Smart okulary mogą wyglądać jak prosty gadżet konsumencki: kamera na twarzy, głośniki w uszach i asystent AI, który potrafi odpowiadać na pytania o to, co widzisz. To samo urządzenie może jednak dać systemowi AI coś, czego zawsze mu brakowało: widok z perspektywy pierwszej osoby na codzienne życie człowieka.

Ma to znaczenie, ponieważ uczenie AI pisania czy generowania obrazów bardzo różni się od uczenia maszyny poruszania się w świecie fizycznym. Robot musi rozumieć, gdzie znajdują się obiekty, co się dzieje, gdy się poruszają, oraz jak dłonie wchodzą w interakcję z rzeczami, które się zginają, łamią, rozlewają lub zmieniają kształt.

Meta od lat prowadzi badania nad urządzeniami noszonymi, które rejestrują tego rodzaju informacje. Jej okulary Ray-Ban Meta przenoszą część tej technologii do produktu konsumenckiego, dając firmie dostęp do danych generowanych podczas zwykłych czynności.

72-godzinny test okularów, podczas którego korzystano z ich funkcji AI przez cały dzień i poproszono o powiązane dane, pozwolił dostrzec, dlaczego nagrania z perspektywy pierwszej osoby mogą być cenne dla trenowania AI i dlaczego prywatność coraz trudniej oddzielić od samej technologii.

Jak AI uczy się z rzeczywistego świata

Duże modele językowe uczą się na ogromnych zbiorach materiałów pisanych. To sprawdza się w systemach zbudowanych wokół języka, ale tekst nie potrafi w pełni opisać, jak ludzie wykonują takie czynności, jak poruszanie się po kuchni, podnoszenie butelki, rozbijanie jajka czy szukanie kluczy.

Ludzie uczą się tych rzeczy przez lata doświadczeń zmysłowych. Były główny naukowiec Meta ds. AI, Yann LeCun, przekonywał, że zanim dziecko skończy cztery lata, widziało 50 razy więcej danych niż nawet największe modele językowe. Jego szerszy argument sprowadza się do tego, że maszyny potrzebują bogatszych danych wejściowych, jeśli mają rozumieć świat fizyczny.

Dla robota oznacza to uczenie się z czegoś więcej niż instrukcje. Potrzebuje danych o tym, co ludzie rzeczywiście robią, w tym drobnych różnic, które trudno opisać słowami. Na przykład zmywanie naczyń może wyglądać banalnie. Ale gdy taki materiał zostanie oznaczony i opisany, może pokazać systemowi AI, gdzie znajdują się obiekty, jak poruszają się dłonie i co się dzieje, gdy wydarzy się coś nieoczekiwanego.

Takie dane treningowe trudno zbierać na dużą skalę. Kamera noszona na ciele to jedno z możliwych rozwiązań, ponieważ może rejestrować świat z tej samej perspektywy co osoba wykonująca zadanie. Jak ujmuje to argument LeCuna: „Potrzebuje oczu”.

Dlaczego Meta korzysta z smart okularów

Meta od lat pracuje nad tym problemem w ramach Project Aria(nowe okno), programu badawczego opartego na komputerach noszonych w formie okularów. Urządzenia badawcze wykorzystują kamery i inne czujniki, aby badać, jak ludzie wchodzą w interakcję ze światem.

Project Aria pokazuje też, jak bardzo mogą się różnić oczekiwania dotyczące prywatności między zastosowaniami badawczymi a konsumenckimi. Opublikowane wytyczne Meta mówią, że uczestnicy badań przechodzą szkolenie z właściwych praktyk nagrywania, osoby w prywatnych domach muszą wyrazić zgodę, a widoczne światło sygnalizuje, kiedy zbierane są dźwięk i obraz.

Konsumenckie smart okulary działają w znacznie mniej kontrolowanym środowisku. Można je nosić, idąc ulicą, robiąc zakupy, parząc kawę czy wykonując domowe obowiązki. Tworzy to przydatne źródło danych z perspektywy pierwszej osoby. Oznacza to również, że osoby wokół noszącego mogą pojawić się na nagraniach, nie wiedząc, że kamera jest włączona.

To rozróżnienie ma znaczenie, ponieważ wartość tych danych wynika z ich zwyczajnego charakteru. Wartość ta pochodzi z rejestrowania drobnych szczegółów codziennego życia.

Czego roboty muszą się nauczyć

Naukowcy pracują nad kilkoma problemami, które wydają się proste dla ludzi, ale są trudne dla maszyn. Jednym z nich jest pamięć epizodyczna. Pytanie do AI o to, gdzie zostawiono klucze, brzmi łatwo, ale system musi rozpoznać obiekt i ustalić, kiedy widziano go po raz ostatni, a także śledzić, co wydarzyło się od tamtej chwili do teraz.

Innym jest intuicyjna fizyka. Jeśli potoczysz piłkę w stronę stołu, już spodziewasz się, co się stanie. Ludzie rozwijają takie przewidywania przez lata obserwowania świata fizycznego.

Trzeci dotyczy interakcji dłoni z przedmiotami. Wiązanie sznurówek, zapinanie koszuli, podnoszenie czegoś czy manipulowanie kawałkiem materiału wymagają od maszyny radzenia sobie z obiektami, które mogą się zginać i odkształcać. To właśnie takie sytuacje mogą rejestrować nagrania z perspektywy pierwszej osoby.

Podczas 72-godzinnego testu zwykłe czynności zaskakująco dobrze odpowiadały tym problemom badawczym. Prowadzenie samochodu wiązało się z przewidywaniem, jak obiekty poruszają się w przestrzeni. Podnoszenie butelki czy rozbijanie jajka wiązało się z interakcją dłoni z przedmiotami. Obserwowanie jajka spadającego z blatu wiązało się z intuicyjną fizyką. Pytanie, gdzie zostawiono klucze, było zadaniem z zakresu pamięci epizodycznej.

Nie chodzi o to, że każde codzienne nagranie od razu staje się przydatnymi danymi treningowymi. Chodzi o to, że zwykła aktywność człowieka zawiera przykłady, których potrzebuje ucieleśniona AI.

Co potrafią rejestrować okulary Meta

Meta twierdzi, że okulary Ray-Ban Meta nie rejestrują nieprzerwanie wszystkiego wokół osoby noszącej na potrzeby trenowania AI. Według firmy dane wykorzystywane do trenowania jej AI, które potencjalnie mogą być przeglądane przez ludzi, obejmują polecenia głosowe oraz nagrania wideo zarejestrowane, gdy użytkownik prosi AI o wykonanie czegoś.

Gdy AI musi przeanalizować to, co widzi kamera, odpowiedni materiał może zostać wysłany do serwerów Meta w celu przetworzenia. Firma może następnie wykorzystać te informacje do ulepszania swoich systemów AI. Można zapytać okulary o obiekt, lokalizację, zadanie czy coś, co dzieje się przed nimi, tworząc zapis tych interakcji z perspektywy pierwszej osoby.

Meta wprowadziła również Live AI, dzięki któremu asystent jest dostępny bez konieczności wypowiadania zwykłej frazy wybudzającej. Dzięki temu okulary są bardziej przydatne jako asystent działający w czasie rzeczywistym, a jednocześnie wydłuża się czas, w którym ich kamera i mikrofon mogą być aktywne.

Istnieje jeszcze inny problem związany z prywatnością, który trudniej rozwiązać za pomocą ustawień. Osoba nosząca kontroluje urządzenie, ale wszyscy wokół niej już nie. Podczas testu twarze w przeglądanym materiale zostały rozmyte, ale osoby wokół noszącego nie wiedziały, że są nagrywane. To inna sytuacja niż w procesie badawczym Project Aria firmy Meta, gdzie uczestnicy oraz osoby znajdujące się w niektórych prywatnych środowiskach podlegają wymogowi wyraźnej zgody.

Co wskazuje na plany Meta w zakresie robotyki

Pomysł, że Meta mogłaby wykorzystywać dane z urządzeń noszonych do pomocy w budowie robotów, to wciąż hipoteza dotycząca szerszej strategii firmy, a nie coś, co dowodzą same okulary. Stoi za nią jednak kilka dowodów.

W lutym 2025 roku Meta utworzyła dział robotyki humanoidalnej w ramach Reality Labs, tej samej szerszej organizacji odpowiedzialnej za jej smart okulary. W maju 2026 roku Meta przejęła również Assured Robot Intelligence, laboratorium robotyczne współzałożone przez Lerrela Pinto.

Meta mówiła też, że chce, aby jej technologia służyła jako warstwa oprogramowania dla robotów humanoidalnych. Jej badania już analizowały, jak nagrania egocentryczne mogą pomóc robotom uczyć się zadań fizycznych. To sprawia, że okulary są istotne także poza swoją rolą asystenta AI. Łączą kamery, mikrofony i AI w urządzeniu, które można nosić przez cały dzień.

Prototypy urządzeń noszonych nowej generacji firmy Meta są opisywane jako zmierzające w stronę bardziej ciągłego monitorowania i skuteczniejszego śledzenia obiektów. Te możliwości mogłyby generować bardziej przydatne dane o tym, jak ludzie wchodzą w interakcję ze światem fizycznym.

Nic z tego nie dowodzi, że Meta potajemnie zbiera każdą chwilę z życia swoich klientów, aby zbudować armię robotów. Pokazuje jednak, dlaczego dane z perspektywy pierwszej osoby z urządzeń noszonych mogą być strategicznie cenne dla firmy, która mocno inwestuje zarówno w AI, jak i w robotykę.

Szersze pytanie

Smart okulary czynią AI bardziej przydatną, ponieważ dają jej dostęp do świata wokół nas. Ta sama zdolność odróżnia je od asystentów AI, do których przywykła większość ludzi. Pytanie brzmi, kto decyduje o tym, jak to coraz bardziej osobiste źródło danych jest zbierane, przetwarzane i wykorzystywane.

Gdy AI przenosi się z ekranu do świata fizycznego, dane z perspektywy pierwszej osoby stają się cenniejsze.

To sprawia, że coraz ważniejsze staje się zrozumienie, co urządzenie może widzieć, słyszeć, przechowywać i wysyłać dalej.