Kacamata pintar mungkin terlihat seperti gawai konsumen sederhana: kamera di wajah Anda, pengeras suara di telinga, dan asisten AI yang dapat menjawab pertanyaan tentang apa yang Anda lihat. Namun perangkat yang sama dapat memberi sistem AI sesuatu yang selama ini tidak dimilikinya: sudut pandang orang pertama atas kehidupan manusia sehari-hari.

Hal itu penting karena mengajari AI menulis atau membuat gambar sangat berbeda dari mengajari mesin bergerak di dunia fisik. Robot perlu memahami di mana objek berada, apa yang terjadi saat objek bergerak, dan bagaimana tangan berinteraksi dengan benda yang melengkung, pecah, tumpah, atau berubah bentuk.

Meta telah menghabiskan bertahun-tahun meneliti perangkat yang dapat dikenakan yang menangkap informasi semacam ini. Kacamata Ray-Ban Meta tersebut menempatkan sebagian teknologi itu ke dalam produk konsumen, memberi perusahaan akses ke data yang dihasilkan selama aktivitas biasa.

Uji selama 72 jam terhadap kacamata tersebut, dengan menggunakan fitur AI-nya sepanjang hari dan meminta data terkait, memberi gambaran tentang mengapa rekaman orang pertama dapat bernilai untuk melatih AI, dan mengapa privasi menjadi lebih sulit dipisahkan dari teknologi itu sendiri.

Bagaimana AI belajar dari dunia nyata

Model bahasa besar belajar dari kumpulan materi tertulis yang sangat besar. Hal itu berfungsi baik untuk sistem yang dibangun di sekitar bahasa, tetapi teks tidak dapat sepenuhnya menggambarkan bagaimana orang melakukan hal-hal seperti bergerak di dapur, mengambil botol, memecahkan telur, atau menemukan kunci mereka.

Manusia mempelajari hal-hal itu melalui pengalaman indra selama bertahun-tahun. Mantan ilmuwan AI utama Meta, Yann LeCun, berpendapat bahwa pada usia empat tahun, seorang anak telah melihat data 50 kali lebih banyak daripada model bahasa terbesar sekalipun. Intinya yang lebih luas adalah bahwa mesin membutuhkan input sensorik yang lebih kaya jika ingin memahami dunia fisik.

Bagi robot, itu berarti belajar dari lebih dari sekadar instruksi. Robot membutuhkan data tentang apa yang sebenarnya dilakukan orang, termasuk variasi kecil yang sulit dijelaskan dengan kata-kata. Misalnya, seseorang yang mencuci piring mungkin tampak biasa. Namun setelah rekaman itu dilabeli dan dianotasi, rekaman tersebut dapat menunjukkan kepada sistem AI di mana objek berada, bagaimana tangan bergerak, dan apa yang terjadi ketika sesuatu yang tak terduga muncul.

Data pelatihan semacam itu sulit dikumpulkan dalam skala besar. Kamera yang dapat dikenakan menawarkan satu solusi yang mungkin karena dapat menangkap dunia dari sudut pandang yang sama dengan orang yang melakukan tugas. Seperti yang dikemukakan LeCun, “Ia membutuhkan mata.”

Mengapa Meta menggunakan kacamata pintar

Meta telah menangani masalah ini selama bertahun-tahun melalui Project Aria(jendela baru), program riset yang dibangun di sekitar komputer yang dapat dikenakan dalam bentuk kacamata. Perangkat riset tersebut menggunakan kamera dan sensor lain untuk mempelajari bagaimana orang berinteraksi dengan dunia.

Project Aria juga menunjukkan betapa berbeda ekspektasi privasi antara penggunaan riset dan konsumen. Pedoman yang diterbitkan Meta menyatakan bahwa peserta riset dilatih tentang praktik perekaman yang sesuai, orang di rumah pribadi harus memberi persetujuan, dan cahaya yang terlihat menunjukkan kapan audio dan video sedang dikumpulkan.

Kacamata pintar konsumen beroperasi di lingkungan yang jauh lebih tidak terkendali. Seseorang dapat memakainya saat berjalan di jalan, berbelanja, membuat kopi, atau mengerjakan pekerjaan rumah tangga. Hal itu menciptakan sumber data orang pertama yang berguna. Ini juga berarti orang-orang di sekitar pemakainya dapat muncul dalam rekaman tanpa mengetahui bahwa kamera sedang aktif.

Perbedaan itu penting karena nilai data ini berasal dari sifatnya yang biasa. Nilainya berasal dari menangkap rincian kecil kehidupan sehari-hari.

Apa yang perlu dipelajari robot

Peneliti sedang mengerjakan beberapa masalah yang tampak sederhana bagi manusia tetapi sulit bagi mesin. Salah satunya adalah memori episodik. Menanyakan kepada AI di mana Anda meninggalkan kunci terdengar mudah, tetapi sistem harus mengenali objek tersebut, memahami kapan terakhir kali objek itu terlihat, dan melacak apa yang terjadi sejak saat itu hingga sekarang.

Lainnya adalah fisika intuitif. Jika Anda menggelindingkan bola ke arah meja, Anda sudah punya perkiraan tentang apa yang akan terjadi. Manusia mengembangkan prediksi ini melalui bertahun-tahun mengamati dunia fisik.

Yang ketiga melibatkan interaksi tangan dengan objek. Mengikat tali sepatu, mengancingkan kemeja, mengambil sesuatu, atau menangani sepotong kain semuanya menuntut mesin untuk menangani objek yang dapat melengkung dan berubah bentuk. Itulah jenis situasi yang dapat ditangkap oleh rekaman orang pertama.

Selama uji 72 jam, aktivitas biasa ternyata sangat cocok dengan masalah riset ini. Mengemudi melibatkan prediksi bagaimana objek bergerak di ruang. Mengambil botol atau memecahkan telur melibatkan interaksi tangan dengan objek. Melihat telur menggelinding dari meja melibatkan fisika intuitif. Menanyakan di mana kunci ditinggalkan adalah tugas memori episodik.

Intinya bukan bahwa setiap rekaman biasa langsung menjadi data pelatihan yang berguna. Intinya adalah aktivitas manusia biasa mengandung contoh-contoh yang dibutuhkan AI berwujud.

Apa yang dapat ditangkap kacamata Meta

Meta mengatakan kacamata Ray-Ban Meta tidak terus-menerus merekam segala sesuatu di sekitar pemakainya untuk pelatihan AI. Menurut perusahaan, data yang digunakan untuk melatih AI dan berpotensi ditinjau manusia mencakup perintah suara dan video yang diambil saat pengguna meminta AI melakukan sesuatu.

Saat AI perlu menganalisis apa yang dilihat kamera, rekaman yang relevan dapat dikirim ke server Meta untuk diproses. Perusahaan kemudian dapat menggunakan informasi itu untuk meningkatkan sistem AI-nya. Seseorang dapat bertanya kepada kacamata tentang suatu objek, lokasi, tugas, atau sesuatu yang terjadi di depan mereka, sehingga menciptakan catatan interaksi tersebut dari sudut pandang orang pertama.

Meta juga telah memperkenalkan Live AI, yang membuat asisten tersedia tanpa memerlukan frasa pemicu yang biasa. Hal itu membuat kacamata lebih berguna sebagai asisten waktu nyata, sekaligus meningkatkan jumlah waktu ketika kamera dan mikrofonnya dapat aktif.

Ada masalah privasi lain yang lebih sulit diatasi melalui pengaturan. Pemakai mengendalikan perangkat, tetapi orang-orang di sekitarnya tidak. Selama pengujian, wajah diburamkan dalam materi yang ditinjau, tetapi orang-orang di sekitar pemakai tidak tahu bahwa mereka sedang direkam. Hal ini berbeda dari proses riset Project Aria Meta, di mana peserta dan orang di lingkungan pribadi tertentu menjadi subjek persyaratan persetujuan eksplisit.

Apa yang menunjukkan rencana robotika Meta

Gagasan bahwa Meta dapat menggunakan data perangkat yang dapat dikenakan untuk membantu membangun robot masih merupakan hipotesis tentang strategi perusahaan yang lebih luas, bukan sesuatu yang dibuktikan oleh kacamata saja. Namun, ada beberapa bukti yang mendukungnya.

Pada Februari 2025, Meta membentuk divisi robotika humanoid di dalam Reality Labs, organisasi yang lebih luas yang sama yang bertanggung jawab atas kacamata pintarnya. Pada Mei 2026, Meta juga mengakuisisi Assured Robot Intelligence, laboratorium robotika yang didirikan bersama oleh Lerrel Pinto.

Meta juga mengatakan ingin teknologinya berfungsi sebagai lapisan perangkat lunak untuk robot humanoid. Risetnya telah mengeksplorasi bagaimana rekaman egosentris dapat membantu robot mempelajari tugas fisik. Hal itu membuat kacamata ini relevan di luar perannya sebagai asisten AI. Kacamata ini menempatkan kamera, mikrofon, dan AI ke dalam perangkat yang dapat dipakai orang sepanjang hari.

Prototipe perangkat yang dapat dikenakan generasi berikutnya dari Meta digambarkan bergerak menuju pengindraan yang lebih berkelanjutan dan pelacakan objek yang lebih kuat. Kemampuan tersebut dapat menghasilkan data yang lebih berguna tentang bagaimana orang berinteraksi dengan dunia fisik.

Tidak ada dari semua ini yang membuktikan bahwa Meta diam-diam mengumpulkan setiap momen kehidupan pelanggannya untuk membangun pasukan robot. Namun hal ini menunjukkan mengapa data perangkat yang dapat dikenakan orang pertama dapat bernilai secara strategis bagi perusahaan yang berinvestasi besar di AI dan robotika.

Pertanyaan yang lebih besar

Kacamata pintar membuat AI lebih berguna karena memberi AI akses ke dunia di sekitar kita. Kemampuan yang sama membuatnya berbeda dari asisten AI yang biasa digunakan banyak orang. Pertanyaannya adalah siapa yang berhak memutuskan bagaimana sumber data yang semakin personal ini dikumpulkan, diproses, dan digunakan.

Saat AI berpindah dari layar ke dunia fisik, data orang pertama menjadi lebih bernilai.

Hal itu membuat semakin penting untuk memahami apa yang dapat dilihat, didengar, disimpan, dan dikirim oleh perangkat.