Älylasit voivat näyttää yksinkertaiselta kuluttajalaitteelta: kamera kasvoilla, kaiuttimet korvissa ja tekoälyavustaja, joka vastaa kysymyksiin siitä, mitä näet. Sama laite voi kuitenkin antaa tekoälyjärjestelmälle jotain, mitä siltä on aina puuttunut: ensimmäisen persoonan näkymän arkiseen ihmiselämään.

Tämä on tärkeää, koska tekoälyn opettaminen kirjoittamaan tai tuottamaan kuvia on hyvin erilaista kuin koneen opettaminen liikkumaan fyysisessä maailmassa. Robotti tarvitsee ymmärrystä siitä, missä esineet ovat, mitä tapahtuu, kun ne liikkuvat, ja miten kädet ovat vuorovaikutuksessa asioiden kanssa, jotka taipuvat, rikkoutuvat, läikkyvät tai muuttavat muotoaan.

Meta on käyttänyt vuosia puettavien laitteiden tutkimiseen. Nämä laitteet tallentavat tällaista tietoa. Sen Ray-Ban Meta -lasit tuovat osan tästä teknologiasta kuluttajatuotteeseen ja antavat yhtiölle pääsyn tavallisten toimien aikana syntyvään dataan.

Lasien 72 tunnin testi, jossa niiden tekoälyominaisuuksia käytettiin koko päivän ajan ja pyydettiin niihin liittyvät tiedot, tarjosi välähdyksen siihen, miksi ensimmäisen persoonan tallenteet voivat olla arvokkaita tekoälyn kouluttamisessa ja miksi yksityisyyttä on yhä vaikeampi erottaa itse teknologiasta.

Miten tekoäly oppii todellisesta maailmasta

Suuret kielimallit oppivat valtavista kirjallisista aineistoista. Tämä toimii hyvin kieleen rakentuville järjestelmille, mutta teksti ei pysty kuvaamaan täysin sitä, miten ihmiset esimerkiksi liikkuvat keittiössä, nostavat pullon, rikkovat kananmunan tai etsivät avaimiaan.

Ihmiset oppivat nämä asiat vuosien aistihavaintojen kautta. Metan entinen päätekoälytutkija Yann LeCun on esittänyt, että neljävuotiaana lapsi on nähnyt 50 kertaa enemmän dataa kuin suurimmatkaan kielimallit. Hänen laajempi väitteensä on, että koneet tarvitsevat rikkaampaa aistisyötettä ymmärtääkseen fyysistä maailmaa.

Robotille se tarkoittaa oppimista muustakin kuin ohjeista. Se tarvitsee dataa siitä, mitä ihmiset todella tekevät, mukaan lukien pienet vaihtelut, joita on vaikea kuvata sanoin. Esimerkiksi astioiden tiskaaminen voi näyttää arkiselta. Kun tallenne kuitenkin merkitään tunnisteilla ja annotoidaan, se voi näyttää tekoälyjärjestelmälle, missä esineet ovat, miten kädet liikkuvat ja mitä tapahtuu, kun jotain odottamatonta sattuu.

Sellaista koulutusdataa on vaikea kerätä suuressa mittakaavassa. Puettava kamera tarjoaa yhden mahdollisen ratkaisun, koska se voi tallentaa maailmaa samasta näkökulmasta kuin tehtävää suorittava henkilö. Kuten LeCunin argumentti muotoilee: “Se tarvitsee silmät.”

Miksi Meta käyttää älylaseja

Meta on työskennellyt tämän ongelman parissa vuosia Project Aria(uusi ikkuna) -hankkeen kautta. Se on tutkimusohjelma, joka rakentuu lasien muotoon puettavien tietokoneiden ympärille. Tutkimuslaitteet käyttävät kameroita ja muita antureita tutkiakseen, miten ihmiset ovat vuorovaikutuksessa maailman kanssa.

Project Aria osoittaa myös, miten erilaisia yksityisyysodotukset voivat olla tutkimuksessa ja kuluttajakäytössä. Metan julkaisemien ohjeiden mukaan tutkimukseen osallistujat saavat koulutusta asianmukaisista tallennuskäytännöistä, yksityiskodeissa olevilta ihmisiltä on saatava suostumus ja näkyvä valo osoittaa, milloin ääntä ja kuvaa tallennetaan.

Kuluttajille tarkoitetut älylasit toimivat paljon vähemmän valvotussa ympäristössä. Niitä voi pitää kävellessään kadulla, kaupassa, keittäessään kahvia tai tehdessään kotitöitä. Se luo hyödyllisen ensimmäisen persoonan datan lähteen. Se tarkoittaa myös, että käyttäjän ympärillä olevat ihmiset voivat päätyä tallenteisiin tietämättään, että kamera on päällä.

Tämä ero on merkityksellinen, koska datan arvo syntyy sen arkisuudesta. Sen arvo syntyy arkisen elämän pienten yksityiskohtien tallentamisesta.

Mitä robottien on opittava

Tutkijat työskentelevät useiden ongelmien parissa, jotka näyttävät ihmisistä yksinkertaisilta mutta ovat koneille vaikeita. Yksi niistä on episodinen muisti. Kysyminen tekoälyltä, mihin jätit avaimesi, kuulostaa helpolta, mutta järjestelmän on tunnistettava esine, ymmärrettävä, milloin se nähtiin viimeksi, ja seurattava, mitä tuon hetken ja nykyhetken välillä tapahtui.

Toinen on intuitiivinen fysiikka. Jos vierität pallon pöytää kohti, sinulla on jo odotus siitä, mitä tapahtuu. Ihmiset kehittävät nämä ennusteet vuosien ajan fyysistä maailmaa havainnoimalla.

Kolmas liittyy käden ja esineen väliseen vuorovaikutukseen. Kengännauhojen sitominen, paidan nappien kiinnittäminen, jonkin nostaminen tai kangaspalan käsitteleminen edellyttävät koneelta kykyä käsitellä esineitä, jotka voivat taipua ja muuttaa muotoaan. Juuri tällaisia tilanteita ensimmäisen persoonan tallenteet voivat taltioida.

72 tunnin testin aikana tavalliset toimet vastasivat hämmästyttävän hyvin näitä tutkimusongelmia. Autolla ajaminen edellytti esineiden liikkeen ennustamista tilassa. Pullon nostaminen tai kananmunan rikkominen liittyi käden ja esineen väliseen vuorovaikutukseen. Kananmunan vierimisen pöydältä katseleminen liittyi intuitiiviseen fysiikkaan. Kysyminen, mihin avaimet oli jätetty, oli episodisen muistin tehtävä.

Kyse ei ole siitä, että jokaisesta arkisesta tallenteesta tulisi heti hyödyllistä koulutusdataa. Kyse on siitä, että tavallinen ihmistoiminta sisältää esimerkit, joita kehollinen tekoäly tarvitsee.

Mitä Metan lasit voivat tallentaa

Meta kertoo, etteivät Ray-Ban Meta -lasit tallenna jatkuvasti kaikkea käyttäjän ympäriltä tekoälyn kouluttamista varten. Yhtiön mukaan tekoälyn kouluttamiseen käytettävä ja mahdollisesti ihmisten tarkistama data sisältää äänikomennot ja videon, joka tallennetaan, kun käyttäjä pyytää tekoälyä tekemään jotain.

Kun tekoälyn on analysoitava sitä, mitä kamera näkee, kyseinen videomateriaali voidaan lähettää Metan palvelimille käsiteltäväksi. Yhtiö voi sen jälkeen käyttää näitä tietoja tekoälyjärjestelmiensä parantamiseen. Henkilö voi kysyä laseilta esineestä, sijainnista, tehtävästä tai jostain edessään tapahtuvasta, mikä luo tallenteen näistä vuorovaikutuksista ensimmäisen persoonan näkökulmasta.

Meta on esitellyt myös Live AI:n, joka tekee avustajasta käytettävissä olevan ilman tavanomaista herätelausetta. Tämä tekee laseista hyödyllisemmät reaaliaikaisena avustajana, mutta lisää samalla aikaa, jolloin niiden kamera ja mikrofoni voivat olla aktiivisia.

On myös toinen yksityisyysongelma, jota on vaikeampi ratkaista asetuksilla. Laitteen käyttäjä hallitsee laitetta, mutta kaikki hänen ympärillään eivät hallitse. Testin aikana tarkistetussa materiaalissa kasvot oli sumennettu, mutta käyttäjän ympärillä olevat ihmiset eivät tienneet tulleensa kuvatuiksi. Tämä eroaa Metan Project Aria -tutkimusprosessista, jossa osallistujia ja tietyissä yksityisissä ympäristöissä olevia ihmisiä koskevat nimenomaiset suostumusvaatimukset.

Mikä viittaa Metan robotiikkasuunnitelmiin

Ajatus siitä, että Meta voisi käyttää puettavista laitteista saatavaa dataa robottien rakentamisen tukena, on edelleen hypoteesi yhtiön laajemmasta strategiasta, eivätkä lasit yksinään todista sitä. Sen taustalla on kuitenkin useita todisteita.

Helmikuussa 2025 Meta perusti humanoidirobotiikkaan keskittyvän yksikön Reality Labsin sisälle. Reality Labs on sama laajempi organisaatio, joka vastaa yhtiön älylaseista. Toukokuussa 2026 Meta osti myös Assured Robot Intelligencen, robotiikkalaboratorion, jonka toinen perustaja on Lerrel Pinto.

Meta on myös kertonut haluavansa teknologiansa toimivan humanoidirobottien ohjelmistokerroksena. Sen tutkimuksessa on jo selvitetty, miten egosentriset tallenteet voivat auttaa robotteja oppimaan fyysisiä tehtäviä. Tämä tekee laseista merkityksellisiä myös muuten kuin tekoälyavustajana. Ne tuovat kamerat, mikrofonit ja tekoälyn laitteeseen, jota ihmiset voivat pitää yllään koko päivän.

Metan seuraavan sukupolven puettavien laitteiden prototyyppien kerrotaan etenevän kohti jatkuvampaa havainnointia ja tehokkaampaa esineiden seurantaa. Nämä ominaisuudet voivat tuottaa hyödyllisempää dataa siitä, miten ihmiset ovat vuorovaikutuksessa fyysisen maailman kanssa.

Mikään tästä ei osoita, että Meta keräisi salaa jokaisen hetken asiakkaidensa elämästä rakentaakseen robottiarmeen. Se kuitenkin osoittaa, miksi ensimmäisen persoonan puettava data voi olla strategisesti arvokasta yhtiölle, joka investoi voimakkaasti sekä tekoälyyn että robotiikkaan.

Suurempi kysymys

Älylasit tekevät tekoälystä hyödyllisempää, koska ne antavat sille pääsyn ympärillämme olevaan maailmaan. Sama kyky tekee niistä erilaisia kuin tekoälyavustajat, joihin useimmat ihmiset ovat tottuneet. Kysymys on siitä, kuka saa päättää, miten tätä yhä henkilökohtaisempaa tietolähdettä kerätään, käsitellään ja käytetään.

Kun tekoäly siirtyy näytöltä fyysiseen maailmaan, ensimmäisen persoonan datasta tulee arvokkaampaa.

Siksi on yhä tärkeämpää ymmärtää, mitä laite voi nähdä, kuulla, tallentaa ja lähettää eteenpäin.