![Using phone while driving](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Fc81c713b-7d0b-489c-8fab-1374c11dee7b_car-dashboard-device-1028742.jpeg%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C2560%2C1707%26w%3D2560%26h%3D1707&w=3840&q=75)
En marzo de 2018, se produjo el segundo accidente mortal de Tesla en el que se vio implicado su sistema de autodirección Autopilot en la autopista 101 en Mountain View, California (The Guardian Staff 2018). Los informes de la colisión mostraron que el conductor, el ingeniero de software de Apple Wei Huang, había recibido señales visuales y auditivas del sistema de autopilotaje antes de que su vehículo se estrellara contra una mediana de hormigón, lo que trágicamente le causó la muerte. Al parecer, Huang tenía a la vista 150 metros de la mediana, es decir, cinco segundos para reaccionar y evitar la barrera si hubiera prestado toda su atención a la situación.
Aunque los sistemas de vehículos autónomos han salvado más vidas de las que se han derramado (Marshall 2017), ¿debemos esperar que se produzcan más incidentes como estos durante su producción continuada? Es más, ¿el hecho de que sigan produciéndose accidentes en sistemas autónomos de autodirección (que están diseñados para mejorar la seguridad del conductor) hace necesaria una investigación más profunda sobre la relación entre la percepción del peligro, las señales automatizadas y la multitarea?
Aunque representan una parte importante del avance tecnológico, los vehículos autónomos siguen introduciendo perturbaciones para los conductores, que de otro modo podrían verlos como una forma de relajarse y dirigir su atención a otra parte. Depositar tanta confianza en el diseño de la asistencia al conductor puede exponer a los conductores a una peligrosa cantidad de riesgos, en lugar de hacer la conducción más fácil y segura. Según la ciencia del comportamiento, esta mayor capacidad para realizar múltiples tareas al volante puede acarrear más problemas para los demás conductores y para la seguridad vial en general, ya que los estudios demuestran que nuestros sistemas cognitivos de toma de decisiones no son tan sofisticados como creemos.
Para mitigar estos riesgos, el sector de los vehículos autónomos puede beneficiarse de estos conocimientos de las ciencias del comportamiento y conocer mejor la arquitectura cognitiva y los procesos de toma de decisiones del conductor. Al comprender cuándo, dónde y cómo los conductores realizan varias tareas a la vez de forma óptima, la industria puede ayudar a diseñar políticas e intervenciones tecnológicas que mejoren la sincronía en el ámbito del transporte autónomo.
El cuello de botella cognitivo
Para comprender los riesgos que entrañan los sistemas de conducción autónoma, primero hay que entender la dinámica pertinente del procesamiento de la atención y la multitarea. Aquí es donde entra en juego la ciencia del comportamiento. El análisis científico de la toma de decisiones humanas que realiza esta disciplina proporciona al sector del transporte autónomo importantes inferencias sobre cómo actúan las personas cuando su atención se divide entre múltiples estímulos ambientales, lo que a menudo puede ocurrir en un vehículo que promueve la multitarea entre cosas como mirar la carretera y las señales de seguridad mientras se escribe un correo electrónico o se responde a una llamada telefónica.
Aunque nuestro sistema cognitivo a menudo nos permite procesar múltiples componentes de una tarea en tales circunstancias, esto es sólo hasta cierto punto. No es hasta que estos flujos paralelos de información entrante deben estrecharse y converger en un "cuello de botella" central cuando somos incapaces de reaccionar ante una o ambas fuentes de información, que en el peor de los casos podrían incluir peligros en la carretera que tenemos por delante.
La investigación sugiere que no estamos programados para hacer ambas cosas a la vez en todas las circunstancias. Knowles (1963) propuso que la mente humana sólo puede percibir tanto como le permite su reserva de recursos cognitivos, y que nos volvemos mucho peores a la hora de reaccionar ante estímulos adicionales cuando nos acercamos a la plena capacidad cognitiva. En el marco de la conducción de un vehículo autónomo, atender plenamente a una tarea secundaria, como mirar la pantalla del teléfono o del portátil, utiliza recursos cognitivos que de otro modo deberían asignarse a la tarea principal de conducir, sobre todo en situaciones críticas.
¿Cuestión de tiempo?
Entonces, ¿por qué el cerebro humano es menos eficiente a la hora de tomar decisiones cuando el cuello de botella cognitivo está ocupado procesando flujos paralelos de información entrante? Un planteamiento se pregunta si tiene algo que ver con la diferencia de tiempo en que se procesan los distintos flujos. Welford (1952) reflexionó sobre la relación entre el tiempo y la toma de decisiones en el contexto de un cuello de botella de respuesta, y trató de entender por qué descubrió que las personas eran incapaces de responder a dos estímulos discretos cuando estaban separados por un intervalo inferior a 500 ms.
Atribuyó este retraso cerebral al "periodo refractario psicológico", un segmento teórico de tiempo en el que somos incapaces de responder a una segunda tarea hasta que hemos terminado de responder a la primera. Este modelo teoriza que nuestros cerebros utilizan lo que se conoce como procesamiento en serie (en el que procesamos un estímulo a la vez), que agota nuestra reserva de recursos cognitivos mucho más rápido que el procesamiento en paralelo (en el que podemos procesar múltiples estímulos a la vez).
En este caso, la multitarea en tareas autónomas pone en peligro la posibilidad de accidentes peligrosos, ya que los conductores que estén pendientes de sus teléfonos o mirando a otro lado no podrán responder a ninguna advertencia de peligro hasta que hayan terminado de procesar la tarea principal. En muchos casos, cuando los peligros surgen rápidamente, puede que ya sea demasiado tarde antes de que la atención del conductor esté libre para centrarse en la carretera que tiene por delante una vez que haya terminado la primera tarea.
Sin embargo, este modelo de procesamiento en serie descarta la multitarea como posibilidad, y afirma que para prestar atención a una segunda tarea, siempre debemos terminar de atender a la primera. Esto hace que el procesamiento en serie sea bastante simplificado, por lo que es totalmente ineficaz cuando se trata de multitarea. Un modelo de procesamiento paralelo, por otro lado, afirma que nuestros cerebros pueden procesar eficientemente tareas duales: en lugar de asignar recursos de forma "todo o nada", podemos compartirlos bajo la apariencia de múltiples recursos con múltiples cuellos de botella (Fischer y Plessow 2015).
Este modelo alternativo tiene en cuenta hasta qué punto podemos procesar múltiples tareas de una forma que percibimos como perfectamente simultánea. Por ejemplo, podemos escuchar la radio mientras nos incorporamos a un carril o mantener una conversación con un amigo mientras giramos a la izquierda. Pero este tipo de procesamiento, ya sea en serie o en paralelo, sólo puede llevarnos hasta cierto punto. Nuevos conocimientos sugieren que resulta más difícil cambiar de tarea o realizar varias a la vez cuando las correspondencias entre estímulos y respuestas no coinciden, o son "incongruentes". El procesamiento paralelo, que es el tipo de procesamiento utilizado para la multitarea, y el procesamiento en serie, que es el tipo de procesamiento utilizado para cambiar de tarea, se producen a niveles óptimos cuando los estímulos y/o las respuestas son congruentes entre sí.
Resolver el problema de la "diafonía"
Para hacerse una idea de lo que significa la congruencia en este contexto, Hommel (1998) demostró las consecuencias de las respuestas incongruentes entre sí, denominadas efectos de diafonía. Su experimento consistió en un paradigma de doble tarea, diseñado para investigar el efecto de la diafonía en la eficacia del procesamiento. Los estímulos de la primera tarea eran letras de colores a las que había que responder manualmente en un teclado (flecha izquierda para el rojo y flecha derecha para el verde). Los estímulos para la segunda tarea eran identidades de letras, a las que había que responder verbalmente (decir "derecha" para una S o "izquierda" para una H). Cuando las respuestas eran incongruentes (izquierda/"derecha"), las personas eran mucho más lentas debido al aumento de la diafonía, pero este efecto se invertía cuando las respuestas compartían la misma categoría conceptual (izquierda/"izquierda" o derecha/"derecha").
La explicación de esto puede razonarse dentro de los parámetros de un modelo de cuello de botella de recursos múltiples. El procesamiento paralelo de tareas que requieren diferentes recursos (por ejemplo, recursos de respuesta manual y verbal) muestra la menor cantidad de diafonía cuando hay solapamiento dimensional, o cuando las respuestas comparten la misma categoría conceptual. Lo que esto significa es que, al conducir vehículos autónomos, las dificultades de la multitarea no surgen simplemente de la cuestión de tener que procesar varios estímulos a la vez, como cambiar de carril y mantener una conversación, sino específicamente de utilizar los mismos recursos cognitivos de codificación representacional (Wickens 2002), como girar en un cruce e identificar las señales de tráfico.
Imagina que te conduce un coche autónomo pero estás hablando por teléfono. Es mucho más difícil evitar un peligro potencial cuando tus respuestas no están preparadas de forma adecuada. Las respuestas que tienes al teléfono no son las mismas que necesitas en la carretera. Esta incongruencia crea un retraso cognitivo que se traduce en un menor conocimiento de la situación, lo que puede ser peligroso para los conductores autónomos.
En 2014, Strand et al. observaron que los conductores totalmente autónomos sufrían el doble de colisiones que los conductores de vehículos semiautónomos. Además, en comparación con los conductores manuales, los conductores autónomos pueden tardar un 70 % más en adelantar a un vehículo en cabeza y 2,5 segundos más en pisar el freno como reacción a un semáforo en rojo (Radlmayr et al. 2014; Merat y Jamson 2017).
Esto es especialmente preocupante, ya que muchas personas ven estos coches como centros futuristas de mayor productividad. En una encuesta realizada en 2014 se preguntó a los encuestados estadounidenses qué tipo de actividades realizarían probablemente mientras viajasen en un vehículo autónomo (Schoettle y Sivak 2014). Solo el 36 % de las personas admitió que no apartaría la vista de la carretera. Alrededor del 10% de los encuestados dijo que leería o enviaría mensajes de texto y hablaría con amigos y familiares, hasta un 6% dijo que trabajaría o vería películas, y un 7% confiaba en el vehículo lo suficiente como para dormir de camino a su destino. Es cierto que un vehículo autónomo podría liberar tiempo de conducción y dar rienda suelta al potencial de la multitarea. Pero, ¿cómo podemos ser inteligentes y seguros a la hora de hacer realidad este sueño multitarea?
La solución: Ergonomía cognitiva
Comprender la mecánica del procesamiento central de los cuellos de botella es crucial en el contexto del diseño de interfaces hombre-máquina (HMI). Es necesario reflexionar sobre el diseño de interfaces hombre-máquina complementarias para que los conductores puedan concentrarse con seguridad en tareas secundarias. No es ningún misterio que cosas como leer o hablar por el móvil interfieren en la capacidad del conductor para concentrarse y responder a situaciones inesperadas en la carretera (Levy, Pashler y Boer 2006).
Afortunadamente, ya se han dedicado esfuerzos de investigación a la comprensión del diseño óptimo de las IHM. Por ejemplo, las señales predictivas pueden incorporarse a las IHM para mejorar la atención del conductor a detalles importantes. Cuando el sistema de sensores del coche detecta y predice obstáculos del entorno, las señales explícitas pueden ayudar al conductor a reconocer peatones, ciclistas, automóviles, señales de tráfico y otros elementos.
Estas señales pueden programarse en el software del vehículo y abarcar las modalidades visual, auditiva o táctil (Broeker et al. 2017). Por ejemplo, los experimentos de conducción simulada han demostrado que los conductores integran de forma óptima las señales auditivas que se presentan al mismo tiempo y en la misma región del espacio que las áreas visuales de interés, lo que mejora la atención y el rendimiento de la conducción (C. Ho y Spence 2005; Steenken et al. 2014).
Las señales de advertencia vibrotáctiles también han demostrado ser especialmente eficaces para orientar espacialmente a un conductor hacia un obstáculo visualmente relevante, como la desaceleración repentina de un coche de cabeza (C. Ho, Reed y Spence 2006). Las señales de advertencia vibrotáctiles son especialmente útiles cuando se emparejan con una señal auditiva simultánea (C. Ho, Reed y Spence 2007). Aunque numerosas empresas de coches autónomos ya utilizan versiones sencillas de señales de advertencia visuales, auditivas y táctiles, se puede hacer más para mejorar la ergonomía cognitiva entre el conductor y el coche (Beattie, Baillie y Halvey 2017).
La integración multisensorial reduce la carga de trabajo cognitivo porque, en lugar de tomar datos de una sola pista, el cerebro utiliza datos redundantes de múltiples pistas y flujos paralelos de información entrante para proporcionar la estimación más fiable para la discriminación perceptiva (Ernst 2006). La integración multisensorial aprovecha la capacidad del cerebro para procesar simultáneamente claves diferentes pero programadas de forma congruente, eludiendo así las deficiencias del procesamiento cognitivo en serie.
Mejor emparejado con Cues
Ciertos tipos de señales funcionan mejor cuando se incorporan a tecnologías de realidad aumentada o HMI para la conducción asistida. Los conductores de vehículos autónomos prefieren pocos sonidos naturales espacialmente predictivos frente a muchos sonidos abstractos omnidireccionales (Fagerlonn y Alm 2010; C. Ho y Spence 2005), que es lo habitual en el sector de los coches autónomos. Si un coche te sigue de cerca, es mucho más fácil responder a este suceso si tu propio coche te alerta con una señal localizada en la parte trasera en lugar de en cualquier otro lugar del espacio; la congruencia dimensional que ofrece la señal localizada aprovecha la eficiencia que proporciona el procesamiento paralelo del cerebro, como sugiere el modelo de recursos múltiples (C. Ho y Spence 2005; D. C. Ho y Spence 2012).
La conciencia situacional de un conductor puede mejorarse aún más incorporando señales auditivas que imiten los sonidos naturales de acontecimientos externos, como colisiones, en lugar de simples pitidos (van der Heiden, Iqbal y Janssen 2017). Las señales pueden ser especialmente útiles si se pide a los conductores que traduzcan voluntariamente los símbolos, como las señales de tráfico, a significados reales en su mente. Esta forma de señalización endógena, que implica procesos cognitivos controlados y voluntarios, puede ayudar a preparar la atención del conductor para predecir obstáculos y centrarse en tareas importantes durante un periodo de tiempo más largo (C. Ho, Reed y Spence 2007; Talsma et al. 2010; Lee, Lee y Boyle 2009).
Muchos fabricantes de automóviles prometen tener vehículos totalmente autónomos en las carreteras para 2020 (Sage y Lienert 2016). Mientras tanto, se necesita urgentemente un marco legislativo. Afortunadamente, los diseñadores de experiencia de usuario de empresas autónomas como Tesla están invirtiendo mucho en perfeccionar las HMI para que estén lo más integradas posible con los límites atencionales del conductor (Shepardson 2017).
Mientras las empresas automovilísticas prosiguen su carrera hacia el dominio corporativo, los responsables políticos tendrán que seguir los consejos de los investigadores de la experiencia del usuario y otros organismos científicos para garantizar la seguridad con un diseño de asistencia al conductor de alta calidad. El uso de tecnología predictiva para aumentar la conciencia situacional del conductor sobre posibles peligros parece ser la mejor opción para la sincronía en el transporte, al menos en la precaria fase actual de desarrollo de los coches autónomos.
References
Beattie, David, Lynne Baillie y Martin Halvey. 2017. "Explorando cómo perciben los conductores los earcos espaciales en vehículos automatizados". Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 1 (3): 36:1–36:24. https://doi.org/10.1145/3130901.
Broeker, Laura, Andrea Kiesel, Stefanie Aufschnaiter, Harald E. Ewolds, Robert Gaschler, Hilde Haider, Stefan Künzell, et al. 2017. "Why Prediction Matters in Multitasking and How Predictability Can Improve It". Frontiers in Psychology 8. https://doi.org/10.3389/fpsyg.2017.02021.
Ernst, Marc O. 2006. "A Bayesian View on Multimodal Cue Integration" (Una visión bayesiana de la integración de pistas multimodales). Perception 131 (Capítulo 6). https://pub.uni-bielefeld.de/publication/2355548.
Fagerlonn, J., y H. Alm. 2010. "Señales auditivas para apoyar la concienciación sobre el tráfico". IET Intelligent Transport Systems 4 (4): 262–69. https://doi.org/10.1049/iet-its.2009.0144.
Fischer, Rico, y Franziska Plessow. 2015. "Multitarea eficiente: Procesamiento paralelo frente a procesamiento en serie de múltiples tareas". Frontiers in Psychology 6. https://doi.org/10.3389/fpsyg.2015.01366.
Heiden, Remo M.A. van der, Shamsi T. Iqbal y Christian P. Janssen. 2017. "Priming Drivers Before Handover in Semi-Autonomous Cars". En Actas de la Conferencia CHI 2017 sobre Factores Humanos en Sistemas Informáticos, 392-404. CHI '17. Nueva York, NY, EE. UU.: ACM. https://doi.org/10.1145/3025453.3025507.
Ho, Cristy, Nick Reed y Charles Spence. 2006. "Assessing the Effectiveness of 'Intuitive' Vibrotactile Warning Signals in Preventing Front-to-Rear-End Collisions in a Driving Simulator". Accident Analysis & Prevention 38 (5): 988–96. https://doi.org/10.1016/j.aap.2006.04.002.
Ho, Cristy, Nick Reed y Charles Spence. 2007. "Señales de advertencia multisensoriales en el automóvil para evitar colisiones". Human Factors 49 (6): 1107–14. https://doi.org/10.1518/001872007X249965.
Ho, Cristy, y Charles Spence. 2005. "Evaluación de la eficacia de varias señales auditivas para captar la atención visual del conductor". Revista de Psicología Experimental. Applied 11 (3): 157–74. https://doi.org/10.1037/1076-898X.11.3.157.
Ho, Dra. Cristy, y Profesor Charles Spence. 2012. El conductor multisensorial: Implications for Ergonomic Car Interface Design. Ashgate Publishing, Ltd.
Hommel, B. 1998. "Automatic Stimulus-Response Translation in Dual-Task Performance". Journal of Experimental Psychology. Human Perception and Performance 24 (5): 1368-84.
Knowles, W. B. 1963. "Tareas de carga del operador". Human Factors 5 (abril): 155–61. https://doi.org/10.1177/001872086300500206.
Lee, Yi-Ching, John D. Lee y Linda Ng Boyle. 2009. "La interacción de la carga cognitiva y las señales que dirigen la atención en la conducción". Human Factors 51 (3): 271–80. https://doi.org/10.1177/0018720809337814.
Levy, Jonathan, Harold Pashler y Erwin Boer. 2006. "Interferencia central en la conducción: ¿Existe algún freno al período refractario psicológico?". Psychological Science 17 (3): 228–35. https://doi.org/10.1111/j.1467-9280.2006.01690.x.
Marshall, Aarian. 2017. "¿Quieres salvar muchas vidas? Pon coches (imperfectos) de conducción autónoma en la carretera, ASAP". WIRED. 7 de noviembre de 2017. https://www.wired.com/story/self-driving-cars-rand-report/.
Merat, Natasha, y A Jamson. 2017. "¿Cómo se comportan los conductores en un coche altamente automatizado?". En , 514-21. https://doi.org/10.17077/drivingassessment.1365.
Radlmayr, Jonas, Christian Gold, Lutz Lorenz, Mehdi Farid y Klaus Bengler. 2014. "Cómo afectan las situaciones de tráfico y las tareas no relacionadas con la conducción a la calidad de la toma de control en la conducción altamente automatizada". Actas de la Reunión Anual de la Sociedad de Factores Humanos y Ergonomía 58 (1): 2063–67. https://doi.org/10.1177/1541931214581434.
Sage, Alexandria, y Paul Lienert. 2016. "Ford planea un coche autoconducido para flotas de viajes compartidos en 2021". Reuters, 17 de agosto de 2016. https://www.reuters.com/article/us-ford-autonomous/ford-baidu-co-invest-in-autonomous-tech-firm-velodyne-idUSKCN10R1G1.
Schoettle, Brandon, y Michael Sivak. 2014. "Encuesta de opinión pública sobre vehículos autónomos y autoconducidos en Estados Unidos, Reino Unido y Australia". Opinión pública, encuesta. Ann Arbor, Michigan: Universidad de Michigan. https://deepblue.lib.umich.edu/handle/2027.42/108384.
Shepardson, David. 2017. "Tesla y otros buscan formas de garantizar que los conductores mantengan las manos en el volante". Reuters, 24 de junio de 2017. https://www.reuters.com/article/us-usa-autos-selfdriving-safety/tesla-others-seek-ways-to-ensure-drivers-keep-their-hands-on-the-wheel-idUSKBN19E1ZA.
Steenken, Rike, Lars Weber, Hans Colonius y Adele Diederich. 2014. "Diseño de sistemas de asistencia al conductor con señales intermodales: Multisensory Integration Rules for Saccadic Reaction Times Apply". PLoS ONE 9 (5). https://doi.org/10.1371/journal.pone.0092666.
Strand, Niklas, Josef Nilsson, I. C. MariAnne Karlsson y Lena Nilsson. 2014. "Conducción semiautomatizada frente a conducción altamente automatizada en situaciones críticas causadas por fallos de automatización". Transportation Research Part F: Traffic Psychology and Behavior, Vehicle Automation and Driver Behavior, 27 (noviembre): 218–28. https://doi.org/10.1016/j.trf.2014.04.005.
Talsma, Durk, Daniel Senkowski, Salvador Soto-Faraco y Marty G. Woldorff. 2010. "La interacción multifacética entre la atención y la integración multisensorial". Tendencias en Ciencias Cognitivas 14 (9): 400–410. https://doi.org/10.1016/j.tics.2010.06.008.
Personal de The Guardian. 2018. "El coche de Tesla que chocó y mató a un conductor funcionaba con piloto automático, dice la firma". The Guardian, 31 de marzo de 2018, edición International Edition. https://www.theguardian.com/technology/2018/mar/31/tesla-car-crash-autopilot-mountain-view.
Welford, A. T. 1952. "The 'Psychological Refractory Period' and the Timing of High-Speed Performance-a Review and a Theory". British Journal of Psychology. Sección General 43 (1): 2–19. https://doi.org/10.1111/j.2044-8295.1952.tb00322.x.
Wickens, Christopher D. 2002. "Recursos múltiples y predicción del rendimiento". Theoretical Issues in Ergonomics Science 3 (2): 159–77. https://doi.org/10.1080/14639220210123806.