Smart चश्मा एक आम कंज्यूमर गैजेट जैसा लग सकता है, जिसमें चेहरे पे कैमरा, कानों में स्पीकर और एक AI असिस्टेंट होता है जो आप जो देखते हैं उसके बारे में सवालों के जवाब दे सकता है। लेकिन यही डिवाइस किसी AI सिस्टम को वो चीज़ दे सकता है जिसकी उसे हमेशा कमी रही है, यानी रोज़मर्रा की इंसानी ज़िंदगी का फर्स्ट-पर्सन नज़रिया।
ये मायने रखता है क्योंकि AI को लिखना या इमेज बनाना सिखाना, किसी मशीन को भौतिक दुनिया में चलना सिखाने से बहुत अलग है। एक रोबोट को समझना होता है कि चीज़ें कहां हैं, उनके हिलने पे क्या होता है और हाथ उन चीज़ों से कैसे इंटरैक्ट करते हैं जो मुड़ती, टूटती, गिरती या अपना आकार बदलती हैं।
Meta ने सालों तक ऐसे पहनने वाले डिवाइस पर रिसर्च की है जो इस तरह की जानकारी कैप्चर करते हैं। उसका Ray-Ban Meta चश्मा इस तकनीक का कुछ हिस्सा एक कंज्यूमर प्रोडक्ट में लाता है, जिससे कंपनी को आम गतिविधियों के दौरान बनने वाले डाटा तक एक्सेस मिलता है।
चश्मे का 72 घंटे का टेस्ट, जिसमें दिनभर उसकी AI खासियतें इस्तेमाल की गईं और जुड़ा हुआ डाटा मांगा गया, इस बात की झलक देता है कि फर्स्ट-पर्सन रिकॉर्डिंग AI को ट्रेन करने के लिए कीमती क्यों हो सकती है और निजता को खुद तकनीक से अलग करना मुश्किल क्यों हो जाता है।
AI असली दुनिया से कैसे सीखता है
बड़े लैंग्वेज मॉडल लिखित सामग्री के विशाल संग्रह से सीखते हैं। भाषा पर बने सिस्टम के लिए ये अच्छी तरह काम करता है, लेकिन टेक्स्ट पूरी तरह ये नहीं बता सकता कि लोग रसोई में चलना, बोतल उठाना, अंडा फोड़ना या अपनी चाबियां ढूंढना जैसे काम कैसे करते हैं।
इंसान ये चीज़ें सालों के इंद्रिय अनुभव से सीखता है। Meta के पूर्व चीफ AI साइंटिस्ट Yann LeCun का तर्क है कि चार साल की उम्र तक एक बच्चा सबसे बड़े लैंग्वेज मॉडल से भी 50 गुना ज़्यादा डाटा देख चुका होता है। उनकी बड़ी बात ये है कि मशीनों को भौतिक दुनिया समझनी है तो उन्हें और समृद्ध इंद्रिय इनपुट चाहिए।
एक रोबोट के लिए इसका मतलब है सिर्फ निर्देशों से ज़्यादा कुछ सीखना। उसे ऐसा डाटा चाहिए जो बताए कि लोग असल में क्या करते हैं, उन छोटी-छोटी विविधताओं समेत जिन्हें शब्दों में बताना मुश्किल है। जैसे, किसी का बर्तन धोना साधारण लग सकता है। लेकिन जब उस फुटेज को लेबल और एनोटेट कर दिया जाए, तो ये किसी AI सिस्टम को दिखा सकता है कि चीज़ें कहां हैं, हाथ कैसे चलते हैं और कुछ अप्रत्याशित होने पे क्या होता है।
इस तरह का ट्रेनिंग डाटा बड़े पैमाने पे जमा करना मुश्किल है। पहनने वाला कैमरा एक संभावित हल देता है, क्योंकि ये दुनिया को उसी नज़रिए से कैप्चर कर सकता है जिससे काम करने वाला इंसान देखता है। जैसा LeCun का तर्क कहता है, “इसे आंखें चाहिए”।
Meta Smart चश्मा क्यों इस्तेमाल कर रहा है
Meta सालों से इस समस्या पर Project Aria(नई विंडो) के ज़रिए काम कर रहा है, जो चश्मे के रूप में पहनने वाले कंप्यूटर पर बना एक रिसर्च प्रोग्राम है। रिसर्च डिवाइस कैमरा और दूसरे सेंसर का इस्तेमाल करके ये पढ़ते हैं कि लोग दुनिया से कैसे इंटरैक्ट करते हैं।
Project Aria ये भी दिखाता है कि रिसर्च और कंज्यूमर इस्तेमाल में निजता की उम्मीदें कितनी अलग हो सकती हैं। Meta की प्रकाशित गाइडलाइन कहती हैं कि रिसर्च में भाग लेने वालों को सही रिकॉर्डिंग तरीकों की ट्रेनिंग दी जाती है, निजी घरों में मौजूद लोगों की सहमति ज़रूरी है और एक दिखने वाली लाइट बताती है कि ऑडियो और वीडियो कब जमा किया जा रहा है।
कंज्यूमर Smart चश्मा बहुत कम कंट्रोल वाले माहौल में काम करता है। कोई इसे सड़क पे चलते, शॉपिंग करते, कॉफी बनाते या घर के काम करते वक्त पहन सकता है। इससे फर्स्ट-पर्सन डाटा का एक काम का स्रोत बनता है। साथ ही इसका मतलब है कि पहनने वाले के आसपास के लोग ये जाने बिना रिकॉर्डिंग में आ सकते हैं कि कोई कैमरा चालू है।
ये फर्क मायने रखता है क्योंकि इस डाटा की कीमत उसके साधारण होने से आती है। इसकी कीमत रोज़मर्रा की ज़िंदगी की छोटी-छोटी जानकारी कैप्चर करने में है।
रोबोट को क्या सीखना है
रिसर्चर कई ऐसी समस्याओं पर काम कर रहे हैं जो इंसानों को आसान लगती हैं, पर मशीनों के लिए मुश्किल हैं। एक है एपिसोडिक मेमोरी। किसी AI से पूछना कि आपने चाबियां कहां रखीं, आसान लगता है, पर सिस्टम को उस चीज़ को पहचानना होता है, समझना होता है कि वो आखिरी बार कब देखी गई थी और तब से अब तक क्या हुआ इसका हिसाब रखना होता है।
दूसरी है इंट्यूटिव फिजिक्स। अगर आप टेबल की तरफ गेंद लुढ़काते हैं, तो आपके मन में पहले से अंदाज़ा होता है कि क्या होगा। इंसान ये अनुमान सालों तक भौतिक दुनिया को देखकर बनाते हैं।
तीसरी है हाथ और चीज़ों के बीच इंटरैक्शन। जूते के फीते बांधना, शर्ट के बटन लगाना, कुछ उठाना या कपड़े का टुकड़ा संभालने के लिए मशीन को ऐसी चीज़ों से निपटना होता है जो मुड़ सकती हैं और अपनी शक्ल बदल सकती हैं। ये ऐसी स्थितियां हैं जिन्हें फर्स्ट-पर्सन रिकॉर्डिंग कैप्चर कर सकती है।
72 घंटे के टेस्ट में आम गतिविधियां इन रिसर्च समस्याओं से हैरान करने वाली हद तक मेल खाती रहीं। गाड़ी चलाने में ये अनुमान लगाना शामिल था कि चीज़ें अंतरिक्ष में कैसे चलती हैं। बोतल उठाने या अंडा फोड़ने में हाथ और चीज़ों का इंटरैक्शन शामिल था। अंडे को काउंटर से लुढ़कते देखने में इंट्यूटिव फिजिक्स शामिल थी। चाबियां कहां छूटीं ये पूछना एक एपिसोडिक मेमोरी वाला काम था।
बात ये नहीं है कि हर साधारण रिकॉर्डिंग तुरंत काम का ट्रेनिंग डाटा बन जाती है। बात ये है कि आम इंसानी गतिविधि में वो उदाहरण मौजूद हैं जो एम्बॉडीड AI को चाहिए।
Meta का चश्मा क्या कैप्चर कर सकता है
Meta का कहना है कि Ray-Ban Meta चश्मा AI ट्रेनिंग के लिए पहनने वाले के आसपास की हर चीज़ लगातार रिकॉर्ड नहीं करता। कंपनी के मुताबिक, उसके AI को ट्रेन करने के लिए इस्तेमाल होने वाले और इंसानों द्वारा संभवतः जांचे जाने वाले डाटा में वो बोली जाने वाली कमांड और वीडियो शामिल हैं जो तब कैप्चर होते हैं जब कोई उपयोगकर्ता AI से कुछ करने को कहता है।
जब AI को ये समझना होता है कि कैमरा क्या देख रहा है, तो जुड़ा फुटेज प्रोसेसिंग के लिए Meta के सर्वर पर भेजा जा सकता है। इसके बाद कंपनी उस जानकारी का इस्तेमाल अपने AI सिस्टम सुधारने के लिए कर सकती है। कोई इंसान चश्मे से किसी चीज़, स्थान, काम या अपने सामने हो रही किसी बात के बारे में पूछ सकता है, जिससे उन इंटरैक्शन का फर्स्ट-पर्सन नज़रिए से रिकॉर्ड बनता है।
Meta ने Live AI भी पेश किया है, जिससे आम वेक फ्रेज़ की ज़रूरत के बिना असिस्टेंट उपलब्ध रहता है। इससे चश्मा रियल-टाइम असिस्टेंट के तौर पर ज़्यादा काम का बनता है, और साथ ही वो समय भी बढ़ जाता है जिसमें उसका कैमरा और माइक्रोफोन चालू रह सकते हैं।
एक और निजता की समस्या है जिसे सेटिंग से हल करना ज़्यादा मुश्किल है। पहनने वाला डिवाइस कंट्रोल करता है, पर उसके आसपास के सब लोग नहीं। टेस्ट के दौरान जांची गई सामग्री में चेहरे धुंधले किए गए थे, पर पहनने वाले के आसपास के लोगों को पता नहीं था कि उनकी रिकॉर्डिंग हो रही है। ये Meta के Project Aria रिसर्च प्रोसेस से अलग है, जहां भाग लेने वाले और कुछ खास निजी माहौल में मौजूद लोग साफ सहमति की शर्तों के दायरे में आते हैं।
Meta की रोबोटिक्स प्लैन की ओर क्या इशारा करता है
ये विचार कि Meta रोबोट बनाने में मदद के लिए पहनने वाले डिवाइस का डाटा इस्तेमाल कर सकता है, अब भी कंपनी की व्यापक रणनीति के बारे में एक अनुमान है, न कि ऐसी बात जो अकेले चश्मा साबित करता है। हालांकि, इसके पीछे कई सबूत हैं।
फरवरी 2025 में Meta ने Reality Labs के भीतर एक ह्यूमनॉइड रोबोटिक्स डिवीज़न बनाया, वही व्यापक संगठन जो उसके Smart चश्मे के लिए ज़िम्मेदार है। मई 2026 में Meta ने Assured Robot Intelligence का अधिग्रहण भी किया, जो Lerrel Pinto द्वारा सह-स्थापित एक रोबोटिक्स लैब है।
Meta ने ये भी कहा है कि वो अपनी तकनीक को ह्यूमनॉइड रोबोट के लिए सॉफ्टवेयर लेयर के तौर पर काम कराना चाहता है। उसकी रिसर्च पहले ही ये पढ़ चुकी है कि एगोसेंट्रिक रिकॉर्डिंग रोबोट को शारीरिक काम सीखने में कैसे मदद कर सकती हैं। इससे चश्मा AI असिस्टेंट की अपनी भूमिका से आगे भी मायने रखता है। ये कैमरा, माइक्रोफोन और AI को ऐसे डिवाइस में डालता है जिसे लोग दिनभर पहन सकते हैं।
Meta के अगली पीढ़ी के पहनने वाले प्रोटोटाइप को ज़्यादा लगातार सेंसिंग और बेहतर ऑब्जेक्ट ट्रैकिंग की ओर बढ़ता बताया जा रहा है। ये क्षमताएं इस बारे में ज़्यादा काम का डाटा दे सकती हैं कि लोग भौतिक दुनिया से कैसे इंटरैक्ट करते हैं।
इनमें से कुछ भी ये साबित नहीं करता कि Meta रोबोट की फौज बनाने के लिए चुपके से अपने ग्राहकों की ज़िंदगी का हर पल जमा कर रहा है। ये ज़रूर दिखाता है कि AI और रोबोटिक्स दोनों में भारी निवेश करने वाली कंपनी के लिए फर्स्ट-पर्सन पहनने वाले डाटा रणनीतिक तौर पर कीमती क्यों हो सकता है।
इससे भी बड़ा सवाल
Smart चश्मा AI को ज़्यादा काम का बनाता है क्योंकि ये उसे हमारे आसपास की दुनिया तक एक्सेस देता है। यही क्षमता इसे उन AI असिस्टेंट से अलग बनाती है जिनके लोग आदी हैं। सवाल ये है कि ये तय कौन करेगा कि डाटा का ये तेज़ी से निजी होता स्रोत कैसे जमा, प्रोसेस और इस्तेमाल किया जाएगा।
जैसे-जैसे AI स्क्रीन से निकलकर भौतिक दुनिया में आता है, फर्स्ट-पर्सन डाटा और कीमती होता जाता है।
इससे ये समझना और भी ज़रूरी हो जाता है कि कोई डिवाइस क्या देख, सुन, सेव और बाहर भेज सकता है।
