Smart glasses kunnen lijken op een eenvoudig consumentengadget: een camera op uw gezicht, luidsprekers in uw oren en een AI-assistent die vragen kan beantwoorden over wat u ziet. Maar hetzelfde apparaat kan een AI-systeem iets geven dat het altijd heeft gemist: een perspectief van de eerste persoon op het dagelijks menselijk leven.

Dat is belangrijk omdat AI leren schrijven of afbeeldingen genereren heel anders is dan een machine leren bewegen door de fysieke wereld. Een robot moet begrijpen waar objecten zich bevinden, wat er gebeurt als ze bewegen en hoe handen omgaan met dingen die buigen, breken, morsen of van vorm veranderen.

Meta heeft jaren onderzoek gedaan naar draagbare apparaten die dit soort informatie vastleggen. De Ray-Ban Meta-brillen stoppen een deel van die technologie in een consumentenproduct, waardoor het bedrijf toegang krijgt tot data die tijdens gewone activiteiten wordt gegenereerd.

Een test van 72 uur met de bril, waarbij de AI-functies de hele dag werden gebruikt en de bijbehorende data werden opgevraagd, gaf een inkijkje in waarom opnames vanuit de eerste persoon waardevol kunnen zijn voor het trainen van AI, en waarom privacy steeds moeilijker te scheiden valt van de technologie zelf.

Hoe AI leert van de echte wereld

Grote taalmodellen leren van enorme verzamelingen geschreven materiaal. Dat werkt goed voor systemen die rond taal zijn gebouwd, maar tekst kan niet volledig beschrijven hoe mensen dingen doen zoals door een keuken bewegen, een fles oppakken, een ei breken of hun sleutels vinden.

Mensen leren die dingen door jarenlange zintuiglijke ervaring. Meta’s voormalige hoofdwetenschapper AI Yann LeCun heeft betoogd dat een kind op vierjarige leeftijd 50 keer meer data heeft gezien dan zelfs de grootste taalmodellen. Zijn bredere punt is dat machines rijkere zintuiglijke invoer nodig hebben als ze de fysieke wereld willen begrijpen.

Voor een robot betekent dat leren van meer dan instructies. De robot heeft data nodig over wat mensen daadwerkelijk doen, inclusief de kleine variaties die moeilijk in woorden te beschrijven zijn. Zo kan iemand die de afwas doet alledaags lijken. Maar zodra die beelden van een label en aantekeningen zijn voorzien, kunnen ze een AI-systeem tonen waar objecten zich bevinden, hoe handen bewegen en wat er gebeurt als iets onverwachts optreedt.

Dat soort trainingsdata is moeilijk op grote schaal te verzamelen. Een draagbare camera biedt een mogelijke oplossing, omdat deze de wereld kan vastleggen vanuit hetzelfde perspectief als de persoon die de taak uitvoert. Zoals LeCun’s argument luidt: “Het heeft ogen nodig.”

Waarom Meta smart glasses gebruikt

Meta werkt al jaren aan dit probleem via Project Aria(nieuw venster), een onderzoeksprogramma rond draagbare computers in een brilvorm. De onderzoeksapparaten gebruiken camera’s en andere sensoren om te bestuderen hoe mensen met de wereld omgaan.

Project Aria toont ook hoe verschillend de privacyverwachtingen kunnen zijn tussen onderzoek en consumentengebruik. In de gepubliceerde richtlijnen van Meta staat dat onderzoeksdeelnemers worden getraind in passende registratiepraktijken, dat mensen in privéwoningen toestemming moeten geven en dat een zichtbaar lichtje aangeeft wanneer audio en video worden verzameld.

Smart glasses voor consumenten werken in een veel minder gecontroleerde omgeving. Iemand kan ze dragen tijdens het lopen over straat, winkelen, koffiezetten of huishoudelijke klusjes. Dat creëert een nuttige bron van data vanuit de eerste persoon. Het betekent ook dat mensen rond de drager in opnames kunnen voorkomen zonder te weten dat een camera actief is.

Het onderscheid is belangrijk omdat de waarde van deze data voortkomt uit het alledaagse karakter ervan. De waarde zit erin dat de kleine details van het dagelijks leven worden vastgelegd.

Wat robots moeten leren

Onderzoekers werken aan verschillende problemen die voor mensen eenvoudig lijken, maar voor machines moeilijk zijn. Een daarvan is episodisch geheugen. Een AI vragen waar u uw sleutels hebt gelaten klinkt eenvoudig, maar het systeem moet het object herkennen, begrijpen wanneer het voor het laatst is gezien en bijhouden wat er tussen dat moment en nu is gebeurd.

Een ander is intuïtieve natuurkunde. Als u een bal naar een tafel rolt, hebt u al een verwachting van wat er zal gebeuren. Mensen ontwikkelen deze voorspellingen door jarenlang de fysieke wereld te observeren.

De derde betreft interacties tussen hand en object. Schoenen strikken, een overhemd dichtknopen, iets oppakken of een stuk stof hanteren vereisen allemaal dat een machine omgaat met objecten die kunnen buigen en vervormen. Dat zijn de soorten situaties die opnames vanuit de eerste persoon kunnen vastleggen.

Tijdens de test van 72 uur sloten gewone activiteiten verrassend goed aan bij deze onderzoeksproblemen. Autorijden ging over het voorspellen hoe objecten door de ruimte bewegen. Een fles oppakken of een ei breken ging over hand-objectinteractie. Kijken hoe een ei van het aanrecht rolt ging over intuïtieve natuurkunde. Vragen waar de sleutels waren gelaten was een taak voor episodisch geheugen.

Het punt is niet dat elke alledaagse opname onmiddellijk nuttige trainingsdata wordt. Het is dat gewone menselijke activiteit de voorbeelden bevat die belichaamde AI nodig heeft.

Wat Meta’s bril kan vastleggen

Meta zegt dat Ray-Ban Meta-brillen niet continu alles rond de drager opnemen voor AI-training. Volgens het bedrijf omvatten de data die worden gebruikt om zijn AI te trainen en mogelijk door mensen worden beoordeeld, de stemcommando’s en video die worden vastgelegd wanneer een gebruiker de AI vraagt iets te doen.

Wanneer de AI moet analyseren wat de camera ziet, kan het relevante beeldmateriaal naar de servers van Meta worden verzonden voor verwerking. Het bedrijf kan die informatie vervolgens gebruiken om zijn AI-systemen te verbeteren. Iemand kan de bril vragen stellen over een object, een locatie, een taak of iets dat voor die persoon gebeurt, waardoor een registratie van die interacties vanuit het perspectief van de eerste persoon ontstaat.

Meta heeft ook Live AI geïntroduceerd, waardoor de assistent beschikbaar is zonder de gebruikelijke wekzin. Dat maakt de bril nuttiger als realtime-assistent, maar verhoogt ook de tijd waarin de camera en microfoon actief kunnen zijn.

Er is nog een privacyprobleem dat moeilijker via instellingen is op te lossen. De drager beheert het apparaat, maar de mensen om de drager heen niet. Tijdens de test waren gezichten vervaagd in het beoordeelde materiaal, maar mensen rond de drager wisten niet dat ze werden opgenomen. Dat verschilt van Meta’s Project Aria-onderzoeksproces, waar deelnemers en mensen in bepaalde privéomgevingen aan expliciete toestemmingsvereisten zijn onderworpen.

Wat wijst op Meta’s robotplannen

Het idee dat Meta data van draagbare apparaten zou kunnen gebruiken om robots te helpen bouwen, is nog steeds een hypothese over de bredere strategie van het bedrijf, en niet iets wat de bril alleen bewijst. Er zijn echter verschillende aanwijzingen die dit ondersteunen.

In februari 2025 richtte Meta een divisie voor humanoïde robotica op binnen Reality Labs, dezelfde bredere organisatie die verantwoordelijk is voor zijn smart glasses. In mei 2026 nam Meta ook Assured Robot Intelligence over, een roboticalab dat mede is opgericht door Lerrel Pinto.

Meta heeft ook gezegd dat het zijn technologie wil laten dienen als de softwarelaag voor humanoïde robots. In zijn onderzoek is al verkend hoe egocentrische opnames robots kunnen helpen fysieke taken te leren. Dat maakt de bril relevant buiten zijn functie als AI-assistent. De bril bevat camera’s, microfoons en AI in een apparaat dat mensen de hele dag kunnen dragen.

Meta’s draagbare prototypes van de volgende generatie worden beschreven als een beweging naar meer continue waarneming en nauwkeurigere objecttracking. Die mogelijkheden kunnen nuttigere data opleveren over hoe mensen met de fysieke wereld omgaan.

Niets hiervan bewijst dat Meta in het geheim elk moment van het leven van zijn klanten verzamelt om een leger robots te bouwen. Het toont wel waarom data vanuit de eerste persoon van draagbare apparaten strategisch waardevol kan zijn voor een bedrijf dat zwaar investeert in zowel AI als robotica.

De grotere vraag

Smart glasses maken AI nuttiger omdat ze AI toegang geven tot de wereld om ons heen. Diezelfde mogelijkheid maakt ze anders dan de AI-assistenten die de meeste mensen gewend zijn. De vraag is wie mag beslissen hoe deze steeds persoonlijkere databron wordt verzameld, verwerkt en gebruikt.

Naarmate AI van het scherm naar de fysieke wereld beweegt, wordt data vanuit de eerste persoon waardevoller.

Dat maakt het steeds belangrijker om te begrijpen wat een apparaat kan zien, horen, opslaan en verzenden.