Smart brýle mohou vypadat jako jednoduchá spotřebitelská hračka: fotoaparát na tváři, reproduktory v uších a AI asistent, který umí odpovídat na otázky o tom, co vidíte. Stejné zařízení ale může AI systému dát něco, co mu vždy chybělo: pohled na každodenní lidský život z pohledu první osoby.

To je důležité, protože naučit AI psát nebo generovat obrázky je něco úplně jiného než naučit stroj pohybovat se ve fyzickém světě. Robot potřebuje rozumět tomu, kde se předměty nacházejí, co se stane, když se pohnou, a jak ruce interagují s věcmi, které se ohýbají, lámou, rozlévají nebo mění tvar.

Meta roky zkoumá nositelná zařízení, která tento druh informací zachycují. Její brýle Ray-Ban Meta přenesly část této technologie do spotřebitelského produktu a daly společnosti přístup k datům vzniklým při běžných činnostech.

Test brýlí trvající 72 hodin, při kterém jsme jejich AI funkce používali celý den a vyžádali si související data, naznačil, proč mohou být záznamy z první osoby cenné pro trénování AI a proč je stále těžší oddělit soukromí od samotné technologie.

Jak se AI učí z reálného světa

Velké jazykové modely se učí z obrovských souborů psaného textu. To funguje dobře u systémů postavených na jazyce, ale text nedokáže úplně popsat, jak lidé dělají věci, jako je pohyb v kuchyni, zvednutí lahve, rozklepnutí vejce nebo hledání klíčů.

Lidé se tyto věci učí díky letům smyslových zkušeností. Bývalý hlavní vědec pro AI ve společnosti Meta Yann LeCun tvrdí, že čtyřleté dítě už vidělo 50krát více dat než i ty největší jazykové modely. Jeho hlavní myšlenka je, že stroje potřebují bohatší smyslový vstup, aby porozuměly fyzickému světu.

Pro robota to znamená učit se z víc než jen instrukcí. Potřebuje data o tom, co lidé skutečně dělají, včetně drobných odchylek, které se slovy těžko popisují. Někdo, kdo myje nádobí, může vypadat všedně. Jakmile je ale takový záznam označen štítky a opatřen anotacemi, může AI systému ukázat, kde se předměty nacházejí, jak se pohybují ruce a co se stane, když nastane něco neočekávaného.

Takový druh trénovacích dat je obtížné shromažďovat ve velkém měřítku. Jedno z možných řešení nabízí nositelná kamera, protože dokáže zachytit svět ze stejné perspektivy jako člověk, který danou činnost vykonává. Jak říká LeCunův argument: „Potřebuje oči.“

Proč Meta používá smart brýle

Meta na tomto problému pracuje už roky v rámci projektu Aria(nové okno), výzkumného programu postaveného na nositelných počítačích ve formě brýlí. Výzkumná zařízení používají kamery a další senzory ke studiu toho, jak lidé interagují se světem.

Projekt Aria také ukazuje, jak odlišná mohou být očekávání ohledně soukromí ve výzkumu a při běžném používání. Zveřejněné zásady Meta uvádějí, že účastníci výzkumu jsou školeni ve vhodných postupech nahrávání, lidé v soukromých domovech musí dát souhlas a viditelné světlo signalizuje, když se nahrává zvuk a video.

Spotřebitelské smart brýle fungují v mnohem méně kontrolovaném prostředí. Člověk je může nosit při chůzi po ulici, nakupování, přípravě kávy nebo domácích pracích. Vzniká tak užitečný zdroj dat z první osoby. Zároveň to znamená, že lidé v okolí nositele se mohou objevit v záznamech, aniž by věděli, že je kamera aktivní.

Ten rozdíl je důležitý, protože hodnota těchto dat pramení z jejich všední povahy. Jejich hodnota spočívá v zachycení drobných detailů každodenního života.

Co se roboti potřebují naučit

Výzkumníci pracují na několika problémech, které lidem připadají jednoduché, ale pro stroje jsou obtížné. Jedním z nich je epizodická paměť. Zeptat se AI, kam jste odložili klíče, zní snadno, ale systém musí předmět rozpoznat, pochopit, kdy byl naposledy viděn, a udržovat přehled o tom, co se od té doby stalo.

Dalším je intuitivní fyzika. Když kutálíte míč k tabulce, už tušíte, co se stane. Lidé si takové předpovědi vytvářejí díky letům pozorování fyzického světa.

Třetí se týká interakcí ruky s předměty. Zavazování tkaniček, zapínání košile, zvednutí něčeho nebo manipulace s kusem látky vyžadují, aby stroj zvládl předměty, které se ohýbají a deformují. Právě takové situace dokážou záznamy z první osoby zachytit.

Během 72hodinového testu se běžné činnosti překvapivě dobře napojily na tyto výzkumné problémy. Řízení zahrnovalo předpovídání toho, jak se předměty pohybují v prostoru. Zvednutí lahve nebo rozklepnutí vejce zahrnovalo interakci ruky s předmětem. Sledování vejce kutálejícího se z pultu zahrnovalo intuitivní fyziku. Otázka, kam byly klíče odloženy, byla úlohou epizodické paměti.

Nejde o to, že se každý všední záznam okamžitě stane užitečnými trénovacími daty. Jde o to, že běžná lidská činnost obsahuje příklady, které vtělená AI potřebuje.

Co dokážou brýle Meta zachytit

Meta tvrdí, že brýle Ray-Ban Meta nenahrávají nepřetržitě vše kolem nositele pro trénování AI. Podle společnosti mezi data, která se používají k trénování její AI a která mohou kontrolovat lidé, patří hlasové povely a video zachycené ve chvíli, kdy uživatel požádá AI, aby něco udělala.

Když AI potřebuje analyzovat to, co kamera vidí, může se příslušný záznam odeslat na servery Meta ke zpracování. Společnost pak může tyto informace použít ke zlepšení svých AI systémů. Člověk se může brýlí zeptat na předmět, umístění, úkol nebo na něco, co se děje před ním, čímž vzniká záznam těchto interakcí z pohledu první osoby.

Meta také představila Live AI, která zpřístupňuje asistenta, aniž by bylo potřeba obvyklé aktivační slovo. Díky tomu jsou brýle užitečnější jako asistent v reálném čase, zároveň se ale prodlužuje doba, po kterou mohou být jejich kamera a mikrofon aktivní.

Existuje další problém se soukromím, který se nastavením řeší obtížněji. Nositel zařízení má nad ním kontrolu, ale lidé v jeho okolí ne. Během testu byly v kontrolovaném materiálu tváře rozmazané, ale lidé v okolí nositele nevěděli, že jsou nahráváni. To se liší od výzkumného procesu projektu Aria, kde se na účastníky a na osoby v určitých soukromých prostředích vztahují požadavky na výslovný souhlas.

Co nasvědčuje plánům Meta v robotice

Představa, že by Meta mohla využít data z nositelných zařízení k vývoji robotů, je zatím jen hypotézou o celkové strategii společnosti, nikoli něčím, co by samotné brýle prokazovaly. Existuje pro ni ale několik důkazů.

V únoru 2025 založila Meta v rámci Reality Labs divizi humanoidní robotiky – stejné širší organizace, která odpovídá za její smart brýle. V květnu 2026 Meta také koupila Assured Robot Intelligence, robotickou laboratoř, kterou spoluzaložil Lerrel Pinto.

Meta také uvedla, že chce, aby její technologie sloužila jako softwarová vrstva pro humanoidní roboty. Její výzkum už zkoumal, jak mohou egocentrické záznamy pomoci robotům učit se fyzické úkoly. Brýle tak mají význam i mimo svou roli AI asistenta. Spojují kamery, mikrofony a AI do zařízení, které lze nosit celý den.

Prototypy nositelných zařízení nové generace od Meta se popisují jako směřující k nepřetržitějšímu snímání a přesnějšímu sledování předmětů. Tyto schopnosti by mohly přinést užitečnější data o tom, jak lidé interagují s fyzickým světem.

Nic z toho neprokazuje, že Meta tajně sbírá každý okamžik života svých zákazníků, aby postavila armádu robotů. Ukazuje to ale, proč mohou být data z první osoby z nositelných zařízení strategicky cenná pro společnost, která masivně investuje do AI i robotiky.

Větší otázka

Smart brýle dělají AI užitečnější, protože jí dávají přístup ke světu kolem nás. Právě tato schopnost je odlišuje od AI asistentů, na které je většina lidí zvyklá. Otázkou je, kdo bude rozhodovat o tom, jak se tento stále osobnější zdroj dat shromažďuje, zpracovává a využívá.

Jak se AI přesouvá z obrazovky do fyzického světa, data z první osoby nabývají na hodnotě.

Díky tomu je stále důležitější rozumět tomu, co zařízení může vidět, slyšet, ukládat a odesílat dál.