Smarta glasögon kan se ut som en enkel konsumentprodukt: en kamera på ansiktet, högtalare i öronen och en AI-assistent som kan svara på frågor om det du ser. Men samma enhet kan ge ett AI-system något som det alltid har saknat: en förstapersonsvy av människors vardagliga liv.

Det spelar roll eftersom det är stor skillnad mellan att lära AI att skriva eller generera bilder och att lära en maskin att röra sig i den fysiska världen. En robot behöver förstå var föremål finns, vad som händer när de rör sig och hur händer samverkar med saker som böjs, går sönder, spills ut eller ändrar form.

Meta har i flera år forskat på bärbara enheter som fångar upp den här typen av information. Företagets Ray-Ban Meta-glasögon för in en del av tekniken i en konsumentprodukt, vilket ger företaget åtkomst till data som uppstår vid vanliga aktiviteter.

Ett 72 timmar långt test av glasögonen, där AI-funktionerna användes under hela dagen och tillhörande data begärdes ut, gav en inblick i varför förstapersonsinspelningar kan vara värdefulla för att träna AI och varför integritet blir allt svårare att skilja från tekniken i sig.

Hur AI lär sig av den verkliga världen

Stora språkmodeller lär sig av enorma samlingar skrivet material. Det fungerar bra för system som bygger på språk, men text kan inte fullt ut beskriva hur människor gör saker som att röra sig i ett kök, plocka upp en flaska, knäcka ett ägg eller hitta sina nycklar.

Människor lär sig sådant genom många års sinnesintryck. Metas tidigare chefsforskare inom AI, Yann LeCun, har hävdat att ett barn vid fyra års ålder har sett 50 gånger mer data än även de största språkmodellerna. Hans vidare poäng är att maskiner behöver rikare sensoriska intryck om de ska kunna förstå den fysiska världen.

För en robot innebär det att lära sig av mer än instruktioner. Den behöver data om vad människor faktiskt gör, inklusive de små variationer som är svåra att beskriva i ord. Att någon diskar kan till exempel verka alldagligt. Men när filmen väl har etiketterats och annoterats kan den visa ett AI-system var föremål finns, hur händer rör sig och vad som händer när något oväntat inträffar.

Den typen av träningsdata är svår att samla in i stor skala. En bärbar kamera är en möjlig lösning eftersom den kan fånga världen ur samma perspektiv som personen som utför uppgiften. Som LeCun uttrycker det: ”Den behöver ögon”.

Varför Meta använder smarta glasögon

Meta har arbetat med problemet i flera år genom Project Aria(nytt fönster), ett forskningsprogram uppbyggt kring bärbara datorer i glasögonformat. Forskningsenheterna använder kameror och andra sensorer för att studera hur människor samverkar med världen.

Project Aria visar också hur olika förväntningarna på integritet kan vara inom forskning och konsumentanvändning. I Metas publicerade riktlinjer står det att forskningsdeltagare utbildas i lämplig inspelningspraxis, att personer i privata hem måste samtycka och att en synlig ljussignal visar när ljud och video spelas in.

Konsumentversioner av smarta glasögon används i en mycket mindre kontrollerad miljö. Man kan ha dem på sig när man går på gatan, handlar, brygger kaffe eller utför hushållssysslor. Det skapar en användbar källa till förstapersonsdata. Det innebär också att personer runt den som bär glasögonen kan hamna i inspelningar utan att veta att en kamera är aktiv.

Skillnaden spelar roll eftersom värdet i dessa data kommer från det vardagliga. Värdet ligger i att fånga de små detaljerna i vardagen.

Vad robotar behöver lära sig

Forskare arbetar med flera problem som verkar enkla för människor men är svåra för maskiner. Ett är episodiskt minne. Att fråga en AI var du lämnade nycklarna låter enkelt, men systemet måste känna igen föremålet, förstå när det senast sågs och hålla reda på vad som hände däremellan.

Ett annat är intuitiv fysik. Om du rullar en boll mot ett bord har du redan en förväntan på vad som kommer att hända. Människor utvecklar dessa förutsägelser genom många års observation av den fysiska världen.

Det tredje handlar om samspel mellan händer och föremål. Att knyta skosnören, knäppa en skjorta, plocka upp något eller hantera en tygbit kräver att en maskin kan hantera föremål som kan böjas och deformeras. Det är den typen av situationer som förstapersonsinspelningar kan fånga.

Under 72-timmarstestet motsvarade vanliga aktiviteter förvånansvärt väl dessa forskningsproblem. Bilkörning handlade om att förutsäga hur föremål rör sig i rummet. Att plocka upp en flaska eller knäcka ett ägg handlade om samspelet mellan händer och föremål. Att se ett ägg rulla av en bänkskiva handlade om intuitiv fysik. Att fråga var nycklarna hade lämnats var en uppgift för episodiskt minne.

Poängen är inte att varje alldaglig inspelning omedelbart blir användbar träningsdata. Poängen är att vanlig mänsklig aktivitet innehåller de exempel som förkroppsligad AI behöver.

Vad Metas glasögon kan fånga

Meta uppger att Ray-Ban Meta-glasögonen inte kontinuerligt spelar in allt runt den som bär dem för AI-träning. Enligt företaget omfattar de data som används för att träna AI:n och som potentiellt granskas av människor de röstkommandon och den video som fångas när en användare ber AI:n att göra något.

När AI:n behöver analysera vad kameran ser kan det relevanta materialet skickas till Metas servrar för bearbetning. Företaget kan sedan använda informationen för att förbättra sina AI-system. Man kan fråga glasögonen om ett föremål, en plats, en uppgift eller något som händer framför en, vilket skapar en dokumentation av dessa interaktioner ur ett förstapersonsperspektiv.

Meta har också lanserat Live AI, som gör assistenten tillgänglig utan att den vanliga aktiveringsfrasen krävs. Det gör glasögonen mer användbara som assistent i realtid, samtidigt som det ökar den tid då deras kamera och mikrofon kan vara aktiva.

Det finns ett annat integritetsproblem som är svårare att lösa via inställningar. Den som bär enheten har kontroll, men det har inte alla omkring dem. Under testet suddades ansikten i materialet som granskades, men personer runt den som bar glasögonen visste inte att de spelades in. Det skiljer sig från Metas forskningsprocess i Project Aria, där deltagare och personer i vissa privata miljöer omfattas av uttryckliga samtyckeskrav.

Vad som tyder på Metas robotikplaner

Idén att Meta skulle kunna använda bärbara data för att bygga robotar är fortfarande en hypotes om företagets övergripande strategi, snarare än något som glasögonen i sig bevisar. Det finns dock flera belägg som talar för den.

I februari 2025 skapade Meta en robotikdivision för humanoida robotar inom Reality Labs, samma övergripande organisation som ansvarar för företagets smarta glasögon. I maj 2026 förvärvade Meta även Assured Robot Intelligence, ett robotiklabb som medgrundats av Lerrel Pinto.

Meta har också sagt att företaget vill att tekniken ska fungera som mjukvarulagret för humanoida robotar. Forskningen har redan undersökt hur egocentriska inspelningar kan hjälpa robotar att lära sig fysiska uppgifter. Det gör glasögonen relevanta även utanför rollen som AI-assistent. De samlar kameror, mikrofoner och AI i en enhet som man kan bära hela dagen.

Metas prototyper för nästa generation bärbara enheter beskrivs röra sig mot mer kontinuerlig avkänning och starkare objektspårning. Sådana funktioner skulle kunna ge mer användbara data om hur människor samverkar med den fysiska världen.

Inget av detta visar att Meta i hemlighet samlar in varje ögonblick av sina kunders liv för att bygga en armé av robotar. Det visar däremot varför förstapersonsdata från bärbara enheter skulle kunna vara strategiskt värdefullt för ett företag som satsar stort på både AI och robotik.

Den större frågan

Smarta glasögon gör AI mer användbart genom att ge AI:n åtkomst till världen omkring oss. Samma förmåga gör dem annorlunda än de AI-assistenter som de flesta är vana vid. Frågan är vem som får bestämma hur denna allt mer personliga datakälla samlas in, bearbetas och används.

När AI rör sig från skärmen ut i den fysiska världen blir förstapersonsdata allt mer värdefulla.

Det gör det allt viktigare att förstå vad en enhet kan se, höra, lagra och skicka iväg.