主導地位的神經科學
梅胡爾·納亞克
更新於
2022年4月28日
主導地位的神經科學
梅胡爾·納亞克
更新於
2022年4月28日
主導地位的神經科學
梅胡爾·納亞克
更新於
2022年4月28日
撰寫者：Nikolas Williams 博士，Emotiv 研究科學家。
幾個月前，在國外生活了八年後，我搬回了美國。重新開始的部分工作，意味著要購買生活所需的一切物品。除了沙發、床和餐桌之外，我當然還需要一輛車。自認為是一個精打細算的人，我專門尋找較舊且具性價比的車型，但很快就被虛高的價格和稀少的庫存打擊了信心。2021 年的二手車市場實際上是在逼我買新車，而我最終也確實這麼做了。我對違反基本個人財務原則的沮喪，很快就被對我全新 Toyota SUV 所帶來的舒適感和功能的無比熱情所取代。
我特別被自動駕駛功能所吸引，在這之前，我只在書面上讀到過。輔助轉向和前瞻雷達讓長途駕駛變得輕而易舉。我只需將眼睛注視路面，並將一隻手搭在方向盤上，我的車基本上就能自己行駛。再算上碰撞規避、盲點偵測，以及帶有警報系統的後視鏡頭，以確保我不會撞到任何在我後面穿過的人，客觀地說，這輛新車的安全性比過去近十年裡我駕駛的舊款車型要高出好幾個數量級。
當然，汽車目前還不能完全自我駕駛。雖然它們擁有精妙的自動和安全功能，但汽車仍然需要駕駛員的監督，並在必要時進行干預。我們距離從駕駛中完全移除人類要素還有很長的路要走，而正是這個要素，是造成汽車事故和傷亡的主要原因。人類在方向盤後面會犯錯。無論他們是認為酒後開車是個好主意、或者超速很有趣，還是認為在靠邊停下休息疲憊的身體之前需要再堅持多開幾英里，人類都造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據美國國家公路交通安全管理局 (NHTSA) 的數據，2019 年有 36,096 起機動車交通死亡事故。對於 2020 年，死亡人數估計超過 38,000 人 [1]。其中很大一部分是由於危險駕駛造成的，因而是可以預防的。NHTSA 確定了六種危險駕駛類型：超速、酒駕和毒駕、不使用（或不當使用）安全帶、分心駕駛和疲勞駕駛。由於所有交通死亡事故中有三分之二歸因於超速和不良駕駛（受藥物或酒精影響），因此許多干預活動都正確地旨在應對這些風險。然而，分心和疲勞駕駛也導致了不容忽視的死亡人數，在 2019 年有 3,142 起與分心相關的死亡和 697 起與疲勞相關的死亡 [2]。
在實驗室中使用神經科學測量專注度
駕駛座上的神經科學 - 在實驗室中使用神經科學測量專注度。
神經科學家在實驗室中使用多種方法來測量注意力。其中一種方法利用了我們大腦在神經元放電時會釋放微量電流的事實。利用腦電圖 (EEG)，我們可以測量這些電流的波動，以了解大腦何時以及在何處活躍。這些波動發生的速度或頻率被稱為振盪，或更常被稱為腦波。腦波的頻率可以提供對精神狀態或過程的見解。
例如，每秒振盪 14 到 30 次（或 14 - 30 Hz）的腦波被稱為 beta 波，與高水平的精神參與有關。8 - 13 Hz 範圍內的振盪被稱為 alpha 波，通常出現在放鬆或被動注意期間。例如，您經常會在一個人冥想時看到 alpha 波。Theta 波是介於 4 到 7 Hz 之間的振盪，出現在一個人深度放鬆或昏昏欲睡時。最慢的波是 delta 波（1 - 4 Hz），在一個人深睡時可以觀察到。
閱讀相關貼文 EEG 入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定一個人的大腦在執行任務時是多麼投入或不投入。例如，當一個人看到或聽到他們一直在關注的事物時，他們的 EEG 會顯示出一種非常特異的反應，稱為 P300，這是在物體出現後約 300 毫秒時發生的大振幅波 [3]。同樣地，alpha 振盪的減少可以表明某人正密切關注某事 [4]。疲勞也會通過 delta、theta 和 alpha 振盪的變化產生可檢測的 EEG 特徵 [5]。
我們如何在汽車中測量專注度？
在車輛中，我們可以使用行為學方法來測量專注度和疲勞度。例如，鏡頭可以追蹤駕駛員的眼睛，以確保他們正注視著路面。同樣地，鏡頭可以檢測駕駛員何時開始點頭，表明他們昏昏欲睡。然而，僅僅因為一個人看著路面或他們的腦袋沒有垂下，並不意味著他們正在集中注意力，或者他們沒有疲勞。EEG 可以輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
駕駛座上的神經科學 - EEG 能夠輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
在 2020 年，研究團隊對使用市售 EEG 耳機檢測即時疲勞的研究進行了系統性的審查 [6]。他們報告指出，此類研究中最常用的耳機是由 Emotiv 製造的，其次是 Neurosky、Interaxon 和 OpenBCI。對於疲勞檢測，他們發現即使是基本的 EEG 特徵（例如頻率振盪），也可用於檢測疲勞。然而，他們指出，在許多情況下，“演算法優化仍然是必要的”，這意味著機器學習演算法帶來了更準確的檢測。
利用商業 EEG 和機器學習演算法幫助我們保持更安全
十多年來，Emotiv 一直是商業 EEG 的領導者。在此期間，他們開發了各種形式的 EEG 系統，從 32 通道的傳統研究帽到 2 通道的入耳式耳機。像 MN8 耳機或 Insight 這樣具有緊湊外形設計的系統，代表了迈向日常、便攜式神經科技的第一步。透過將這些類型的硬體整合到汽車控制中，我們或許能夠在導致事故的精神狀態發生之前，就預防事故的發生。
駕駛座上的神經科學 - 利用商業 EEG 和機器學習演算法幫助我們保持更安全。
將 EEG 硬體集成到車輛中只是解決方案的一部分。為了利用獲取的大腦數據，我們需要將其處理成實用的指標。複雜的機器學習演算法透過將 EEG 數據解碼為可以標索特定精神狀態的特徵來實現這一點。迄今為止，Emotiv 已經開發了七種此類檢測：挫折、興趣、放鬆、參與、興奮、注意力和壓力。Emotiv 的工程師與神經科學家們密切合作，透過使用已知能誘發這些狀態的方案進行嚴格的精神實驗，開發了這些檢測。在汽車領域，Emotiv 目前正在駕駛模擬器中微調開發出的駕駛分心檢測。在此之前，與西澳大利亞皇家汽車俱樂部的合作取得了很有前景的成果，該合作催生了一輛“注意力驅動”的汽車，在注意力下降時車速會減慢 [7]。您可以在 YouTube 上找到一些關於該合作和成果的影片。
神經科學與駕駛的未來
駕駛座上的神經科學 - 神經科學與駕駛的未來。
從早期的干預措施（如安全帶和減速帶）到現代的措施（如自動緊急煞車和輔助轉向），我們的汽車已經變得更加安全。然而，每年因事故而死亡的人數表明，在將車輛視為“安全”之前，我們還有很長的路要走。隨著技術的進展，我們的汽車無疑將繼續變得更加安全，但只要人類仍然是主要的車輛操作者，就將繼續存在由人類引起的車禍。EEG 技術代表了一條特別有前途的途徑，可以透過檢測微妙的指標，並在引發事故的條件發生之前進行干預，從而緩解人類因素的影響。
參考文獻
撰寫者：Nikolas Williams 博士，Emotiv 研究科學家。
幾個月前，在國外生活了八年後，我搬回了美國。重新開始的部分工作，意味著要購買生活所需的一切物品。除了沙發、床和餐桌之外，我當然還需要一輛車。自認為是一個精打細算的人，我專門尋找較舊且具性價比的車型，但很快就被虛高的價格和稀少的庫存打擊了信心。2021 年的二手車市場實際上是在逼我買新車，而我最終也確實這麼做了。我對違反基本個人財務原則的沮喪，很快就被對我全新 Toyota SUV 所帶來的舒適感和功能的無比熱情所取代。
我特別被自動駕駛功能所吸引，在這之前，我只在書面上讀到過。輔助轉向和前瞻雷達讓長途駕駛變得輕而易舉。我只需將眼睛注視路面，並將一隻手搭在方向盤上，我的車基本上就能自己行駛。再算上碰撞規避、盲點偵測，以及帶有警報系統的後視鏡頭，以確保我不會撞到任何在我後面穿過的人，客觀地說，這輛新車的安全性比過去近十年裡我駕駛的舊款車型要高出好幾個數量級。
當然，汽車目前還不能完全自我駕駛。雖然它們擁有精妙的自動和安全功能，但汽車仍然需要駕駛員的監督，並在必要時進行干預。我們距離從駕駛中完全移除人類要素還有很長的路要走，而正是這個要素，是造成汽車事故和傷亡的主要原因。人類在方向盤後面會犯錯。無論他們是認為酒後開車是個好主意、或者超速很有趣，還是認為在靠邊停下休息疲憊的身體之前需要再堅持多開幾英里，人類都造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據美國國家公路交通安全管理局 (NHTSA) 的數據，2019 年有 36,096 起機動車交通死亡事故。對於 2020 年，死亡人數估計超過 38,000 人 [1]。其中很大一部分是由於危險駕駛造成的，因而是可以預防的。NHTSA 確定了六種危險駕駛類型：超速、酒駕和毒駕、不使用（或不當使用）安全帶、分心駕駛和疲勞駕駛。由於所有交通死亡事故中有三分之二歸因於超速和不良駕駛（受藥物或酒精影響），因此許多干預活動都正確地旨在應對這些風險。然而，分心和疲勞駕駛也導致了不容忽視的死亡人數，在 2019 年有 3,142 起與分心相關的死亡和 697 起與疲勞相關的死亡 [2]。
在實驗室中使用神經科學測量專注度
駕駛座上的神經科學 - 在實驗室中使用神經科學測量專注度。
神經科學家在實驗室中使用多種方法來測量注意力。其中一種方法利用了我們大腦在神經元放電時會釋放微量電流的事實。利用腦電圖 (EEG)，我們可以測量這些電流的波動，以了解大腦何時以及在何處活躍。這些波動發生的速度或頻率被稱為振盪，或更常被稱為腦波。腦波的頻率可以提供對精神狀態或過程的見解。
例如，每秒振盪 14 到 30 次（或 14 - 30 Hz）的腦波被稱為 beta 波，與高水平的精神參與有關。8 - 13 Hz 範圍內的振盪被稱為 alpha 波，通常出現在放鬆或被動注意期間。例如，您經常會在一個人冥想時看到 alpha 波。Theta 波是介於 4 到 7 Hz 之間的振盪，出現在一個人深度放鬆或昏昏欲睡時。最慢的波是 delta 波（1 - 4 Hz），在一個人深睡時可以觀察到。
閱讀相關貼文 EEG 入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定一個人的大腦在執行任務時是多麼投入或不投入。例如，當一個人看到或聽到他們一直在關注的事物時，他們的 EEG 會顯示出一種非常特異的反應，稱為 P300，這是在物體出現後約 300 毫秒時發生的大振幅波 [3]。同樣地，alpha 振盪的減少可以表明某人正密切關注某事 [4]。疲勞也會通過 delta、theta 和 alpha 振盪的變化產生可檢測的 EEG 特徵 [5]。
我們如何在汽車中測量專注度？
在車輛中，我們可以使用行為學方法來測量專注度和疲勞度。例如，鏡頭可以追蹤駕駛員的眼睛，以確保他們正注視著路面。同樣地，鏡頭可以檢測駕駛員何時開始點頭，表明他們昏昏欲睡。然而，僅僅因為一個人看著路面或他們的腦袋沒有垂下，並不意味著他們正在集中注意力，或者他們沒有疲勞。EEG 可以輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
駕駛座上的神經科學 - EEG 能夠輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
在 2020 年，研究團隊對使用市售 EEG 耳機檢測即時疲勞的研究進行了系統性的審查 [6]。他們報告指出，此類研究中最常用的耳機是由 Emotiv 製造的，其次是 Neurosky、Interaxon 和 OpenBCI。對於疲勞檢測，他們發現即使是基本的 EEG 特徵（例如頻率振盪），也可用於檢測疲勞。然而，他們指出，在許多情況下，“演算法優化仍然是必要的”，這意味著機器學習演算法帶來了更準確的檢測。
利用商業 EEG 和機器學習演算法幫助我們保持更安全
十多年來，Emotiv 一直是商業 EEG 的領導者。在此期間，他們開發了各種形式的 EEG 系統，從 32 通道的傳統研究帽到 2 通道的入耳式耳機。像 MN8 耳機或 Insight 這樣具有緊湊外形設計的系統，代表了迈向日常、便攜式神經科技的第一步。透過將這些類型的硬體整合到汽車控制中，我們或許能夠在導致事故的精神狀態發生之前，就預防事故的發生。
駕駛座上的神經科學 - 利用商業 EEG 和機器學習演算法幫助我們保持更安全。
將 EEG 硬體集成到車輛中只是解決方案的一部分。為了利用獲取的大腦數據，我們需要將其處理成實用的指標。複雜的機器學習演算法透過將 EEG 數據解碼為可以標索特定精神狀態的特徵來實現這一點。迄今為止，Emotiv 已經開發了七種此類檢測：挫折、興趣、放鬆、參與、興奮、注意力和壓力。Emotiv 的工程師與神經科學家們密切合作，透過使用已知能誘發這些狀態的方案進行嚴格的精神實驗，開發了這些檢測。在汽車領域，Emotiv 目前正在駕駛模擬器中微調開發出的駕駛分心檢測。在此之前，與西澳大利亞皇家汽車俱樂部的合作取得了很有前景的成果，該合作催生了一輛“注意力驅動”的汽車，在注意力下降時車速會減慢 [7]。您可以在 YouTube 上找到一些關於該合作和成果的影片。
神經科學與駕駛的未來
駕駛座上的神經科學 - 神經科學與駕駛的未來。
從早期的干預措施（如安全帶和減速帶）到現代的措施（如自動緊急煞車和輔助轉向），我們的汽車已經變得更加安全。然而，每年因事故而死亡的人數表明，在將車輛視為“安全”之前，我們還有很長的路要走。隨著技術的進展，我們的汽車無疑將繼續變得更加安全，但只要人類仍然是主要的車輛操作者，就將繼續存在由人類引起的車禍。EEG 技術代表了一條特別有前途的途徑，可以透過檢測微妙的指標，並在引發事故的條件發生之前進行干預，從而緩解人類因素的影響。
參考文獻
撰寫者：Nikolas Williams 博士，Emotiv 研究科學家。
幾個月前，在國外生活了八年後，我搬回了美國。重新開始的部分工作，意味著要購買生活所需的一切物品。除了沙發、床和餐桌之外，我當然還需要一輛車。自認為是一個精打細算的人，我專門尋找較舊且具性價比的車型，但很快就被虛高的價格和稀少的庫存打擊了信心。2021 年的二手車市場實際上是在逼我買新車，而我最終也確實這麼做了。我對違反基本個人財務原則的沮喪，很快就被對我全新 Toyota SUV 所帶來的舒適感和功能的無比熱情所取代。
我特別被自動駕駛功能所吸引，在這之前，我只在書面上讀到過。輔助轉向和前瞻雷達讓長途駕駛變得輕而易舉。我只需將眼睛注視路面，並將一隻手搭在方向盤上，我的車基本上就能自己行駛。再算上碰撞規避、盲點偵測，以及帶有警報系統的後視鏡頭，以確保我不會撞到任何在我後面穿過的人，客觀地說，這輛新車的安全性比過去近十年裡我駕駛的舊款車型要高出好幾個數量級。
當然，汽車目前還不能完全自我駕駛。雖然它們擁有精妙的自動和安全功能，但汽車仍然需要駕駛員的監督，並在必要時進行干預。我們距離從駕駛中完全移除人類要素還有很長的路要走，而正是這個要素，是造成汽車事故和傷亡的主要原因。人類在方向盤後面會犯錯。無論他們是認為酒後開車是個好主意、或者超速很有趣，還是認為在靠邊停下休息疲憊的身體之前需要再堅持多開幾英里，人類都造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據美國國家公路交通安全管理局 (NHTSA) 的數據，2019 年有 36,096 起機動車交通死亡事故。對於 2020 年，死亡人數估計超過 38,000 人 [1]。其中很大一部分是由於危險駕駛造成的，因而是可以預防的。NHTSA 確定了六種危險駕駛類型：超速、酒駕和毒駕、不使用（或不當使用）安全帶、分心駕駛和疲勞駕駛。由於所有交通死亡事故中有三分之二歸因於超速和不良駕駛（受藥物或酒精影響），因此許多干預活動都正確地旨在應對這些風險。然而，分心和疲勞駕駛也導致了不容忽視的死亡人數，在 2019 年有 3,142 起與分心相關的死亡和 697 起與疲勞相關的死亡 [2]。
在實驗室中使用神經科學測量專注度
駕駛座上的神經科學 - 在實驗室中使用神經科學測量專注度。
神經科學家在實驗室中使用多種方法來測量注意力。其中一種方法利用了我們大腦在神經元放電時會釋放微量電流的事實。利用腦電圖 (EEG)，我們可以測量這些電流的波動，以了解大腦何時以及在何處活躍。這些波動發生的速度或頻率被稱為振盪，或更常被稱為腦波。腦波的頻率可以提供對精神狀態或過程的見解。
例如，每秒振盪 14 到 30 次（或 14 - 30 Hz）的腦波被稱為 beta 波，與高水平的精神參與有關。8 - 13 Hz 範圍內的振盪被稱為 alpha 波，通常出現在放鬆或被動注意期間。例如，您經常會在一個人冥想時看到 alpha 波。Theta 波是介於 4 到 7 Hz 之間的振盪，出現在一個人深度放鬆或昏昏欲睡時。最慢的波是 delta 波（1 - 4 Hz），在一個人深睡時可以觀察到。
閱讀相關貼文 EEG 入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定一個人的大腦在執行任務時是多麼投入或不投入。例如，當一個人看到或聽到他們一直在關注的事物時，他們的 EEG 會顯示出一種非常特異的反應，稱為 P300，這是在物體出現後約 300 毫秒時發生的大振幅波 [3]。同樣地，alpha 振盪的減少可以表明某人正密切關注某事 [4]。疲勞也會通過 delta、theta 和 alpha 振盪的變化產生可檢測的 EEG 特徵 [5]。
我們如何在汽車中測量專注度？
在車輛中，我們可以使用行為學方法來測量專注度和疲勞度。例如，鏡頭可以追蹤駕駛員的眼睛，以確保他們正注視著路面。同樣地，鏡頭可以檢測駕駛員何時開始點頭，表明他們昏昏欲睡。然而，僅僅因為一個人看著路面或他們的腦袋沒有垂下，並不意味著他們正在集中注意力，或者他們沒有疲勞。EEG 可以輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
駕駛座上的神經科學 - EEG 能夠輔助檢測這些危險狀態。它們甚至可能在這些狀態被行為所檢測到之前就對其進行預測。
在 2020 年，研究團隊對使用市售 EEG 耳機檢測即時疲勞的研究進行了系統性的審查 [6]。他們報告指出，此類研究中最常用的耳機是由 Emotiv 製造的，其次是 Neurosky、Interaxon 和 OpenBCI。對於疲勞檢測，他們發現即使是基本的 EEG 特徵（例如頻率振盪），也可用於檢測疲勞。然而，他們指出，在許多情況下，“演算法優化仍然是必要的”，這意味著機器學習演算法帶來了更準確的檢測。
利用商業 EEG 和機器學習演算法幫助我們保持更安全
十多年來，Emotiv 一直是商業 EEG 的領導者。在此期間，他們開發了各種形式的 EEG 系統，從 32 通道的傳統研究帽到 2 通道的入耳式耳機。像 MN8 耳機或 Insight 這樣具有緊湊外形設計的系統，代表了迈向日常、便攜式神經科技的第一步。透過將這些類型的硬體整合到汽車控制中，我們或許能夠在導致事故的精神狀態發生之前，就預防事故的發生。
駕駛座上的神經科學 - 利用商業 EEG 和機器學習演算法幫助我們保持更安全。
將 EEG 硬體集成到車輛中只是解決方案的一部分。為了利用獲取的大腦數據，我們需要將其處理成實用的指標。複雜的機器學習演算法透過將 EEG 數據解碼為可以標索特定精神狀態的特徵來實現這一點。迄今為止，Emotiv 已經開發了七種此類檢測：挫折、興趣、放鬆、參與、興奮、注意力和壓力。Emotiv 的工程師與神經科學家們密切合作，透過使用已知能誘發這些狀態的方案進行嚴格的精神實驗，開發了這些檢測。在汽車領域，Emotiv 目前正在駕駛模擬器中微調開發出的駕駛分心檢測。在此之前，與西澳大利亞皇家汽車俱樂部的合作取得了很有前景的成果，該合作催生了一輛“注意力驅動”的汽車，在注意力下降時車速會減慢 [7]。您可以在 YouTube 上找到一些關於該合作和成果的影片。
神經科學與駕駛的未來
駕駛座上的神經科學 - 神經科學與駕駛的未來。
從早期的干預措施（如安全帶和減速帶）到現代的措施（如自動緊急煞車和輔助轉向），我們的汽車已經變得更加安全。然而，每年因事故而死亡的人數表明，在將車輛視為“安全”之前，我們還有很長的路要走。隨著技術的進展，我們的汽車無疑將繼續變得更加安全，但只要人類仍然是主要的車輛操作者，就將繼續存在由人類引起的車禍。EEG 技術代表了一條特別有前途的途徑，可以透過檢測微妙的指標，並在引發事故的條件發生之前進行干預，從而緩解人類因素的影響。
參考文獻
繼續閱讀