न्यूरोसाइंस चालक की सीट पर

डॉ. निकोलस विलियम्स, EMOTIV शोध वैज्ञानिक द्वारा लिखित।

कई महीने पहले मैंने आठ वर्षों के अंतरराष्ट्रीय प्रवास के बाद अमेरिका में वापस आ गया। फिर से शुरू करने का एक हिस्सा उन सभी चीजों की खरीदारी करना था जिनकी ज़रूरत होती है। एक सोफे, बिस्तर और भोजन की मेज के अलावा, मुझे जाहिर है कि एक कार की जरूरत थी। अपने आपको एक वित्तीय रूप से समझदार व्यक्ति मानते हुए, मैंने केवल पुरानी, लागत-कुशल मॉडलों की तलाश की, लेकिन जल्दी ही inflated कीमतों और दुर्लभ इन्वेंटरी से निराश हो गया। 2021 की उपयोग की गई कारों का बाजार वास्तव में मुझे नई खरीदने के लिए मजबूर कर रहा था, जो मैंने आखिरकार की। व्यक्तिगत वित्त के बुनियादी सिद्धांतों का उल्लंघन करने पर मेरी निराशा जल्दी ही मेरी नई टोयोटा एसयूवी की आरामदायकता और विशेषताओं के लिए अभूतपूर्व उत्साह से बदल गई।

मुझे विशेष रूप से स्वायत्त ड्राइविंग सुविधाएं पसंद आईं जिनके बारे में मैंने अब तक केवल पढ़ा था। सहायक स्टीयरिंग और आगे देखने वाले रडार ने लंबी ड्राइव को आसान बना दिया। मुझे सिर्फ सड़क पर नजर रखने और स्टीयरिंग व्हील पर एक हाथ रखने की जरूरत थी और मेरी कार बुनियादी रूप से अपने आप चल रही थी। टकराव से बचने की सुविधाएं, ब्लाइंड-स्पॉट मॉनिटरिंग, पीछे की तरफ कैमरे जिनमें चेतावनी प्रणाली थी जिससे सुनिश्चित हो सके कि मैं किसी ऐसे व्यक्ति में न लगूं जो मेरे पीछे जा रहा है, और यह नई कार पुराने मॉडल कारों की तुलना में वस्तुतः कई गुना सुरक्षित थी जिनमें मैंने पिछले दशक का बड़ा हिस्सा चलाया था।

कारें, जाहिर है, अभी तक खुद नहीं चलती। हालांकि इनमें शानदार स्वायत्त और सुरक्षा सुविधाएं हैं, कारों को अब भी चालक की निगरानी और आवश्यक होने पर हस्तक्षेप की आवश्यकता होती है। मानव घटक को ड्राइविंग से निकालने में हमें अभी काफी प्रगति करनी है और यह वही घटक है जो मुख्य रूप से ऑटोमोबाइल दुर्घटनाओं और मृत्यु दर के लिए जिम्मेदार है। लोग स्टीयरिंग व्हील के पीछे गलती करते हैं। चाहे वे यह तय करें कि पीने के बाद वाहन चलाना अच्छा विचार है, या तेज़ चलाना मजेदार है, या उन्हें थके हुए खुद को आराम देने से पहले केवल कुछ और मील चलाना है, लोग बहुत सी रोकथाम योग्य ऑटोमोबाइल घटनाएं पैदा करते हैं।

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

राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन (NHTSA) के अनुसार, 2019 में 36,096 मोटर वाहन यातायात मृत्यु दर थी। 2020 के लिए, मृत्यु दर का अनुमान 38,000 से अधिक है [1]. इनमें से एक बड़ा प्रतिशत जोखिम भरे ड्राइविंग के कारण है और इसलिए रोकथाम योग्य है। NHTSA ने जोखिम भरी ड्राइविंग के छह प्रकारों की पहचान की है: तेज़ चलाना, शराब और ड्रग प्रभावित ड्राइविंग, सीट बेल्ट का उपयोग न करना (या गलत तरीके से करना), ध्यान भंग करना, और नींद आना। चूंकि सभी ट्रैफिक मौतों में से दो-तिहाई को तेज़ चलाने और प्रभावित ड्राइविंग से जोड़ा जा सकता है, कई हस्तक्षेप अभियान सही ढंग से इन जोखिमों को संबोधित करने पर केंद्रित हैं। हालाँकि, ध्यान भंग और नींद आना भी एक गैर-तुच्छ संख्या में मृत्यु दर का कारण बनता है, जिसमें 2019 में 3,142 ध्यान-भंग से संबंधित शव और 697 नींद से संबंधित मृत्यु शामिल हैं [2].

लैब में ध्यान केंद्रित करने को मापने के लिए न्यूरोसाइंस का उपयोग करना

ड्राइवर की सीट पर न्यूरोसाइंस - लैब में ध्यान केंद्रित करने को मापने के लिए न्यूरोसाइंस का उपयोग करना।

न्यूरोसाइंटिस्ट प्रयोगशाला में ध्यान मापने के लिए विभिन्न विधियों का उपयोग करते हैं। इनमें से एक विधि इस तथ्य का लाभ उठाती है कि हमारे मस्तिष्क के न्यूरॉन्स के सक्रिय होने पर यह छोटे मात्रा में विद्युत ऊर्जा छोड़ता है। इलेक्ट्रोएन्सेफलोग्राम (EEG) का उपयोग करके, हम इस विद्युत ऊर्जा में उतार-चढ़ाव को माप सकते हैं ताकि यह समझ सकें कि मस्तिष्क कब और कहाँ सक्रिय है। ये उतार-चढ़ाव कितनी तेजी से होते हैं, या आवृत्तियों के आधार पर, जिन्हें ऑसिलेशन कहा जाता है, या अधिक सामान्यतः, मस्तिष्क की तरंगें। मस्तिष्क की तरंगों की आवृत्ति मानसिक अवस्थाओं या प्रक्रियाओं में अंतर्दृष्टि प्रदान कर सकती है।

उदाहरण के लिए, मस्तिष्क की तरंगें जो प्रति सेकंड 14 से 30 बार (या 14 - 30 हर्ट्ज) के आसपास घूमती हैं उन्हें बीटा तरंगें कहा जाता है और ये मानसिक संलग्नता के उच्च स्तर से जुड़ी होती हैं। 8 - 13 हर्ट्ज रेंज में ऑसिलेशन को अल्फा तरंगें कहा जाता है और ये आमतौर पर विश्राम या पैसिव ध्यान के मौकों पर मौजूद होती हैं। उदाहरण के लिए, जब कोई व्यक्ति ध्यान कर रहा होता है तो अक्सर आप अल्फा तरंगें देखेंगे। थेटा तरंगें 4 से 7 हर्ट्ज के बीच होती हैं और जब कोई व्यक्ति गहरे विश्राम या नींद में होता है तो देखी जाती हैं। सबसे धीमी तरंगें डेल्टा तरंगें (1 - 4 हर्ट्ज) होती हैं और जब कोई व्यक्ति गहरी नींद में होता है तो देखी जाती हैं।

संबंधित पोस्ट देखें EEG के लिए परिचयात्मक गाइड

लैब में, वैज्ञानिक समय, मात्रा और मस्तिष्क की तरंगों की आवृत्ति को माप सकते हैं ताकि यह निर्धारित कर सकें कि किसी व्यक्ति का मन कार्यों के दौरान कितना संलग्न या अनुपस्थित है। उदाहरण के लिए, जब कोई व्यक्ति किसी चीज़ को देखता या सुनता है जिसके लिए वे देख रहे थे, तो उनके EEG में बहुत विशिष्ट प्रतिक्रिया होती है जिसे P300 कहा जाता है, जो एक बड़े परिमाण की तरंग है जो वस्तु के प्रकट होने के लगभग 300 मिलीसेकंड बाद होती है [3]. इसी तरह, अल्फा ऑसिलेशनों में कमी किसी व्यक्ति का किसी चीज़ पर ध्यान केंद्रित कर रही है उसे संकेत दे सकती है [4]. नींद आना भी डेल्टा, थेटा, और अल्फा ऑसिलेशनों में परिवर्तनों के माध्यम से पता लगाने योग्य EEG संकेत उत्पन्न करता है [5].

हम कार में ध्यान को कैसे माप सकते हैं?

एक वाहन में हम व्यवहारात्मक तरीकों का उपयोग करके ध्यान और नींद को माप सकते हैं। उदाहरण के लिए, कैमरे चालकों की आँखों को ट्रैक कर सकते हैं ताकि यह सुनिश्चित किया जा सके कि वे सड़क पर देख रहे हैं। इसी तरह, कैमरे यह पहचान सकते हैं कि जब चालकों की सिर लटकने लगता है, तो इससे संकेत मिलता है कि वे सोने वाले हैं। हालाँकि, यह सिर्फ इसलिए कि कोई व्यक्ति सड़क को देख रहा है या उनका सिर नहीं झुक रहा है, इसका मतलब यह नहीं है कि वे ध्यान दे रहे हैं या कि वे थके हुए नहीं हैं। EEG इन जोखिम भरे स्थितियों के पता लगाने को बढ़ा सकता है। वे शायद व्यवहारिक रूप से असरदार होकर इन्हें पहले ही भविष्यवाणी भी कर सकें।

ड्राइवर की सीट पर न्यूरोसाइंस - EEG इन जोखिम भरे स्थितियों के पता लगाने को बढ़ा सकता है। वे शायद व्यवहारिक रूप से असरदार होकर इन्हें पहले ही भविष्यवाणी भी कर सकें।

2020 में, शोधकर्ताओं ने वास्तविक समय की नींद का पता लगाने के लिए व्यावसायिक रूप से उपलब्ध EEG हेडसेट का उपयोग करके अध्ययनों की एक प्रणालीबद्ध समीक्षा की [6]. उन्होंने रिपोर्ट की कि इन प्रकार के अध्ययनों में सबसे अधिक उपयोग किए जाने वाले हेडसेट EMOTIV द्वारा निर्मित थे, उसके बाद Neurosky, Interaxon, और OpenBCI। नींद का पता लगाने के लिए, उन्होंने पाया कि यहां तक कि बुनियादी EEG विशेषताएँ, जैसे आवृत्ति ऑसिलेशन्स, नींद का पता लगाने के लिए उपयोग की जा सकती हैं। हालाँकि, वे यह नोट करते हैं कि कई मामलों में, "एल्गोरिद्मिक अनुकूलन आवश्यक है", जिसका अर्थ है कि मशीन-लर्निंग एल्गोरिदम अधिक सटीक पहचान का परिणाम देते हैं।

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

EMOTIV पिछले एक दशक से व्यावसायिक EEG में अग्रणी रहा है। इस समय के दौरान, उन्होंने विभिन्न रूपों में EEG सिस्टम विकसित किए हैं, 32-चैनल पारंपरिक शोध टोपी से लेकर 2-चैनल इन-ईयर हेडफ़ोन तक। MN8 हेडफ़ोन या Insight जैसे कॉम्पैक्ट फ़ॉर्म फैक्टर सिस्टम रोज़ाना, पहनने योग्य न्यूरोटेक की दिशा में पहले कदम का प्रतिनिधित्व करते हैं। इन प्रकार के हार्डवेयर को ऑटोमोबाइल नियंत्रण में एकीकृत करके, हम शायद उन मानसिक अवस्थाओं से पहले दुर्घटनाओं को रोकने में सक्षम हो सकते हैं जो कारण बनती हैं।

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

गाड़ियों में EEG हार्डवेयर को एकीकृत करना केवल समाधान का एक हिस्सा है। अधिग्रहित मस्तिष्क डेटा का लाभ उठाने के लिए, हमें इसे उपयोगी मैट्रिक्स में संसाधित करने की आवश्यकता है। जटिल मशीन-लर्निंग एल्गोरिदम ऐसा प्राप्त करते हैं जो EEG डेटा को विशेष मानसिक अवस्थाओं का अनुक्रमित करने के लिए परिवर्तित करते हैं। अब तक, EMOTIV ने ऐसी सात पहचान विकसित की हैं: निराशा, रुचि, विश्राम, संलग्नता, उत्साह, ध्यान, और तनाव। EMOTIV के इंजीनियरों ने न्यूरोसाइंटिस्टों के साथ मिलकर इन पहचान को विकसित करने के लिए व्यापक प्रयोगात्मक अध्ययनों से काम किया है जो इस अवस्थाओं को उत्पन्न करने के लिए जाने वाले प्रोकोल्स का उपयोग करते हैं। ऑटोमोबाइल डोमेन में, Emotiv वर्तमान में एक ड्राइवर-ध्यान भंग पहचान को इंगित कर रहा है जिसे ड्राइविंग सिम्युलेटर में विकसित किया गया है। यह पश्चिमी ऑस्ट्रेलिया के रॉयल ऑटोमोबाइल क्लब के साथ सहयोग से प्राप्त सकारात्मक परिणामों के बाद है, जो एक ध्यान द्वारा संचालित कार को परिणाम देती है जो जब ध्यान कम होता है तब धीमी हो जाती है [7]. आप सहयोग और परिणामों के कुछ वीडियो YouTube पर देख सकते हैं।

न्यूरोसाइंस और ड्राइविंग का भविष्य

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

सीट बेल्ट और रंबल स्ट्रिप्स जैसी प्रारंभिक इंटरवेंशनों से लेकर आधुनिक स्वचालित आपातकालीन ब्रेकिंग और सहायक स्टीयरिंग जैसी, हमारी गाड़ियाँ बहुत सुरक्षित हो गई हैं। फिर भी, प्रत्येक वर्ष दुर्घटनाओं से मरने वाले लोगों की संख्या से पता चलता है कि हमें उस बिंदु पर पहुँचने से पहले बहुत लंबा रास्ता तय करना है, जहाँ वाहनों को "सुरक्षित" माना जा सकता है। जैसे-जैसे प्रौद्योगिकी उन्नति होती है, हमारी गाड़ियाँ निश्चित रूप से सुरक्षित होती रहेंगी, लेकिन जब तक मानव मुख्य वाहन संचालक हैं, तब तक मानवीय कारणों से दुर्घटनाएं होती रहेंगी। EEG तकनीक इस मानव कारक को कम करने के लिए एक विशेष रूप से आशाजनक avenue का प्रतिनिधित्व करती है, जिससे सूक्ष्म संकेतों का पता लगाया जा सकता है और दुर्घटनाओं के कारण परिस्थितियों के उत्पन्न होने से पहले हस्तक्षेप किया जा सकता है।

संदर्भ

[1] राष्ट्रीय सांख्यिकी और विश्लेषण केंद्र, "2020 में मोटर वाहन यातायात मौतों का प्रारंभिक अनुमान।" राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन, मई 2021। पहुंचा गया: 04 जनवरी, 2022। [ऑनलाइन]. उपलब्ध: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] राष्ट्रीय सांख्यिकी और विश्लेषण केंद्र।, "2019 में मोटर वाहन दुर्घटनाओं का अवलोकन।" राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन, 2020।

[3] एस. जे. लक और ई. एस. कैपेनमैन, संपूर्ण घटना से संबंधित संभावित घटकों की ऑक्सफोर्ड हैंडबुक. ऑक्सफोर्ड यूनिवर्सिटी प्रेस, 2011।

[4] जी. थुत, "ओसीपिटल कॉर्टेक्स पर अल्फा-बैंड इलेक्ट्रोएन्सेफलोग्राफिक क्रियाकलाप दृश्य स्थानिक ध्यान भेद और दृश्य लक्ष्य पहचान की भविष्यवाणी करता है," जे. न्यूरोसाइंसी।, वॉल. 26, नहीं। 37, pp. 9494–9502, सित. 2006, doi: 10.1523/JNEUROSCI.0875-06.2006।

[5] सी.-एच. चुआंग, सी.-एस. हुआंग, एल.-डब्ल्यू. को, और सी.-टी. लिन, "नींद Driving के लिए एक EEG-आधारित धारणा कार्य एकीकरण नेटवर्क," ज्ञान-आधारित सिस्टम।, वॉल. 80, pp. 143–152, मई 2015, doi: 10.1016/j.knosys.2015.01.007।

[6] जे. लारोको, एम. डी. ले, और डी.-जी. पैंग, "नींद का पता लगाने के लिए उपलब्ध कम लागत वाले EEG हेडसेट्स का एक प्रणालीबद्ध समीक्षा," फ्रंट। न्यूरोइन्फॉर्मेटिक्स।, वॉल. 14, पृष्ठ 42, 2020, doi: 10.3389/fninf.2020.553352.[7] "ऑस्ट्रेलिया के शोधकर्ताओं ने 'ध्यान द्वारा संचालित' कार का अनावरण किया," 2013। https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (पहुंचा गया 12 जनवरी, 2022)।