挑戰您的記憶力！在Emotiv App中玩新的N-Back遊戲
由 EMOTIV 的研究科學家 Nikolas Williams 博士撰寫。
幾個月前，我在海外生活了八年後搬回了美國。重新開始意味著要購買生活所需的所有東西。除了沙發、床和餐桌外，我當然還需要一輛車。考慮到自己是一個精明的理財人，只尋找年頃的經濟款型，但很快被高昂的價格和稀疏的庫存使我氣餒。2021年的二手車市場實際上迫使我購買新車，最終我確實如此。我對違背基本的個人理財原則的沮喪很快被我對新款 Toyota SUV 的舒適性和功能的不羈熱情所取代。
尤其吸引我的是自主駕駛功能，到目前為止，我只在書中讀到過。輔助轉向和前視雷達使長途駕駛輕鬆愉快。我只需要保持目光專注於道路並將手放在方向盤上，我的車基本上就會自己駕駛。加上防撞、盲點監控、配備警報系統的後視攝像頭以確保我不會倒退時碰到身後穿過的人，這輛新車客觀上比我在過去十年間駕駛的老款車安全級數高。
車輛當然還不會自己駕駛。雖然擁有巧妙的自主和安全功能，但車輛仍需要駕駛員監管，並在必要時進行介入。我們離去除人類駕駛成分還有很長的路要走，而這一成分在很大程度上是造成汽車事故和死亡的主因。人在方向盤後面會犯錯。無論他們覺得喝酒後開車是個好主意，還是覺得超速很有趣，又或者他們需要在疲憊不堪之際繼續行駛幾英里然後停下來休息，人們造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據國家公路交通安全管理局（NHTSA）的數據，2019年有36,096例機動車交通事故死亡事件。至2020年，死亡人數預估超過38,000 [1]。這些事故中很大比例是由風險駕駛導致的，因此可以避免。NHTSA已確認六種風險駕駛類型：超速駕駛、醉酒和藥物影響下駕駛、不使用（或不正確使用）安全帶、分心駕駛及疲勞駕駛。由於三分之二的交通死亡事件可歸因於超速與受損駕駛，許多干預運動都正確地旨在解決這些風險。然而，分心與疲勞駕駛非零星出現導致了不小的死亡數，在2019年有3,142例分心駕駛死亡事件和697例疲勞駕駛死亡事件 [2]。
利用神經科學在實驗室中測量注意力
駕駛座上的神經科學 - 利用神經科學在實驗室中測量注意力。
神經科學家在實驗室中使用各種方法來測量注意力。其中一種方法利用了我們的大腦在神經元發射電流時釋放微量電力的事實。利用腦電圖 (EEG)，我們可以測量電力的波動，以理解大腦活躍的時間和地點。這些波動發生的速度或頻率稱為振盪，或常稱的腦波。腦波的頻率可以提供對心理狀態或過程的 Insight。
例如，每秒振盪14到30次（或14 - 30 Hz）的腦波稱為β波，與高水平的心理參與度相關。8 - 13 Hz範圍內的振盪稱為α波，通常在放鬆或被動注意期間出現。您會常看到α波當某人在冥想時。θ波是4到7 Hz之間的振盪，當人非常放鬆或疲倦時會看到這些波。最慢的波是δ波（1 - 4 Hz），當人深度睡眠時會觀察到。
看相關文章 EEG的入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定人在任務期間思維的參與或不參與程度。例如，當個人看到或聽到他們一直在注意的東西時，他們的EEG顯示出一種非常特定的反應，稱為P300，即出現物件300毫秒後出現的大幅波[3]。同樣，α振盪的減少可以表明某人正在密切注意某事[4]。疲倦也會通過δ、θ和α振盪變化產生可檢測的EEG痕跡[5]。
我們如何在車輛中測量注意力？
在車輛中，我們可以使用行為方法測量注意力和疲倦。例如，攝像機可以跟蹤駕駛員的眼睛，以確保他們在看路。同樣，攝像機可以檢測到駕駛員開始點頭的情況，表示他們昏昏欲睡。然而，僅因某人看到路面或他們的頭部未有下垂並不意味著他們在注意力集中或不疲倦。EEG可以增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
駕駛座上的神經科學 - EEG能增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
在2020年，研究人員進行了一項系統回顧，研究了使用市售腦電圖耳機以檢測實時疲倦的研究[6]。他們報告在這些種類的研究中使用最多的耳機是由 EMOTIV 生產的，其次是Neurosky、Interaxon和OpenBCI。對於疲倦的檢測，他們發現即使基本的EEG特徵，如頻率振盪，也可以用於偵測疲倦。然而，他們注意到在許多情況下“算法優化仍然必要”，這意味著機器學習算法導致了更精確的檢測。
利用商業EEG和機器學習算法幫助提高安全性
EMOTIV在商業EEG領域已領先十多年。在此期間，他們發展了多種形式的EEG系統，從32通道傳統研究帽到2通道耳機。具有緊湊形狀的系統，像MN8耳機或Insight，代表了邁向日常可穿戴神經技術的第一步。通過將這些類型的硬件集成到汽車控制中，我們可能可以預防事故在發生之前客觀現象出現。
駕駛座上的神經科學 - 利用商業EEG和機器學習算法幫助提高安全性。
將EEG硬件整合到車輛中只是解決方案的一部分。為了利用獲取的腦數據，我們需要將它處理成能用的指標。復雜的機器學習算法通過解碼EEG數據成為能索引特定心理狀態的特徵來實現此目的。迄今為止，EMOTIV 已開發了七種此類檢測：挫折、興趣、放鬆、投入、激動、注意力和壓力。EMOTIV工程師與神經科學家緊密合作，通過使用預期引發這些狀態的嚴謹的實驗性研究手段來開發這些檢測。在汽車領域，Emotiv目前正在進行在模擬駕駛器中開發的駕駛員分心檢測的微調。這是與西澳大利亞皇家汽車俱樂部合作帶來的好結果之後的追蹤，合作結果出現于一輛因注意力喪失而減速的注意力驅動汽車[7]。您可以在YouTube上找到一些合作和結果的影片。
神經科學與駕駛未來
駕駛座上的神經科學 - 神經科學與駕駛未來。
從安全帶和起伏路面等早期干預措施到自動緊急剎車和輔助轉向等現代措施，我們的車輛變得更加安全。然而，每年因事故死亡的人數表明，在車輛可以被視為“安全”的狀況之前，我們還有很長的路要走。伴隨著技術的進步，我們的車輛無疑會繼續變得更安全，但只要人類是主要的車輛操作員，人為導致的碰撞事故就會繼續存在。EEG技術代表了一個特別有前途的減少人為因素的途徑，通過偵測細微指示並在事故導致的條件發生之前介入。
引用
[2] 統計與分析國家中心，“2019年機動車車禍綜述”。國家公路交通安全管理局，2020年。
[3] S. J. Luck 和 E. S. Kappenman, 事件相關成分的牛津手冊. Oxford university press, 2011.
由 EMOTIV 的研究科學家 Nikolas Williams 博士撰寫。
幾個月前，我在海外生活了八年後搬回了美國。重新開始意味著要購買生活所需的所有東西。除了沙發、床和餐桌外，我當然還需要一輛車。考慮到自己是一個精明的理財人，只尋找年頃的經濟款型，但很快被高昂的價格和稀疏的庫存使我氣餒。2021年的二手車市場實際上迫使我購買新車，最終我確實如此。我對違背基本的個人理財原則的沮喪很快被我對新款 Toyota SUV 的舒適性和功能的不羈熱情所取代。
尤其吸引我的是自主駕駛功能，到目前為止，我只在書中讀到過。輔助轉向和前視雷達使長途駕駛輕鬆愉快。我只需要保持目光專注於道路並將手放在方向盤上，我的車基本上就會自己駕駛。加上防撞、盲點監控、配備警報系統的後視攝像頭以確保我不會倒退時碰到身後穿過的人，這輛新車客觀上比我在過去十年間駕駛的老款車安全級數高。
車輛當然還不會自己駕駛。雖然擁有巧妙的自主和安全功能，但車輛仍需要駕駛員監管，並在必要時進行介入。我們離去除人類駕駛成分還有很長的路要走，而這一成分在很大程度上是造成汽車事故和死亡的主因。人在方向盤後面會犯錯。無論他們覺得喝酒後開車是個好主意，還是覺得超速很有趣，又或者他們需要在疲憊不堪之際繼續行駛幾英里然後停下來休息，人們造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據國家公路交通安全管理局（NHTSA）的數據，2019年有36,096例機動車交通事故死亡事件。至2020年，死亡人數預估超過38,000 [1]。這些事故中很大比例是由風險駕駛導致的，因此可以避免。NHTSA已確認六種風險駕駛類型：超速駕駛、醉酒和藥物影響下駕駛、不使用（或不正確使用）安全帶、分心駕駛及疲勞駕駛。由於三分之二的交通死亡事件可歸因於超速與受損駕駛，許多干預運動都正確地旨在解決這些風險。然而，分心與疲勞駕駛非零星出現導致了不小的死亡數，在2019年有3,142例分心駕駛死亡事件和697例疲勞駕駛死亡事件 [2]。
利用神經科學在實驗室中測量注意力
駕駛座上的神經科學 - 利用神經科學在實驗室中測量注意力。
神經科學家在實驗室中使用各種方法來測量注意力。其中一種方法利用了我們的大腦在神經元發射電流時釋放微量電力的事實。利用腦電圖 (EEG)，我們可以測量電力的波動，以理解大腦活躍的時間和地點。這些波動發生的速度或頻率稱為振盪，或常稱的腦波。腦波的頻率可以提供對心理狀態或過程的 Insight。
例如，每秒振盪14到30次（或14 - 30 Hz）的腦波稱為β波，與高水平的心理參與度相關。8 - 13 Hz範圍內的振盪稱為α波，通常在放鬆或被動注意期間出現。您會常看到α波當某人在冥想時。θ波是4到7 Hz之間的振盪，當人非常放鬆或疲倦時會看到這些波。最慢的波是δ波（1 - 4 Hz），當人深度睡眠時會觀察到。
看相關文章 EEG的入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定人在任務期間思維的參與或不參與程度。例如，當個人看到或聽到他們一直在注意的東西時，他們的EEG顯示出一種非常特定的反應，稱為P300，即出現物件300毫秒後出現的大幅波[3]。同樣，α振盪的減少可以表明某人正在密切注意某事[4]。疲倦也會通過δ、θ和α振盪變化產生可檢測的EEG痕跡[5]。
我們如何在車輛中測量注意力？
在車輛中，我們可以使用行為方法測量注意力和疲倦。例如，攝像機可以跟蹤駕駛員的眼睛，以確保他們在看路。同樣，攝像機可以檢測到駕駛員開始點頭的情況，表示他們昏昏欲睡。然而，僅因某人看到路面或他們的頭部未有下垂並不意味著他們在注意力集中或不疲倦。EEG可以增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
駕駛座上的神經科學 - EEG能增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
在2020年，研究人員進行了一項系統回顧，研究了使用市售腦電圖耳機以檢測實時疲倦的研究[6]。他們報告在這些種類的研究中使用最多的耳機是由 EMOTIV 生產的，其次是Neurosky、Interaxon和OpenBCI。對於疲倦的檢測，他們發現即使基本的EEG特徵，如頻率振盪，也可以用於偵測疲倦。然而，他們注意到在許多情況下“算法優化仍然必要”，這意味著機器學習算法導致了更精確的檢測。
利用商業EEG和機器學習算法幫助提高安全性
EMOTIV在商業EEG領域已領先十多年。在此期間，他們發展了多種形式的EEG系統，從32通道傳統研究帽到2通道耳機。具有緊湊形狀的系統，像MN8耳機或Insight，代表了邁向日常可穿戴神經技術的第一步。通過將這些類型的硬件集成到汽車控制中，我們可能可以預防事故在發生之前客觀現象出現。
駕駛座上的神經科學 - 利用商業EEG和機器學習算法幫助提高安全性。
將EEG硬件整合到車輛中只是解決方案的一部分。為了利用獲取的腦數據，我們需要將它處理成能用的指標。復雜的機器學習算法通過解碼EEG數據成為能索引特定心理狀態的特徵來實現此目的。迄今為止，EMOTIV 已開發了七種此類檢測：挫折、興趣、放鬆、投入、激動、注意力和壓力。EMOTIV工程師與神經科學家緊密合作，通過使用預期引發這些狀態的嚴謹的實驗性研究手段來開發這些檢測。在汽車領域，Emotiv目前正在進行在模擬駕駛器中開發的駕駛員分心檢測的微調。這是與西澳大利亞皇家汽車俱樂部合作帶來的好結果之後的追蹤，合作結果出現于一輛因注意力喪失而減速的注意力驅動汽車[7]。您可以在YouTube上找到一些合作和結果的影片。
神經科學與駕駛未來
駕駛座上的神經科學 - 神經科學與駕駛未來。
從安全帶和起伏路面等早期干預措施到自動緊急剎車和輔助轉向等現代措施，我們的車輛變得更加安全。然而，每年因事故死亡的人數表明，在車輛可以被視為“安全”的狀況之前，我們還有很長的路要走。伴隨著技術的進步，我們的車輛無疑會繼續變得更安全，但只要人類是主要的車輛操作員，人為導致的碰撞事故就會繼續存在。EEG技術代表了一個特別有前途的減少人為因素的途徑，通過偵測細微指示並在事故導致的條件發生之前介入。
引用
[2] 統計與分析國家中心，“2019年機動車車禍綜述”。國家公路交通安全管理局，2020年。
[3] S. J. Luck 和 E. S. Kappenman, 事件相關成分的牛津手冊. Oxford university press, 2011.
由 EMOTIV 的研究科學家 Nikolas Williams 博士撰寫。
幾個月前，我在海外生活了八年後搬回了美國。重新開始意味著要購買生活所需的所有東西。除了沙發、床和餐桌外，我當然還需要一輛車。考慮到自己是一個精明的理財人，只尋找年頃的經濟款型，但很快被高昂的價格和稀疏的庫存使我氣餒。2021年的二手車市場實際上迫使我購買新車，最終我確實如此。我對違背基本的個人理財原則的沮喪很快被我對新款 Toyota SUV 的舒適性和功能的不羈熱情所取代。
尤其吸引我的是自主駕駛功能，到目前為止，我只在書中讀到過。輔助轉向和前視雷達使長途駕駛輕鬆愉快。我只需要保持目光專注於道路並將手放在方向盤上，我的車基本上就會自己駕駛。加上防撞、盲點監控、配備警報系統的後視攝像頭以確保我不會倒退時碰到身後穿過的人，這輛新車客觀上比我在過去十年間駕駛的老款車安全級數高。
車輛當然還不會自己駕駛。雖然擁有巧妙的自主和安全功能，但車輛仍需要駕駛員監管，並在必要時進行介入。我們離去除人類駕駛成分還有很長的路要走，而這一成分在很大程度上是造成汽車事故和死亡的主因。人在方向盤後面會犯錯。無論他們覺得喝酒後開車是個好主意，還是覺得超速很有趣，又或者他們需要在疲憊不堪之際繼續行駛幾英里然後停下來休息，人們造成了許多可避免的汽車事故。
[block id="cta-shortcode-browse-eeg-headsets-v2"]
根據國家公路交通安全管理局（NHTSA）的數據，2019年有36,096例機動車交通事故死亡事件。至2020年，死亡人數預估超過38,000 [1]。這些事故中很大比例是由風險駕駛導致的，因此可以避免。NHTSA已確認六種風險駕駛類型：超速駕駛、醉酒和藥物影響下駕駛、不使用（或不正確使用）安全帶、分心駕駛及疲勞駕駛。由於三分之二的交通死亡事件可歸因於超速與受損駕駛，許多干預運動都正確地旨在解決這些風險。然而，分心與疲勞駕駛非零星出現導致了不小的死亡數，在2019年有3,142例分心駕駛死亡事件和697例疲勞駕駛死亡事件 [2]。
利用神經科學在實驗室中測量注意力
駕駛座上的神經科學 - 利用神經科學在實驗室中測量注意力。
神經科學家在實驗室中使用各種方法來測量注意力。其中一種方法利用了我們的大腦在神經元發射電流時釋放微量電力的事實。利用腦電圖 (EEG)，我們可以測量電力的波動，以理解大腦活躍的時間和地點。這些波動發生的速度或頻率稱為振盪，或常稱的腦波。腦波的頻率可以提供對心理狀態或過程的 Insight。
例如，每秒振盪14到30次（或14 - 30 Hz）的腦波稱為β波，與高水平的心理參與度相關。8 - 13 Hz範圍內的振盪稱為α波，通常在放鬆或被動注意期間出現。您會常看到α波當某人在冥想時。θ波是4到7 Hz之間的振盪，當人非常放鬆或疲倦時會看到這些波。最慢的波是δ波（1 - 4 Hz），當人深度睡眠時會觀察到。
看相關文章 EEG的入門指南
在實驗室中，科學家可以測量腦波的時間、幅度和頻率，以確定人在任務期間思維的參與或不參與程度。例如，當個人看到或聽到他們一直在注意的東西時，他們的EEG顯示出一種非常特定的反應，稱為P300，即出現物件300毫秒後出現的大幅波[3]。同樣，α振盪的減少可以表明某人正在密切注意某事[4]。疲倦也會通過δ、θ和α振盪變化產生可檢測的EEG痕跡[5]。
我們如何在車輛中測量注意力？
在車輛中，我們可以使用行為方法測量注意力和疲倦。例如，攝像機可以跟蹤駕駛員的眼睛，以確保他們在看路。同樣，攝像機可以檢測到駕駛員開始點頭的情況，表示他們昏昏欲睡。然而，僅因某人看到路面或他們的頭部未有下垂並不意味著他們在注意力集中或不疲倦。EEG可以增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
駕駛座上的神經科學 - EEG能增強這些危險狀態的檢測，也可能能在行為上可檢測之前能預測這些狀態。
在2020年，研究人員進行了一項系統回顧，研究了使用市售腦電圖耳機以檢測實時疲倦的研究[6]。他們報告在這些種類的研究中使用最多的耳機是由 EMOTIV 生產的，其次是Neurosky、Interaxon和OpenBCI。對於疲倦的檢測，他們發現即使基本的EEG特徵，如頻率振盪，也可以用於偵測疲倦。然而，他們注意到在許多情況下“算法優化仍然必要”，這意味著機器學習算法導致了更精確的檢測。
利用商業EEG和機器學習算法幫助提高安全性
EMOTIV在商業EEG領域已領先十多年。在此期間，他們發展了多種形式的EEG系統，從32通道傳統研究帽到2通道耳機。具有緊湊形狀的系統，像MN8耳機或Insight，代表了邁向日常可穿戴神經技術的第一步。通過將這些類型的硬件集成到汽車控制中，我們可能可以預防事故在發生之前客觀現象出現。
駕駛座上的神經科學 - 利用商業EEG和機器學習算法幫助提高安全性。
將EEG硬件整合到車輛中只是解決方案的一部分。為了利用獲取的腦數據，我們需要將它處理成能用的指標。復雜的機器學習算法通過解碼EEG數據成為能索引特定心理狀態的特徵來實現此目的。迄今為止，EMOTIV 已開發了七種此類檢測：挫折、興趣、放鬆、投入、激動、注意力和壓力。EMOTIV工程師與神經科學家緊密合作，通過使用預期引發這些狀態的嚴謹的實驗性研究手段來開發這些檢測。在汽車領域，Emotiv目前正在進行在模擬駕駛器中開發的駕駛員分心檢測的微調。這是與西澳大利亞皇家汽車俱樂部合作帶來的好結果之後的追蹤，合作結果出現于一輛因注意力喪失而減速的注意力驅動汽車[7]。您可以在YouTube上找到一些合作和結果的影片。
神經科學與駕駛未來
駕駛座上的神經科學 - 神經科學與駕駛未來。
從安全帶和起伏路面等早期干預措施到自動緊急剎車和輔助轉向等現代措施，我們的車輛變得更加安全。然而，每年因事故死亡的人數表明，在車輛可以被視為“安全”的狀況之前，我們還有很長的路要走。伴隨著技術的進步，我們的車輛無疑會繼續變得更安全，但只要人類是主要的車輛操作員，人為導致的碰撞事故就會繼續存在。EEG技術代表了一個特別有前途的減少人為因素的途徑，通過偵測細微指示並在事故導致的條件發生之前介入。
引用
[2] 統計與分析國家中心，“2019年機動車車禍綜述”。國家公路交通安全管理局，2020年。
[3] S. J. Luck 和 E. S. Kappenman, 事件相關成分的牛津手冊. Oxford university press, 2011.