Meta 的智慧眼鏡正在為機器人訓練 AI 嗎？

智慧眼鏡看起來可能只是單純的消費性裝置：臉上的相機、耳裡的喇叭，以及能回答你所見事物相關問題的 AI 助理。但同樣的裝置，卻能為 AI 系統帶來它始終缺乏的東西：以第一人稱視角觀察人類日常生活的途徑。

這一點很重要，因為教 AI 寫作或生成圖像，與教機器在實體世界中移動截然不同。機器人需要理解物體在哪裡、它們移動時會發生什麼事，以及手如何與會彎曲、破裂、溢出或改變形狀的東西互動。

Meta 花了數年研究能捕捉這類資訊的穿戴式裝置。其 Ray-Ban Meta 眼鏡將部分技術導入消費性產品，讓該公司得以存取日常活動中產生的資料。

一場為期 72 小時的眼鏡測試，整天使用其 AI 功能並索取相關資料，讓人得以一窺為何第一人稱錄影對訓練 AI 具有價值，以及為何隱私越來越難以與技術本身切割。

AI 如何從真實世界學習

大型語言模型從龐大的書面資料中學習。這對以語言為核心的系統運作良好，但文字無法完整描述人們如何做某些事，例如在廚房裡走動、拿起瓶子、打蛋或找到鑰匙。

人類透過多年的感官經驗學會這些事。Meta 前首席 AI 科學家 Yann LeCun 主張，孩童到四歲時所看過的資料量，已是最大型語言模型的 50 倍。他更廣泛的論點是：機器若要理解實體世界，就需要更豐富的感官輸入。

對機器人而言，這意味著學習不能只靠指令。它需要關於人們實際行為的資料，包括難以用言語描述的小變化。舉例來說，某人洗碗的畫面或許看似平淡無奇。但一旦這些影片經過標籤與註記，就能向 AI 系統顯示物體的位置、手的移動方式，以及發生突發狀況時會有什麼結果。

這類訓練資料難以大規模蒐集。穿戴式相機提供了一種可能的解決方案，因為它能以執行任務者相同的視角捕捉世界。正如 LeCun 的論點所言：「它需要眼睛。」

Meta 多年來透過 Project Aria(新視窗) 研究這個問題，這是一項以眼鏡形式的穿戴式電腦為核心的研究計畫。這些研究裝置使用相機與其他感測器，研究人們如何與世界互動。

Project Aria 也顯示，研究用途與消費性用途對隱私的期待可能有多麼不同。Meta 公布的準則指出，研究參與者會接受適當錄影實務的訓練、在私有住宅中的人必須同意，且當音訊與視訊正在蒐集時會有可見的指示燈。

消費性智慧眼鏡運作的環境，控制程度低了許多。人們可以在走在街上、購物、煮咖啡或做家事時配戴。這創造了有用的第一人稱資料來源。這也意味著配戴者周遭的人，可能在不知相機正在運作的情況下被錄進畫面。

這項區別很重要，因為這些資料的價值來自其平凡的本質。其價值來自捕捉日常生活中的細微之處。

研究人員正著手解決幾個對人類來說看似簡單、對機器卻很困難的問題。其中之一是情節記憶。問 AI 你把鑰匙放在哪裡，聽起來很簡單，但系統必須辨識物體、了解它最後一次被看見的時間，並追蹤從那時到現在所發生的事。

另一個是直覺物理。如果你把球滾向桌子，你已經對會發生什麼事有所預期。人類透過多年觀察實體世界來發展這些預測。

第三個則涉及手與物體的互動。綁鞋帶、扣襯衫釦子、拿起東西或處理一塊布料，都需要機器應付會彎曲與變形的物體。第一人稱錄影能捕捉的正是這類情境。

在這 72 小時的測試中，日常活動與這些研究問題的對應程度出乎意料地高。開車涉及預測物體如何在空間中移動。拿起瓶子或打蛋涉及手與物體的互動。看著蛋從檯面滾落涉及直覺物理。詢問鑰匙放在哪裡，則是情節記憶的任務。

重點不在於每段平淡的錄影都會立刻成為有用的訓練資料，而在於平凡的人類活動中，就包含了具身 AI 所需的範例。

Meta 表示，Ray-Ban Meta 眼鏡不會為了訓練 AI 而持續錄下配戴者周遭的一切。該公司指出，用於訓練其 AI 且可能由人工審閱的資料，包括使用者要求 AI 執行某件事時所捕捉的語音指令與影片。

當 AI 需要分析相機所見內容時，相關影片會傳送到 Meta 的伺服器進行處理。該公司接著便能利用這些資訊來改進其 AI 系統。使用者可以向眼鏡詢問某個物體、某個位置、某項任務，或眼前正在發生的事，進而以第一人稱視角留下這些互動的紀錄。

Meta 也推出了 Live AI，讓助理無須平常的喚醒詞即可使用。這使眼鏡作為即時助理更加實用，同時也增加了其相機與麥克風可能運作的時間。

還有另一個更難透過設定解決的隱私問題。配戴者能控制裝置，但周遭的其他人卻不能。在測試期間，受審閱的素材中人臉經過模糊處理，但配戴者周遭的人並不知道自己被錄影。這與 Meta 的 Project Aria 研究流程不同，該流程中參與者及處於特定私有環境的人，都必須符合明確同意的要求。

Meta 可能利用穿戴式資料協助打造機器人的想法，仍只是關於該公司更廣泛策略的假設，而非單靠眼鏡就能證實的事。不過，這背後有幾項證據支持。

2025年2月，Meta 在 Reality Labs 內部成立了人形機器人部門，這正是負責其智慧眼鏡的同一個更大組織。2026年5月，Meta 也收購了由 Lerrel Pinto 共同創辦的機器人實驗室 Assured Robot Intelligence。

Meta 也表示，希望其技術能成為人形機器人的軟體層。其研究已探討過自我中心視角錄影如何協助機器人學習實體任務。這使眼鏡的意義超越其作為 AI 助理的角色。它們將相機、麥克風與 AI 整合進人們整天都能配戴的裝置中。

Meta 的新一代穿戴式原型機，被描述為朝向更持續的感測與更強大的物體追蹤發展。這些能力可產生更有用的資料，了解人們如何與實體世界互動。

這些都無法證明 Meta 正暗中蒐集客戶生活中的每一刻，以打造一支機器人大軍。但它確實顯示，為何第一人稱的穿戴式資料對一家同時重金投資 AI 與機器人的公司而言，可能具有策略價值。

智慧眼鏡讓 AI 更實用，因為它們讓 AI 得以存取我們周遭的世界。同樣的能力也使它們不同於大多數人習慣的 AI 助理。問題在於，誰有權決定這個日益個人化的資料來源要如何被蒐集、處理與使用。

隨著 AI 從螢幕走入實體世界，第一人稱資料變得更有價值。

這使得了解裝置能看到、聽到、儲存與傳送出什麼，變得越來越重要。