जिसके लिए वह ध्यान दे रहा था, तो उसका EEG एक बहुत ही खास प्रतिक्रिया दिखाता है जिसे P300 कहा जाता है, जो कि वस्तु के दिखाई देने के लगभग 300 ms बाद होने वाली एक बड़ी आयाम तरंग (लार्ज एम्प्लीट्यूड वेव) है [3]। इसी तरह, अल्फा दोलनों में कमी यह संकेत दे सकती है कि कोई व्यक्ति किसी चीज़ पर गहरा ध्यान दे रहा है [4]। नींद की स्थिति भी डेल्टा, थीटा और अल्फा दोलनों में बदलाव के माध्यम से पता लगाने योग्य EEG संकेत उत्पन्न करती है [5]।

हम कार में ध्यान का स्तर कैसे माप सकते हैं?

एक वाहन में हम व्यावहारिक (बिहेवियरल) तरीकों का उपयोग करके ध्यान और नींद के स्तर को माप सकते हैं। उदाहरण के लिए, कैमरे ड्राइवरों की आँखों को ट्रैक कर सकते हैं ताकि यह सुनिश्चित हो सके कि वे सड़क की ओर देख रहे हैं। इसी तरह, कैमरे यह पता लगा सकते हैं कि ड्राइवरों के सिर कब झुकने लगे हैं, जो यह दर्शाता है कि उन्हें नींद आ रही है। हालाँकि, केवल इसलिए कि कोई व्यक्ति सड़क की ओर देख रहा है या उसका सिर नहीं झुक रहा है, इसका मतलब यह नहीं है कि वह ध्यान दे रहा है या वह थका हुआ नहीं है। EEG इन खतरनाक स्थितियों का पता लगाने की प्रक्रिया को अधिक सुदृढ़ बना सकता है। वे व्यवहारिक रूप से पता चलने से पहले ही इनका पूर्वानुमान लगाने में भी सक्षम हो सकते हैं।

ड्राइवर की सीट पर न्यूरोसाइंस - EEG इन खतरनाक स्थितियों का पता लगाने की प्रक्रिया को अधिक सुदृढ़ बना सकता है। वे व्यवहारिक रूप से पता चलने से पहले ही इनका पूर्वानुमान लगाने में भी सक्षम हो सकते हैं।

2020 में, शोधकर्ताओं ने उन अध्ययनों की एक व्यवस्थित समीक्षा की, जिनमें रीयल-टाइम नींद/सुस्ती का पता लगाने के लिए व्यावसायिक रूप से उपलब्ध EEG हेडसेट का उपयोग किया गया था [6]। उन्होंने बताया कि इस प्रकार के अध्ययनों में सबसे अधिक उपयोग किया जाने वाला हेडसेट Emotiv द्वारा निर्मित था, जिसके बाद Neurosky, Interaxon और OpenBCI का स्थान था। सुस्ती का पता लगाने के लिए, उन्होंने पाया कि बुनियादी EEG फीचर्स, जैसे आवृत्ति दोलन (फ्रीक्वेंसी ऑसिलेशन), का उपयोग करके भी इसका पता लगाया जा सकता है। हालाँकि, उन्होंने ध्यान दिलाया कि कई मामलों में, "एल्गोरिथम अनुकूलन आवश्यक बना हुआ है", जिसका अर्थ है कि मशीन-लर्निंग एल्गोरिदम के परिणामस्वरूप अधिक सटीक परिणाम मिले हैं।

हमें अधिक सुरक्षित रखने में मदद के लिए व्यावसायिक EEG और मशीन लर्निंग एल्गोरिदम का लाभ उठाना

Emotiv एक दशक से अधिक समय से वाणिज्यिक EEG में अग्रणी रहा है। इस दौरान उन्होंने 32-चैनल पारंपरिक रिसर्च कैप से लेकर 2-चैनल इन-इयर हेडफ़ोन तक, विभिन्न रूपों में EEG सिस्टम विकसित किए हैं। MN8 हेडफ़ोन या Insight जैसे कॉम्पैक्ट फॉर्म वाले सिस्टम दैनिक जीवन में पहने जा सकने वाली न्यूरोटेक की दिशा में पहले कदम का प्रतिनिधित्व करते हैं। ऑटोमोबाइल नियंत्रणों में इन प्रकार के हार्डवेयर को एकीकृत करके, हम दुर्घटनाओं को होने वाली मानसिक स्थिति के पैदा होने से पहले ही रोक सकते हैं।

ड्राइवर की सीट पर न्यूरोसाइंस - हमें अधिक सुरक्षित रखने में मदद के लिए व्यावसायिक EEG और मशीन लर्निंग एल्गोरिदम का लाभ उठाना।

वाहनों में EEG हार्डवेयर को एकीकृत करना समाधान का केवल एक हिस्सा है। प्राप्त किए गए मस्तिष्क डेटा का लाभ उठाने के लिए, हमें इसे उपयोगी विवरणों में संसाधित करने की आवश्यकता है। परिष्कृत मशीन-लर्निंग एल्गोरिदम EEG डेटा को उन खास अंगों या विशेषताओं में डिकोड करके इसे प्राप्त करते हैं जो विशिष्ट मानसिक स्थितियों को दर्शा सकते हैं। आज तक, Emotiv ने इस तरह की सात स्थितियों का पता लगाने की तकनीक विकसित की है: हताशा, रुचि, विश्राम, जुड़ाव, उत्साह, ध्यान और तनाव। Emotiv के इंजीनियरों ने सटीक प्रयोगात्मक अध्ययनों के माध्यम से इन स्थितियों का पता लगाने की तकनीक विकसित करने के लिए न्यूरोवैज्ञानिकों के साथ मिलकर काम किया है, जो उन प्रोटोकॉल का उपयोग करते हैं जो इन मानसिक स्थितियों को उत्पन्न करने के लिए जाने जाते हैं। ऑटोमोबाइल क्षेत्र में, Emotiv वर्तमान में ड्राइविंग सिम्युलेटर के भीतर विकसित किए गए ड्राइवर का ध्यान भटकने का पता लगाने वाले सिस्टम को और बेहतर बना रहा है। यह रॉयल ऑटोमोबाइल क्लब ऑफ वेस्टर्न ऑस्ट्रेलिया के साथ एक सहयोग से मिले आशाजनक परिणामों के बाद किया जा रहा है, जिसके परिणामस्वरूप ध्यान से चलने वाली कार अस्तित्व में आई, जो ध्यान भटकने पर धीमी हो जाती थी [7]। आप यूट्यूब पर इस सहयोग और इसके परिणामों के कुछ वीडियो देख सकते हैं।

न्यूरोसाइंस और ड्राइविंग का भविष्य

ड्राइवर की सीट पर न्यूरोसाइंस - न्यूरोसाइंस और ड्राइविंग का भविष्य।

सीट बेल्ट और रम्बल स्ट्रिप्स जैसे शुरुआती उपायों से लेकर ऑटोमैटिक इमरजेंसी ब्रेकिंग और असिस्टेड स्टीयरिंग जैसे आधुनिक सुरक्षा फीचर्स तक, हमारी कारें अब काफी सुरक्षित हो गई हैं। फिर भी प्रत्येक वर्ष दुर्घटनाओं से मरने वाले लोगों की संख्या बताती है कि वाहनों को पूरी तरह "सुरक्षित" माने जाने की स्थिति तक पहुँचने के लिए अभी एक लंबी दूरी तय करनी बाकी है। जैसे-जैसे तकनीक आगे बढ़ेगी, हमारी कारें निस्संदेह और अधिक सुरक्षित होती जाएँगी, लेकिन जब तक मनुष्य प्रमुख रूप से वाहन चालक बने रहेंगे, तब तक मानवीय भूलों के कारण दुर्घटनाएँ होती रहेंगी। EEG तकनीक सूक्ष्म संकेतकों का पता लगाकर और दुर्घटना की स्थितियाँ उत्पन्न होने से पहले ही हस्तक्षेप करके मानवीय भूलों के जोखिम को कम करने का एक विशेष रूप से आशाजनक मार्ग दर्शाती है।

संदर्भ

[1] नेशनल सेंटर फॉर स्टैटिस्टिक्स एंड एनालिसिस, “2020 में मोटर वाहन यातायात दुर्घटनाओं में होने वाली मौतों का प्रारंभिक अनुमान।” राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन, मई 2021. ऐक्सेस तिथि: 04 जनवरी, 2022. [ऑनलाइन]। उपलब्ध: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] नेशनल सेंटर फॉर स्टैटिस्टिक्स एंड एनालिसिस, “2019 में मोटर वाहन दुर्घटनाओं का अवलोकन।” राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन, 2020.

[3] एस. जे. लक और ई. एस. कपेनमैन, द ऑक्सफोर्ड हैंडबुक ऑफ इवेंट-रिलेटेड पोटेंशियल कम्पोनेंट्स। ऑक्सफोर्ड यूनिवर्सिटी प्रेस, 2011.

[4] जी. थुत, “अल्फा-बैंड इलेक्ट्रोएन्सेफलोग्राफिक एक्टिविटी ओवर ऑसिपिटल कॉर्टेक्स इंडेक्स विजुओस्पेशियल अटेंशन बायस एंड प्रेडिक्ट्स विजुअल टारगेट डिटेक्शन,” जे. न्यूरोसाइंस., वॉल्यूम 26, संख्या 37, पृष्ठ 9494–9502, सितंबर 2006, डीओआई: 10.1523/JNEUROSCI.0875-06.2006.

[5] सी.-एच. चुआंग, सी.-एस. हुआंग, एल.-डब्ल्यू. को, और सी.-टी. लिन, “नींद में गाड़ी चलाने के अनुप्रयोग के लिए एक EEG-आधारित अवधारणात्मक कार्य एकीकरण नेटवर्क,” नॉलेज-बेस्ड सिस्ट., वॉल्यूम 80, पृष्ठ 143–152, मई 2015, डीओआई: 10.1016/j.knosys.2015.01.007.

[6] जे. लारोक्को, एम. डी. ले, और डी.-जी. पैंग, “सुस्ती का पता लगाने के लिए उपयोग किए जाने वाले उपलब्ध कम लागत वाले EEG हेडसेट की व्यवस्थित समीक्षा,” फ्रंट. न्यूरोइन्फॉर्मेटिक्स, वॉल्यूम 14, पृष्ठ 42, 2020, डीओआई: 10.3389/fninf.2020.553352.[7] “ऑस्ट्रेलियाई शोधकर्ताओं ने पेश की ‘ध्यान से चलने वाली’ कार,” 2013. https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (ऐक्सेस तिथि: 12 जनवरी, 2022).