Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving
REVELIO प्रोटोकॉल एक बंद परीक्षण ट्रैक पर एक यादृच्छिक, नियंत्रित पायलट अध्ययन की रूपरेखा प्रस्तुत करता है, जिसे नियंत्रित THC प्रशासन के बाद वाहन, चालक और जैविक डेटा को सह-संबंधित करके स्वस्थ मनोरंजक उपयोगकर्ताओं में भांग-प्रभावित ड्राइविंग का पता लगाने के लिए एक मल्टीमॉडल इन-व्हीकल सिस्टम की व्यवहार्यता का मूल्यांकन करने के लिए डिज़ाइन किया गया है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक कार के "दिमाग" को यह सिखाने की कोशिश कर रहे हैं कि ड्राइवर का "बुरा दिन" चल रहा है या नहीं—इसलिए नहीं कि वह थका हुआ या विचलित है, बल्कि विशेष रूप से इसलिए क्योंकि उसने हाल ही में भांग (cannabis) का सेवन किया है।
REVELIO अध्ययन एक सावधानीपूर्वक नियोजित प्रयोग है जिसे उस "पाठ्यपुस्तक" को बनाने के लिए डिज़ाइन किया गया है जिसकी आवश्यकता कार के दिमाग को यह कौशल सीखने के लिए होगी। यह अध्ययन कैसे काम करता है, इसका विवरण सरल अवधारणाओं में यहाँ दिया गया है:
बड़ी समस्या: भांग के ड्राइविंग का "ब्लैक बॉक्स"
हम जानते हैं कि शराब ड्राइविंग को खतरनाक बनाती है, और हमारे पास उसे पकड़ने के लिए सरल ब्रीथलाइज़र (breathalyzers) हैं। लेकिन भांग इससे अधिक जटिल है। यह लोगों को अलग-अलग तरह से प्रभावित करती है, और शराब के विपरीत, इसमें कोई ऐसा सरल "एक-आकार-सभी-के-लिए-फिट" परीक्षण नहीं है जो केवल रक्त या सांस के माध्यम से यह बता सके कि कोई व्यक्ति वर्तमान में ड्राइविंग के लिए बहुत अधिक अक्षम है या नहीं।
वर्तमान में, पुलिस केवल दुर्घटना के बाद या स्टॉप के दौरान भांग की उपस्थिति की जांच कर सकती है, न कि इस बात की कि व्यक्ति वास्तव में उस क्षण में कितनी अच्छी तरह से गाड़ी चला रहा है। REVELIO टीम इस बदलाव को लाने का लक्ष्य रखती है, जिसमें वे वास्तविक समय में कार और ड्राइवर पर नज़र रखकर यह पहचान सकें कि अक्षमता (impairment) कब हो रही है।
प्रयोग: AI के लिए एक "ड्राइविंग स्कूल"
इस अध्ययन को एक उच्च-तकनीकी ड्राइविंग स्कूल के रूप में सोचें, लेकिन यहाँ इंसानों को ड्राइविंग सिखाने के बजाय, वे एक कंप्यूटर को एक "नशे में धुत" ड्राइवर को पहचानने के बारे में सिखा रहे हैं।
1. छात्र (प्रतिभागी)
वे 45 स्वस्थ वयस्कों को भर्ती कर रहे हैं जो पहले से ही मनोरंजन के लिए भांग का उपयोग करते हैं (जैसे कोई व्यक्ति जो कभी-कभार वाइन का आनंद लेता है)। उन्हें दो समूहों में विभाजित किया गया है:
- "टेस्ट" समूह (33 लोग): इन प्रतिभागियों द्वारा ड्राइविंग शुरू करने से ठीक पहले भांग की एक विशिष्ट, मापी गई मात्रा (जैसे कि दवा की एक सटीक खुराक) ली जाएगी।
- "कंट्रोल" समूह (12 लोग): ये प्रतिभागी बिल्कुल उसी दिन से गुजरेंगे लेकिन वे कुछ भी धूम्रपान नहीं करेंगे। वे तुलना के लिए "बेसलाइन" या "साफ" उदाहरण के रूप में कार्य करेंगे।
2. क्लासरूम (टेस्ट ट्रैक)
सबकी सुरक्षा सुनिश्चित करने के लिए, कोई भी वास्तविक सार्वजनिक सड़कों पर गाड़ी नहीं चला रहा है। वे एक बंद, निजी टेस्ट ट्रैक पर हैं।
- कार: वे एक मानक 7-सीटर वैन चला रहे हैं, लेकिन इसमें एक "को-पायलट" सीट है जिसमें एक प्रमाणित ड्राइविंग इंस्ट्रक्टर ड्राइवर के बगल में बैठा है। यदि ड्राइवर अचानक रास्ता भटकता है या घबराता है, तो इंस्ट्रक्टर तुरंत ब्रेक लगा सकता है।
- शेड्यूल: हर कोई एक "नॉर्मल" (sober) ड्राइव से शुरू करता है ताकि यह देखा जा सके कि वे सामान्य रूप से कैसे गाड़ी चलाते हैं। फिर, "टेस्ट" समूह भांग का सेवन करता है। इसके बाद, अगले छह घंटों में सभी तीन बार गाड़ी चलाते हैं। इससे शोधकर्ताओं को यह देखने में मदद मिलती है कि भांग के असर कम होने के साथ-साथ ड्राइविंग में घंटे-दर-घंटे कैसे बदलाव आता है।
3. सेंसर ("आंखें" और "कान")
यही सबसे उच्च-तकनीकी हिस्सा है। कार और ड्राइवरों को सेंसर से ढका गया है, जो एक विशाल डेटा संग्रह जाल की तरह काम करते हैं:
- कार का तंत्रिका तंत्र (CAN डेटा): कंप्यूटर रिकॉर्ड करता है कि ड्राइवर स्टीयरिंग व्हील को कैसे छूता है, वह गैस या ब्रेक को कितनी जोर से दबाता है, और वह अपनी लेन में कैसे रहता है।
- ड्राइवर का चेहरा (कैमरे): कैमरे ड्राइवर की आंखों और सिर की गतिविधियों को देखते हैं ताकि यह देखा जा सके कि क्या वे इधर-उधर देख रहे हैं या सुस्त (zoning out) हो रहे हैं।
- शरीर (वियरेबल्स): ड्राइवर स्मार्टवॉच पहनते हैं जो हृदय गति और श्वसन दर को ट्रैक करते हैं।
- केमिस्ट्री लैब: पूरे दिन के दौरान, शोधकर्ता रक्त, लार और सांस के छोटे नमूने लेते हैं ताकि हर क्षण उनके शरीर में THC (भांग का सक्रिय हिस्सा) की सटीक मात्रा को मापा जा सके।
लक्ष्य: कंप्यूटर को सिखाना
शोधकर्ता केवल डेटा एकत्र नहीं कर रहे हैं; वे इसे मशीन लर्निंग (एक प्रकार का कंप्यूटर प्रोग्राम जो उदाहरणों से सीखता है) में फीड कर रहे हैं।
कल्प lना कीजिए कि आप एक बच्चे को "लाल" सेब की पहचान करना सिखा रहे हैं। आप उसे कई लाल सेब और कई हरे सेब दिखाते हैं। अंततः, बच्चा पैटर्न को समझ जाता है।
- लाल सेब: भांग का सेवन करने वाले ड्राइवरों का डेटा।
- हरे सेब: बिना भांग के (sober) ड्राइवरों का डेटा।
कंप्यूटर का काम यह देखना है कि स्टीयरिंग व्हील की हरकतें, आंखों की ट्रैकिंग और हृदय गति क्या कहती है, और फिर कहना, "आह, यह पैटर्न 'लाल सेब' (अक्षम) समूह जैसा दिखता है," या "यह 'हरे सेब' (सामान्य) समूह जैसा दिखता है।"
यह क्यों महत्वपूर्ण है (पेपर के अनुसार)
पेपर बताता है कि मुख्य लक्ष्य यह देखना है कि क्या यह "कंप्यूटर शिक्षक" वास्तव में केवल कार और ड्राइवर के शरीर से प्राप्त डेटा का उपयोग करके एक होश में रहने वाले ड्राइवर और एक अक्षम ड्राइवर के बीच अंतर को सीख सकता है।
- यह एक पायलट है: यह एक "टेस्ट रन" है। शोधकर्ता जानते हैं कि यह केवल पहला कदम है। वे यह जांच रहे हैं कि क्या यह तरीका काम करता है और क्या डेटा भविष्य में एक वास्तविक प्रणाली बनाने के लिए पर्याप्त अच्छा है।
- सुरक्षा सर्वोपरि: चूंकि वे एक बंद ट्रैक पर एक सुरक्षा इंस्ट्रक्टर के साथ हैं, इसलिए वे वास्तविक यातायात दुर्घटनाओं का जोखिम उठाए बिना इसका परीक्षण कर सकते हैं।
- भविष्य का दृष्टिकोण: जैसा कि पेपर में उल्लेख किया गया है, अंतिम उम्मीद भविष्य में एक "फिट-टू-ड्राइव" (Fit-to-Drive) प्रणाली बनाने की है। यह केवल भांग को नहीं देखेगा; यह किसी भी प्रकार की अक्षमता (चाहे वह शराब हो, कम ब्लड शुगर हो, या भांग हो) को देखेगा और कार को चेतावनी देगा यदि ड्राइवर वाहन चलाने के लिए सुरक्षित नहीं है।
पेपर क्या नहीं कहता है
यह महत्वपूर्ण है कि आप केवल वही जानकारी दें जो पेपर वास्तव में दावा करता है:
- इस अध्ययन के पास अभी तक कार कंपनियों को बेचने के लिए कोई तैयार उत्पाद नहीं है।
- यह नहीं कहता कि भांग के प्रभाव में ड्राइविंग का पता लगाना वर्तमान में वास्तविक ट्रैफिक में संभव है।
- इसमें प्रतिभागियों के लिए कोई कानूनी परिणाम शामिल नहीं हैं; यह पूरी तरह से एक अनुसंधान प्रयोग है।
- प्रतिभागियों का परीक्षण पुलिस प्रवर्तन के लिए नहीं किया जा रहा है; वे केवल उस डेटा को बनाने में मदद कर रहे हैं जिससे समस्या को बेहतर ढंग से समझा जा सके।
संक्षेप में, REVELIO अध्ययन एक खतरनाक पहाड़ी रास्ते का विस्तृत मानचित्र बनाने जैसा है। वे अभी कारों को उस रास्ते पर नहीं चला रहे हैं; वे केवल डेटा एकत्र कर रहे हैं ताकि यह देखा जा सके कि क्या एक सेल्फ-ड्राइविंग कार का कंप्यूटर अंततः उस रास्ते को सुरक्षित रूप से नेविगेट करना सीख सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।