Application of Data Analytics in Neuroscience : ปรับสมองคนให้เก่งขึ้นด้วยข้อมูล ทำได้จริงไหม?


Share this article

ในความรู้สึกของคนทั่วไป การเดินบนคานที่สูงจากพื้น 1 ฟุตเป็นเรื่องที่ง่ายมากเมื่อกับการเดินบนคานที่สูงจากพื้น 60 ฟุต ทั้งๆ ที่การเดินทั้งสองกรณี ใช้ทักษะเดียวกัน กล้ามเนื้อชุดเดียวกัน แต่ในความรู้สึกของคนเดินมันแตกต่างกันมาก ในมุมของ Performance หรือความสามารถในการทำให้สำเร็จตามเป้าหมาย คนทั่วไปสามารถเดินบนคานสูง 1 ฟุตได้ด้วยความเร็วสูงโดยมีโอกาสตกลงจากคานน้อยมาก ในขณะที่ถ้าคานสูงจากพื้น 60 ฟุต กับไม่สามารถ perform ได้ดี ความเร็วลดลงและมีโอกาสตกลงมาจะเพิ่มสูงขึ้นมาก สรุปได้ว่า ยิ่งงานไหนที่มีความเสี่ยงสูง มีเดิมพันสูง ความสามารถของคนเราในการทำงานนั้นให้สำเร็จจะยิ่งลดต่ำลง

คนทั่วไปเรียกความรู้สึกนี้ว่า “ความหวาดเสียว” แต่สำหรับนักวิทยาศาสตร์สาขาวิทยาการทางสมอง (Neuroscience) เขาเรียกปรากฏการณ์นี้ว่า Arousal (ภาวะตื่นตัว) ซึ่งถ้าพูดง่ายๆ Arousal ก็คือ สภาวะทางสรีรวิทยาและจิตใจของการถูกปลุกให้ตื่นขึ้น หรือถูกกระตุ้น ซึ่งภาวะการตื่นตัว (arousal) ของคนเรานั้นส่งผลกระทบเป็นอย่างมากต่อความสามารถในการตัดสินใจ (decision making) หากระดับความตื่นตัว (arousal level) อยู่ในระดับที่เหมาะสม สมองและร่างกายของเราก็จะสามารถทำตามคำสั่งได้อย่างสุดความสามารถ (optimal performance) แต่ถ้าระดับความตื่นตัวมากเกินไปก็อาจจะทำให้ประสิทธิภาพเราต่ำลง หรืออาจจะถึงขั้นล้มเหลวได้ ทฤษฎีที่แสดงถึงความสัมพันธ์ระหว่างภาวะการตื่นตัวและประสิทธิภาพในการทำงานมีชื่อว่ากฎของเยอร์คส-ด็อดสัน (Yerkes-Dodson Law)

กฎของเยอร์คส-ด็อดสัน (Yerkes-Dodson Law)

คนส่วนใหญ่มักคิดเสมอว่า ถ้าเราสามารถลดความเครียดเวลาทำงานได้ ประสิทธิภาพการทำงานก็จะเพิ่มขึ้น จริงอยู่ความเครียดเป็นต้นเหตุของปัญหาสุขภาพมากมาย และเป็นอุปสรรคต่อความสุขและชีวิตที่ยืนยาว แต่จากการวิจัยเหล่านี้ชี้ให้เห็นว่า ในความเป็นจริง ความเครียดบางอย่างอาจส่งผลดีต่อประสิทธิภาพการทำงานตามกฎของเยอร์คส-ด็อดสัน (Yerkes-Dodson Law) ที่พัฒนาขึ้นโดยนักจิตวิทยา Robert M. Yerkes และ John Dillingham Dodson ในปี 1908 ทฤษฎีนี้แสดงให้เห็นว่าประสิทธิภาพการทำงานเพิ่มขึ้นด้วยการถูกกระตุ้นจนถึงจุดจุดหนึ่ง แต่เมื่อการถูกกระตุ้นเพิ่มขึ้นมากเกินไปประสิทธิภาพการทำงานจะลดลง ทฤษฎีจะสร้างกราฟ Inverted-U ขึ้นดังที่แสดงด้านล่าง

 

 

รูปร่างของเส้นโค้งจะแตกต่างกันไปตามความซับซ้อนและความคุ้นเคยของงานในแต่ละคน การวิจัยพบว่างานที่แตกต่างกันต้องการการกระตุ้นในระดับที่แตกต่างกันเพื่อประสิทธิภาพของงานที่ดีที่สุด ยกตัวอย่างเช่นงานที่ยากหรือไม่คุ้นเคยต้องใช้การกระตุ้นอารมณ์ในระดับที่ต่ำกว่าเพื่อทำให้คุณมีสมาธิ ในทางตรงกันข้ามคุณอาจทำงานที่ต้องใช้พลังงาน หรือความพากเพียรที่มากขึ้นโดยมีระดับความกระตุ้นอารมณ์ที่สูงขึ้นเพื่อกระตุ้นและเพิ่มแรงจูงใจในการทำงานนั้น

ในการทดลองเพื่อได้ข้อสรุปนี้เยอร์คสและด็อดสัน ได้ใช้ไฟฟ้าระดับความแรงต่ำช็อตไปที่หนู ซึ่งทำให้หนูวิ่งหาทางออกจากเขาวงกตได้ดีกว่าไม่ได้รับการกระตุ้นเลย แต่ถ้าไฟฟ้าที่ช็อตระดับแรงเกินไปหนูจะวิ่งหนีไปรอบ ๆ โดยสุ่มเพื่อหลบหนี ซึ่งแสดงให้เห็นว่าการเพิ่มความเครียดและระดับความเร้าอารมณ์สามารถช่วยเน้นแรงจูงใจและความสนใจในงานที่ทำอยู่ได้ แต่ถึงจุดๆ หนึ่งเท่านั้น

ทั้งนี้เมื่อเราทราบถึงความสัมพันธ์ระหว่าง Arousal และ Performance แล้ว เราจะนำความรู้นี้ไปใช้สร้างเทคโนโลยีที่เพิ่มศักยภาพของมนุษย์ได้หรือไม่? งานวิจัยหนึ่งที่น่าสนใจโดยกลุ่มผู้วิจัยจาก Columbia University (Faller et al., 2019) สำรวจแนวคิดนี้โดยการใช้เทคนิคที่เรียกว่า Brain-computer interfaces (BCI) คือการใช้ข้อมูลจากคลื่นสมอง หรือที่เรียกว่า Electroencephalogram (EEG) เพื่อสร้างสัญญาณNeurofeedback ที่บ่งบอกสถานะระดับความตื่นตัวของแต่ละบุคคล และส่งสัญญาณกลับไปที่สมองเพื่อให้เกิดการปรับตัวหากระดับความตื่นตัวไม่เหมาะสม

Neurofeedback คือเทคโนโลยีใหม่ที่นำมาเปลี่ยนแปลงรูปแบบการรักษาโรคทางระบบประสาทและสมอง ซึ่งมีกระบวนการที่ไม่ต้องมีการผ่าตัดสมอง (non-invasive) โดยเริ่มจากการตรวจตราคลื่นสมองด้วยคอมพิวเตอร์แบบเรียลไทม์ หลังจากนั้นจึงใช้ข้อมูลนั้นในการเปลี่ยนแปลงกิจกรรมของคลื่นสมอง ยกตัวอย่างเช่น การทดสอบตรวจคลื่นสมองของคนในขณะที่ชมภาพยนต์ โดยเมื่อเกิดความเบี่ยงเบนความสนใจออกไปจากภาพยนตร์ (distraction) ที่วัดได้จากคลื่นสมอง เครื่องคอมพิวเตอร์จะส่งสัญญาณเสียงหรือภาพเพื่อเตือนผู้ชมภาพยนตร์ ซึ่งเมื่อสมองจะได้รับสัญญาณเหล่านี้ ก็จะทำการปรับตัวเองให้อยู่ในรูปแบบปกติเพื่อหยุดรับสัญญาณเตือนนั้นๆ เมื่อกระบวนการนี้เกิดซ้ำๆ สมองจะเรียนรู้ที่จดจ่อชมภาพยนต์แบบไม่สนใจเรื่องอื่นโดยไม่ต้องพึ่งคอมพิวเตอร์ โดยเมื่อสมองทำงานเป็นปกติด้วยตัวเอง อาการต่างๆ ที่ผิดปกติของสมองจะลดลง (Collura et al., 2010)

ในงานวิจัย นักวิทยาศาสตร์ใช้การทดลอง boundary-avoidance task (BAT) โดยจะให้ผู้เข้าร่วมการทดลองทำการขับเครื่องบินแบบสมมติด้วยเทคโนโลยีเสมือนจริง (virtual reality) ผ่านวงแหวนต่างๆที่กำหนด โดยในระหว่างนั้นผู้เข้าร่วมการทดลองจะได้รับฟังเสียงอัตราการเต้นของหัวใจสังเคราะห์ที่จะทำการปรับระดับความเร้าอารมณ์อย่างต่อเนื่อง โดยระดับความเร้าอารมณ์จะอนุมานตามที่ถอดรหัสจาก EEG

ผลของการทดลองจะได้ข้อสรุปว่า การใช้สัญญาณ neurofeedback สามารถปรับปรุงประสิทธิภาพการขับเครื่องบินแบบสมมติได้แต่ในกรณีของการทดลองที่ยากหรือปานกลางเท่านั้น ในขณะที่การทดลองที่ง่ายจะไม่มีผลอะไรเกิดขึ้นเพราะประสิทธิภาพการขับเครื่องบินแบบสมมตินั้นสูงอยู่แล้ว

แล้วข้อสรุปเหล่านี้มีประโยชน์อย่างไรนอกเหนือจากทางการแพทย์? ผลวิจัยเหล่านี้สามารถนำมาใช้ต่อยอดพัฒนาเทคโนโลยีการเชื่อมต่อระหว่างสมองกับเครื่องคอมพิวเตอร์ (Brain-Computer Interface) เพื่อการสร้างนวัตกรรมอาคารอัจฉริยะ (smart building) ที่ส่งเสริมสุขภาวะให้ผู้อยู่อาศัย ตัวอย่างเช่น บ้านและอาคารที่สามารถตอบสนองกับระดับความเครียดของผู้อยู่อาศัยได้โดยการใช้ปัญญาประดิษฐ์ (artificial intelligence) อ่านข้อมูลคลื่นสมองประกอบกับข้อมูลทางสรีรวิทยาอื่นๆ เพื่อที่จะวัดระดับความเครียดและประสิทธิภาพในการทำงานของสมองและสภาพแวดล้อมแบบอัตโนมัติด้วยเทคโนโลยีเสมือนจริง (virtual reality) หรือความจริงเสมือน (augmented reality) เพื่อที่จะปรับระดับความเครียดและการทำงานของสมองของผู้อยู่อาศัยให้อยู่ในระดับที่พอเหมาะและมีประสิทธิภาพมากที่สุด ด้วยการปรับระดับอุณหภูมิ สภาพแวดล้อม (สี รูปภาพ และแสง) และเสียง (เสียงธรรมชาติ เสียงเพลงชนิดต่างๆ และบทสวดมนต์) เป็นต้น

References
[1] Dodson, J. D., 1915, “The Relation of Strength of Stimulus to Rapidity of Habit-Formation in the Kitten”, Journal of Animal Behavior, 5(4), 330–36. DOI: 10.1037/h0073415

[2] Aston-Jones, G. and Cohen, J. D., 2005, “An Integrative Theory of Locus Coeruleus-Norepinephrine Function: Adaptive Gain and Optimal Performance”, Annual Review of Neuroscience, 28, 403–50. DOI: 10.1146/annurev.neuro.28.061604.135709

[3] Collura, T. F., Guan, J., Tarrant, J., Bailey, J. and Starr, F., 2010, “EEG Biofeedback Case Studies Using Live Z-Score Training and a Normative Database”, Journal of Neurotherapy, 14(1), 22–46. DOI: 10.1080/10874200903543963

[4] Faller, J., Cummings, J., Saproo, S. and Sajda, P., 2019, “Regulation of Arousal via Online Neurofeedback Improves Human Performance in a Demanding Sensory-Motor Task”, Proceedings of the National Academy of Sciences of the United States of America, 116(13), 6482–90. DOI: 10.1073/pnas.1817207116

READ  Quantum Support Vector Machine

 

 

 


ลงทะเบียนรับข่าวสาร

ไม่พลาดทุกการอัพเดทจาก Big Data Experience Center

Big Data Experience Center (BX)

ชั้น 14 อาคาร Knowledge Exchange Center (KX)
110/1 ถนนกรุงธนบุรี, แขวงบางลำภูล่าง เขตคลองสาน กรุงเทพฯ 10600
อีเมล์: [email protected]
Tel: 097-941-9889

ABOUT

SERVICES