Ditulis door Dr Nikolas Williams, Ilmuwan Riset Emotiv.

Beberapa bulan yang lalu saya pindah kembali ke AS setelah delapan tahun tinggal di luar negeri. Bagian dari memulai kembali berarti membeli semua barang yang dibutuhkan seseorang untuk hidup. Selain sofa, tempat tidur, dan meja makan, saya tentu saja membutuhkan mobil. Menganggap diri saya sebagai orang yang cerdas secara finansial, saya mencari secara eksklusif model-model lama yang hemat biaya tetapi dengan cepat berkecil hati oleh harga yang melambung tinggi dan inventaris yang langka. Pasar mobil bekas tahun 2021 secara efektif memaksa saya untuk membeli mobil baru, yang akhirnya saya lakukan. Kekecewaan saya karena melanggar prinsip dasar keuangan pribadi dengan cepat digantikan dengan antusiasme yang tak terkendali atas kenyamanan dan fitur yang hadir dengan SUV Toyota baru saya.

Saya sangat tertarik dengan fitur mengemudi otonom yang sampai saat ini hanya saya baca. Kemudi berbantuan dan radar masa depan membuat perjalanan jauh menjadi sangat mudah. Saya hanya perlu menjaga mata tetap di jalan dan tangan bertumpu pada setir dan mobil saya pada dasarnya mengemudi sendiri. Ditambah dengan fitur pencegah tabrakan, pemantauan titik buta, kamera menghadap ke belakang dengan sistem peringatan untuk memastikan saya tidak menabrak siapa pun yang menyeberang di belakang saya, dan mobil baru ini secara objektif jauh lebih aman daripada model mobil lama yang saya kendarai selama hampir satu dekade terakhir.

Mobil, tentu saja, belum mengemudi sendiri. Meskipun memiliki fitur otonom dan keselamatan yang bagus, mobil tetap membutuhkan pengawasan pengemudi dan, jika perlu, intervensi. Perjalanan kita masih panjang untuk menghilangkan komponen manusia dari mengemudi dan komponen inilah yang paling bertanggung jawab atas kecelakaan dan kematian mobil. Manusia melakukan kesalahan di balik kemudi. Apakah mereka memutuskan mengoperasikan kendaraan setelah minum adalah ide bagus, atau bahwa ngebut itu menyenangkan, atau bahwa mereka perlu menempuh beberapa mil lagi sebelum menepi untuk mengistirahatkan diri yang lelah, manusia menyebabkan banyak insiden mobil yang sebenarnya dapat dicegah.

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

Menurut Administrasi Keselamatan Lalu Lintas Jalan Raya Nasional (NHTSA), ada 36.096 kematian lalu lintas kendaraan bermotor pada tahun 2019. Untuk tahun 2020, kematian diperkirakan lebih dari 38.000 [1]. Sebagian besar dari ini disebabkan oleh mengemudi yang berisiko dan dengan demikian dapat dicegah. NHTSA telah mengidentifikasi enam jenis mengemudi berisiko: Mengebut, mengemudi di bawah pengaruh alkohol dan obat-obatan, tidak menggunakan (atau tidak benar menggunakan) sabuk pengaman, mengemudi yang terdistraksi, dan mengemudi yang mengantuk. Karena dua pertiga dari semua kematian lalu lintas disebabkan oleh ngebut dan mengemudi yang terganggu, banyak kampanye intervensi yang tepat ditujukan untuk mengatasi risiko-risiko ini. Namun, mengemudi yang terdistraksi dan mengantuk menghasilkan jumlah kematian yang tidak sedikit dengan 3.142 kematian terkait distraksi dan 697 kematian terkait kantuk pada tahun 2019 [2].

Menggunakan ilmu saraf untuk mengukur perhatian di laboratorium

Ilmu saraf di kursi pengemudi - Menggunakan ilmu saraf untuk mengukur perhatian di laboratorium.

Ilmuwan saraf menggunakan berbagai metode untuk mengukur perhatian di laboratorium. Salah satu metode ini memanfaatkan fakta bahwa otak kita melepaskan sejumlah kecil listrik saat neuronnya menyala. Menggunakan elektroensefalogram (EEG), kita dapat mengukur fluktuasi listrik ini untuk memahami kapan dan di mana otak aktif. Kecepatan, atau frekuensi, di mana fluktuasi ini terjadi dikenal sebagai osilasi, atau lebih umum, gelombang otak. Frekuensi gelombang otak dapat memberikan wawasan tentang kondisi mental atau proses.

Sebagai contoh, gelombang otak yang berosilasi 14 hingga 30 kali per detik (atau 14 - 30 Hz) dikenal sebagai gelombang beta dan dikaitkan dengan tingkat keterlibatan mental yang tinggi. Osilasi dalam kisaran 8 - 13 Hz dikenal sebagai gelombang alfa dan umumnya ada selama periode relaksasi atau perhatian pasif. Sebagai contoh, Anda akan sering melihat gelombang alfa ketika seseorang sedang bermeditasi. Gelombang theta adalah osilasi antara 4 dan 7 Hz dan terlihat ketika seseorang sangat rileks atau mengantuk. Gelombang paling lambat adalah gelombang delta (1 - 4 Hz) dan diamati ketika seseorang sedang tidur nyenyak.

Lihat postingan terkait Panduan Pengantar EEG

Di laboratorium, para ilmuwan dapat mengukur waktu, magnitudo, dan frekuensi gelombang otak untuk menentukan seberapa terlibat atau tidak terlibatnya pikiran seseorang selama tugas berlangsung. Sebagai contoh, ketika seseorang melihat atau mendengar sesuatu yang telah mereka perhatikan, EEG mereka menunjukkan respons yang sangat spesifik yang disebut P300, yaitu gelombang amplitudo besar yang terjadi sekitar 300 ms setelah munculnya objek tersebut [3]. Demikian pula, penurunan osilasi alfa dapat menunjukkan seseorang sedang menaruh perhatian penuh pada sesuatu [4]. Mengantuk juga menghasilkan tanda-tanda EEG yang dapat dideteksi melalui perubahan osilasi delta, theta, dan alfa [5].

Bagaimana kita bisa mengukur tingkat perhatian di dalam mobil?

Di dalam kendaraan, kita dapat mengukur tingkat perhatian dan kantuk menggunakan metode perilaku. Misalnya, kamera dapat melacak mata pengemudi untuk memastikan bahwa mereka melihat ke jalan. Demikian pula, kamera dapat mendeteksi ketika kepala pengemudi mulai mengangguk yang menunjukkan bahwa mereka mengantuk. Namun, hanya karena seseorang melihat ke jalan atau kepalanya tidak terkulai bukan berarti mereka memperhatikan atau tidak lelah. EEG dapat memperkuat deteksi kondisi berbahaya ini. Mereka bahkan mungkin dapat memprediksinya sebelum dapat dideteksi secara perilaku.

Ilmu saraf di kursi pengemudi - EEG dapat memperkuat deteksi kondisi berbahaya ini. Mereka bahkan mungkin dapat memprediksinya sebelum dapat dideteksi secara perilaku.

Pada tahun 2020, para peneliti melakukan tinjauan sistematis terhadap studi yang menggunakan headset EEG yang tersedia secara komersial untuk mendeteksi rasa kantuk secara real-time [6]. Mereka melaporkan bahwa headset yang paling banyak digunakan dalam jenis studi ini adalah yang diproduksi oleh Emotiv, diikuti oleh Neurosky, Interaxon, dan OpenBCI. Untuk deteksi kantuk, mereka menemukan bahwa fitur EEG dasar sekalipun, seperti osilasi frekuensi, dapat digunakan untuk mendeteksi rasa kantuk. Namun, mereka mencatat bahwa dalam banyak kasus, "optimalisasi algoritmik tetap diperlukan", yang berarti bahwa algoritma pembelajaran mesin menghasilkan deteksi yang lebih akurat.

Memanfaatkan EEG komersial dan algoritma pembelajaran mesin untuk membantu menjaga kita tetap lebih aman

Emotiv telah menjadi pemimpin dalam EEG komersial selama lebih dari satu dekade. Selama waktu ini mereka telah mengembangkan sistem EEG dalam berbagai bentuk, mulai dari topi penelitian tradisional 32-saluran hingga headphone dalam telinga 2-saluran. Sistem dengan faktor bentuk yang ringkas, seperti headphone MN8 atau Insight, mewakili langkah pertama menuju teknologi saraf sehari-hari yang dapat dikenakan. Dengan mengintegrasikan jenis perangkat keras ini ke dalam kontrol mobil, kita mungkin dapat mencegah kecelakaan sebelum kondisi mental penyebabnya terjadi.

Ilmu saraf di kursi pengemudi - Memanfaatkan EEG komersial dan algoritma pembelajaran mesin untuk membantu menjaga kita tetap lebih aman.

Mengintegrasikan perangkat keras EEG ke dalam kendaraan hanyalah sebagian dari solusi. Untuk memanfaatkan data otak yang diperoleh, kita perlu memprosesnya menjadi metrik yang berguna. Algoritma pembelajaran mesin yang canggih mencapai hal ini dengan mendekode data EEG menjadi fitur-fitur yang dapat mengindeks kondisi mental tertentu. Hingga saat ini, Emotiv telah mengembangkan tujuh deteksi tersebut: frustrasi, minat, relaksasi, keterlibatan, kegembiraan, perhatian, dan stres. Insinyur Emotiv telah bekerja sama erat dengan ilmuwan saraf untuk mengembangkan deteksi ini melalui studi eksperimental yang ketat menggunakan protokol yang diketahui memicu kondisi tersebut. Di bidang otomotif, Emotiv saat ini sedang menyempurnakan deteksi gangguan pengemudi yang dikembangkan dalam simulator mengemudi. Ini menyusul hasil yang menjanjikan dari kolaborasi dengan Royal Automobile Club of Western Australia, yang menghasilkan mobil bertenaga perhatian yang melambat ketika perhatian berkurang [7]. Anda dapat menemukan beberapa video tentang kolaborasi dan hasilnya di YouTube.

Ilmu Saraf dan Masa Depan Mengemudi

Ilmu saraf di kursi pengemudi - Ilmu saraf dan masa depan mengemudi.

Dari intervensi awal seperti sabuk pengaman dan jalur kejut hingga intervensi modern seperti pengereman darurat otomatis dan kemudi berbantuan, mobil kita telah menjadi jauh lebih aman. Namun jumlah orang yang meninggal karena kecelakaan setiap tahun menunjukkan bahwa kita masih memiliki perjalanan panjang sebelum kita mencapai titik di mana kendaraan dapat dianggap "aman". Seiring kemajuan teknologi, mobil kita tidak diragukan lagi akan terus menjadi lebih aman, tetapi selama manusia adalah operator kendaraan yang utama, akan terus ada kecelakaan yang disebabkan oleh manusia. Teknologi EEG mewakili jalan yang sangat menjanjikan untuk memitigasi faktor manusia dengan mendeteksi indikator halus dan mengintervensi sebelum kondisi penyebab kecelakaan terjadi.

Referensi

[1] National Center for Statistics and Analysis, “Early estimate of motor vehicle traffic fatalities in 2020.” National Highway Traffic Safety Administration, Mei 2021. Diakses: 4 Januari 2022. [Online]. Tersedia: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] National Center for Statistics and Analysis., “Overview of motor vehicle crashes in 2019.” National Highway Traffic Safety Administration, 2020.

[3] S. J. Luck dan E. S. Kappenman, The Oxford handbook of event-related potential components. Oxford university press, 2011.

[4] G. Thut, “Alpha-Band Electroencephalographic Activity over Occipital Cortex Indexes Visuospatial Attention Bias and Predicts Visual Target Detection,” J. Neurosci., vol. 26, no. 37, hlm. 9494–9502, Sep. 2006, doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko, dan C.-T. Lin, “An EEG-based perceptual function integration network for application to drowsy driving,” Knowl.-Based Syst., vol. 80, hlm. 143–152, Mei 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, dan D.-G. Paeng, “A Systemic Review of Available Low-Cost EEG Headsets Used for Drowsiness Detection,” Front. Neuroinformatics, vol. 14, hlm. 42, 2020, doi: 10.3389/fninf.2020.553352.[7] “Australia researchers unveil ‘attention-powered’ car,” 2013. https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html (diakses 12 Jan. 2022).