Yazan: Dr. Nikolas Williams, Emotiv Araştırma Bilim İnsanı.

Birkaç ay önce, sekiz yıl boyunca yurt dışında yaşadıktan sonra ABD'ye geri döndüm. Hayata yeniden başlamanın bir parçası da insanın yaşam için ihtiyaç duyduğu her şeyi satın alması demekti. Kanepe, yatak ve yemek masasının yanı sıra elbette bir arabaya da ihtiyacım vardı. Kendimi finansal açıdan bilinçli bir insan olarak gördüğüm için yalnızca daha eski, uygun maliyetli modellere baktım ancak şişirilmiş fiyatlar ve yetersiz envanter nedeniyle kısa sürede cesaretim kırıldı. 2021'deki ikinci el araba piyasası beni adeta yeni bir araba almaya zorluyordu, ki sonunda ben de öyle yaptım. Temel kişisel finans ilkelerini ihlal etmiş olmanın verdiği hayal kırıklığı, yerini kısa sürede yepyeni Toyota SUV'umun sunduğu konfor ve özelliklere yönelik sınırsız bir coşkuya bıraktı.

Özellikle bu zamana kadar sadece okumuş olduğum otonom sürüş özelliklerine hayran kalmıştım. Destekli direksiyon ve ileriye bakan radar, uzun sürüşleri çok kolaylaştırıyordu. Sadece gözlerimi yoldan ayırmamam ve bir elimi direksiyon simidinde tutmam yetiyordu; arabam temelde kendi kendini kullanıyordu. Çarpışma önleme, kör nokta izleme ve arkamdan geçen kimseye çarpmayacağımdan emin olmamı sağlayan uyarı sistemli arkaya bakan kameraları da hesaba katınca, bu yeni araba, son on yılın büyük bölümünde kullandığım eski model arabalardan objektif olarak kat kat daha güvenliydi.

Tabii ki arabalar henüz kendi kendilerini kullanamıyorlar. Her ne kadar harika otonom ve güvenlik özelliklerine sahip olsalar da, arabalar hala sürücü gözetimi ve gerektiğinde müdahale gerektiriyor. İnsan faktörünü sürüşten çıkarmaktan çok uzağız ve otomobil kazalarından ve can kayıplarından ağırlıklı olarak sorumlu olan da bu bileşendir. İnsanlar direksiyon başında hata yaparlar. Alkollü araç kullanmanın iyi bir fikir olduğuna, hız yapmanın eğlenceli olduğuna veya yorgun bedenlerini dinlendirmek için kenara çekmeden önce sadece birkaç mil daha gitmeleri gerektiğine karar verseler de, insanlar önlenebilir birçok otomobil olayına neden olurlar.

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

Ulusal Karayolu Trafik Güvenliği İdaresi'ne (NHTSA) göre 2019 yılında 36.096 motorlu taşıt trafiği ölümü meydana geldi. 2020 yılı için can kayıplarının 38.000'in üzerinde olduğu tahmin edilmektedir [1]. Bunların büyük bir yüzdesi riskli sürüşten kaynaklanmaktadır ve bu nedenle önlenebilirdir. NHTSA altı tür riskli sürüş belirlemiştir: Hız yapma, alkollü ve uyuşturucu etkisinde araç kullanma, emniyet kemeri kullanmama (veya yanlış kullanma), dikkat dağınıklığı ve uykulu araç kullanma. Tüm trafik can kayıplarının üçte ikisi hız yapma ve alkollü/uyuşturucu etkisinde araç kullanmaya bağlanabileceğinden, birçok müdahale kampanyası haklı olarak bu riskleri ele almayı amaçlamaktadır. Bununla birlikte, dikkat dağınıklığı ve uykulu araç kullanma, 2019 yılında dikkat dağınıklığı kaynaklı 3.142 ölüm ve uykululuk kaynaklı 697 ölümle göz ardı edilemeyecek sayıda can kaybına yol açmaktadır [2].

Laboratuvarda dikkat seviyesini ölçmek için nörobilimi kullanmak

Sürücü koltuğunda nörobilim - Laboratuvarda dikkat seviyesini ölçmek için nörobilimi kullanmak.

Nörobilimciler laboratuvarda dikkati ölçmek için çeşitli yöntemler kullanırlar. Bu yöntemlerden biri, nöronlarımız aktif olduğunda beynimizin çok küçük miktarlarda elektrik salgılaması gerçeğinden yararlanır. Elektroensefalografi (EEG) kullanarak, beynin ne zaman ve nerede aktif olduğunu anlamak için bu elektrikteki dalgalanmaları ölçebiliriz. Bu dalgalanmaların meydana gelme hızı veya frekansı, osilasyonlar veya daha yaygın olarak beyin dalgaları olarak bilinir. Beyin dalgalarının frekansı, zihinsel durumlar veya süreçler hakkında bilgi sağlayabilir.

Örneğin, saniyede 14 ila 30 kez (veya 14 - 30 Hz) salınım yapan beyin dalgaları beta dalgaları olarak bilinir ve yüksek düzeyde zihinsel katılım ile ilişkilendirilir. 8 - 13 Hz aralığındaki osilasyonlar alpha dalgaları olarak bilinir ve genellikle rahatlama veya pasif dikkat zamanlarında mevcuttur. Örneğin, meditasyon yapan bir insanda sıklıkla alpha dalgaları görürsünüz. Theta dalgaları 4 ila 7 Hz arasındaki osilasyonlardır ve kişi derinden rahatladığında veya uykuluyken görülür. En yavaş dalgalar delta dalgalarıdır (1 - 4 Hz) ve kişi derin uykudayken gözlemlenir.

İlgili yazıya göz atın EEG'ye Giriş Kılavuzu

Laboratuvarda bilim insanları, görevler sırasında bir kişinin zihninin ne kadar meşgul veya serbest olduğunu belirlemek için beyin dalgalarının zamanlamasını, büyüklüğünü ve frekansını ölçebilirler. Örneğin, bir kişi izlemekte olduğu bir şeyi gördüğünde veya duyduğunda, EEG'si P300 adı verilen çok spesifik bir tepki gösterir; bu, nesnenin ortaya çıkmasından yaklaşık 300 ms sonra meydana gelen büyük genlikli bir dalgadır [3]. Benzer şekilde, alpha osilasyonlarındaki bir azalma, birinin bir şeye çok dikkat ettiğini gösterebilir [4]. Uykulu olmak da delta, theta ve alpha osilasyonlarındaki değişiklikler yoluyla tespit edilebilir EEG imzaları üretir [5].

Bir arabada dikkati nasıl ölçebiliriz?

Bir araçta dikkat seviyesini ve uykululuğu davranışsal yöntemler kullanarak ölçebiliriz. Örneğin, kameralar sürücülerin yola baktıklarından emin olmak için gözlerini takip edebilir. Benzer şekilde kameralar, sürücülerin başlarının sallanmaya başladığını tespit ederek uykulu olduklarını gösterebilir. Ancak, bir kişinin yola bakıyor olması ya da başının öne eğilmiyor olması, dikkatini verdiği ya da yorgun olmadığı anlamına gelmez. BCI, bu tehlikeli durumların tespitini güçlendirebilir. Hatta davranışsal olarak tespit edilmeden önce bunları tahmin edebilirler.

Sürücü koltuğunda nörobilim - BCI, bu tehlikeli durumların tespitini güçlendirebilir. Hatta davranışsal olarak tespit edilmeden önce bunları tahmin edebilirler.

2020 yılında araştırmacılar, gerçek zamanlı uykululuğu tespit etmek için piyasada satılan EEG başlıklarını kullanan çalışmaların sistematik bir incelemesini gerçekleştirdiler [6]. Bu tür çalışmalarda en çok kullanılan başlığın Emotiv tarafından üretilenler olduğunu, bunu sırasıyla Neurosky, Interaxon ve OpenBCI'ın takip ettiğini bildirdiler. Uykululuk tespiti için, frekans osilasyonları gibi temel EEG özelliklerinin bile uykululuğu tespit etmek için kullanılabileceğini buldular. Bununla birlikte, birçok durumda "algoritmik optimizasyonun gerekli olmaya devam ettiğini", yani yapay öğrenme algoritmalarının daha doğru tespitlerle sonuçlandığını belirtmektedirler.

Güvende kalmamıza yardımcı olmak için ticari EEG ve yapay öğrenme algoritmalarından yararlanmak

Emotiv, on yılı aşkın bir süredir ticari EEG alanında lider konumdadır. Bu süre zarfında, 32 kanallı geleneksel araştırma keplerinden 2 kanallı kulak içi kulaklıklara kadar çeşitli formlarda EEG sistemleri geliştirdiler. MN8 kulaklıklar veya Insight gibi kompakt form faktörlerine sahip sistemler, günlük, giyilebilir nöroteknolojiye yönelik ilk adımları temsil etmektedir. Bu tür donanımları otomobil kontrollerine entegre ederek, kazalara neden olan zihinsel durumlar henüz ortaya çıkmadan kazaları önleyebiliriz.

Sürücü koltuğunda nörobilim - Güvende kalmamıza yardımcı olmak için ticari EEG ve yapay öğrenme algoritmalarından yararlanmak.

EEG donanımını araçlara entegre etmek çözümün sadece bir parçasıdır. Elde edilen beyin verilerinden yararlanmak için, bunları yararlı metriklere dönüştürmemiz gerekir. Gelişmiş yapay öğrenme algoritmaları, EEG verilerini belirli zihinsel durumları dizine ekleyebilecek özelliklere dönüştürerek bunu başarır. Emotiv bugüne kadar bu tür yedi tespit geliştirdi: hayal kırıklığı, ilgi, rahatlama, bağlılık, heyecan, dikkat ve stres. Emotiv mühendisleri, bu durumları ortaya çıkardığı bilinen protokolleri kullanan titiz deneysel çalışmalar yoluyla bu tespitleri geliştirmek için nörobilimcilerle yakın bir şekilde çalıştı. Otomobil alanında Emotiv, şu anda bir sürüş simülatörü içinde geliştirilen sürücü dikkati dağınıklığı tespitinin ince ayarlarını yapmaktadır. Bu, Batı Avustralya Kraliyet Otomobil Kulübü ile yapılan ve dikkat azaldığında yavaşlayan dikkat destekli bir araba ile sonuçlanan bir iş birliğinden elde edilen umut verici sonuçları takip etmektedir [7]. YouTube'da iş birliği ve sonuçlara ilişkin bazı videolar bulabilirsiniz.

Nörobilim ve sürüşün geleceği

Sürücü koltuğunda nörobilim - Nörobilim ve sürüşün geleceği.

Emniyet kemerleri ve tırtıklı şeritler gibi erken dönem müdahalelerden, otomatik acil frenleme ve destekli direksiyon gibi modern müdahalelere kadar arabalarımız çok daha güvenli hale geldi. Yine de her yıl kazalardan ölen insanların sayısı, araçların "güvenli" olarak kabul edilebileceği noktaya ulaşmamız için daha kat etmemiz gereken çok yol olduğunu gösteriyor. Teknoloji ilerledikçe arabalarımız şüphesiz daha da güvenli olmaya devam edecek, ancak insanlar baskın araç sürücüleri olduğu sürece insan kaynaklı kazalar da meydana gelmeye devam edecektir. EEG teknolojisi, ince göstergeleri tespit ederek ve kazaya neden olan koşullar daha oluşmadan müdahale ederek insan faktörünü azaltmak için özellikle umut verici bir yol sunmaktadır.

Referanslar

[1] National Center for Statistics and Analysis, “Early estimate of motor vehicle traffic fatalities in 2020.” National Highway Traffic Safety Administration, May 2021. Erişim tarihi: 04 Ocak 2022. [Çevrimiçi]. Mevcut adres: 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 ve 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., cilt 26, no. 37, ss. 9494–9502, Eylül 2006, doi: 10.1523/JNEUROSCI.0875-06.2006.

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

[6] J. LaRocco, M. D. Le ve D.-G. Paeng, “A Systemic Review of Available Low-Cost EEG Headsets Used for Drowsiness Detection,” Front. Neuroinformatics, cilt 14, s. 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 (erişim tarihi 12 Ocak 2022).