عینکی که کافی است به چیزی نگاه کنید تا درباره‌اش با شما حرف بزند!

عینک‌های هوشمند برای سال‌ها بیشتر به عنوان وسیله‌ای برای ثبت عکس، فیلم یا گوش دادن به موسیقی شناخته می‌شدند، اما ترکیب دوربین با هوش مصنوعی شرایط را تغییر داده است. یکی از نمونه‌های مهم این فناوری، عینک هوشمند Ray-Ban Meta است؛ محصولی که می‌تواند آنچه مقابل چشم کاربر قرار دارد را با کمک دوربین مشاهده کند و Meta AI نیز درباره همان تصویر به سؤال‌های کاربر پاسخ دهد.

متا در معرفی رسمی قابلیت‌های جدید این عینک توضیح داد که با اضافه شدن Meta AI with Vision، تعامل با عینک دیگر فقط به فرمان‌های صوتی ساده محدود نیست. کاربر می‌تواند به یک شیء، نوشته، ساختمان یا حتی مواد غذایی نگاه کند و درباره چیزی که مقابل او قرار دارد سؤال بپرسد.

عینک هوشمند متا چگونه چیزی را که می‌بینید تشخیص می‌دهد؟

یکی از مهم‌ترین امکانات Ray-Ban Meta استفاده هم‌زمان از دوربین و هوش مصنوعی است. این عینک به یک دوربین فوق‌عریض ۱۲ مگاپیکسلی مجهز شده و Meta AI می‌تواند در قابلیت‌های پشتیبانی‌شده، اطلاعات تصویری دوربین را همراه با فرمان صوتی کاربر پردازش کند.

به زبان ساده، کاربر به جای اینکه ابتدا از یک شیء عکس بگیرد، گوشی را باز کند و تصویر را برای یک سرویس هوش مصنوعی ارسال کند، می‌تواند در همان لحظه و به صورت بدون دخالت دست درباره چیزی که مشاهده می‌کند سؤال بپرسد.

کاربر برای شروع تعامل با دستیار هوشمند عبارت «Hey Meta» را بیان می‌کند و سپس سؤال خود را مطرح می‌کند. پاسخ Meta AI نیز از طریق سیستم صوتی عینک شنیده می‌شود.

Meta AI with Vision چیست؟

Meta AI with Vision قابلیتی است که امکان تحلیل محتوای مقابل دوربین عینک را در اختیار هوش مصنوعی قرار می‌دهد. در واقع دستیار هوشمند تنها صدای کاربر را دریافت نمی‌کند؛ بلکه تصویر ثبت‌شده توسط دوربین را نیز به عنوان بخشی از اطلاعات موردنیاز برای پاسخ به سؤال در نظر می‌گیرد.

متا این نوع تعامل را نمونه‌ای از هوش مصنوعی چندوجهی یا Multimodal AI معرفی کرده است؛ یعنی سامانه می‌تواند بیش از یک نوع ورودی، از جمله صدا و تصویر، را برای ارائه پاسخ پردازش کند.

متا آزمایش این قابلیت چندوجهی را از دسامبر ۲۰۲۳ آغاز کرد و در آوریل ۲۰۲۴ اعلام کرد Meta AI with Vision برای کاربران Ray-Ban Meta در آمریکا و کانادا به صورت بتا گسترش پیدا می‌کند.

ترجمه نوشته‌ها فقط با نگاه کردن

یکی از مثال‌های رسمی متا برای نشان دادن کاربرد این فناوری به سفر مربوط می‌شود. فرض کنید در یک کشور دیگر مقابل منویی قرار گرفته‌اید که به زبان فرانسه نوشته شده است. دوربین عینک می‌تواند نوشته مقابل شما را ببیند و Meta AI برای فهم یا ترجمه آن به شما کمک کند.

مزیت چنین روشی این است که برای دریافت اطلاعات نیازی نیست گوشی را از جیب خارج کنید، از متن عکس بگیرید و وارد برنامه ترجمه شوید. هدف اصلی عینک‌های هوشمند متا نیز فراهم کردن تجربه‌ای بدون دخالت دست و با کمترین نیاز به نگاه کردن به نمایشگر تلفن همراه است.

آیا عینک هوشمند متا می‌تواند درباره اشیا سؤال جواب دهد؟

بله؛ یکی از کاربردهای اصلی هوش مصنوعی تصویری در این عینک همین موضوع است. دوربین می‌تواند چیزی را که کاربر به آن نگاه می‌کند در اختیار Meta AI قرار دهد و سپس کاربر سؤال مرتبط با آن تصویر را مطرح کند.

برای مثال این فناوری می‌تواند برای دریافت اطلاعات درباره یک مکان، فهمیدن نوشته مقابل کاربر، شناسایی برخی اشیا یا دریافت پیشنهاد درباره چیزی که در محیط مشاهده می‌شود کاربرد داشته باشد.

البته پاسخ‌های هوش مصنوعی را نباید در همه شرایط کاملاً دقیق تصور کرد. سیستم‌های مبتنی بر هوش مصنوعی ممکن است در شناسایی تصویر یا ارائه پاسخ دچار خطا شوند و برای تصمیم‌های مهم باید اطلاعات از منابع معتبر دیگری نیز بررسی شود.

تماس ویدیویی از زاویه دید شما

یکی دیگر از قابلیت‌های قابل توجهی که متا هم‌زمان معرفی کرد، امکان به اشتراک گذاشتن نمای کاربر هنگام تماس ویدیویی است.

در تماس‌های پشتیبانی‌شده WhatsApp و Messenger، کاربر می‌تواند تصویری را که دوربین عینک مشاهده می‌کند با فرد دیگری به اشتراک بگذارد. در نتیجه فرد مقابل تقریباً همان چیزی را مشاهده می‌کند که صاحب عینک در مقابل خود می‌بیند.

متا برای توضیح این قابلیت مثالی ساده مطرح کرده است: فرض کنید در فروشگاه هستید و نمی‌دانید یک آناناس رسیده است یا خیر. می‌توانید در تماس تصویری نمای عینک را با شخص دیگری به اشتراک بگذارید و نظر او را درباره چیزی که مقابلتان قرار گرفته بپرسید.

دوربین ۱۲ مگاپیکسلی در یک عینک معمولی

یکی از نکات جالب Ray-Ban Meta این است که بخش مهمی از فناوری آن در ظاهری شبیه عینک‌های معمولی Ray-Ban قرار گرفته است.

متا در مشخصات اعلام‌شده برای این نسل به دوربین فوق‌عریض ۱۲ مگاپیکسلی و سیستم صوتی داخلی اشاره کرده است. دوربین علاوه بر ثبت عکس و ویدئو، نقش مهمی در قابلیت‌های مبتنی بر هوش مصنوعی تصویری دارد.

وجود میکروفون و سیستم صوتی نیز باعث می‌شود کاربر بتواند بدون نیاز به هدفون جداگانه با Meta AI صحبت کند و پاسخ دستیار را بشنود.

هوش مصنوعی عینک متا بعداً پیشرفته‌تر شد

قابلیت‌های هوش مصنوعی Ray-Ban Meta به نسخه اولیه محدود نماند. متا در ادامه اعلام کرد تعامل با Meta AI طبیعی‌تر می‌شود و پس از آغاز مکالمه، کاربر برای هر سؤال بعدی مجبور نیست دوباره عبارت «Hey Meta» را تکرار کند.

همچنین متا قابلیت‌هایی برای یادآوری اطلاعات معرفی کرد. برای نمونه عینک می‌تواند در برخی سناریوها به کاربر کمک کند محل پارک خودرو را به خاطر بسپارد یا با فرمان صوتی یک یادآوری ایجاد کند.

کمک هوش مصنوعی هنگام حرکت در شهر

یکی از قابلیت‌های جالبی که متا برای توسعه این عینک معرفی کرد، استفاده پیوسته‌تر از تصویر دوربین در تعامل با هوش مصنوعی است.

در چنین شرایطی کاربر هنگام حرکت در یک شهر می‌تواند درباره ساختمان‌ها و مکان‌هایی که مقابلش قرار می‌گیرند سؤال کند یا از هوش مصنوعی برای دریافت پیشنهاد درباره نقاط دیدنی کمک بگیرد.

این فناوری می‌تواند تجربه‌ای شبیه یک راهنمای صوتی هوشمند ایجاد کند؛ راهنمایی که به محیط اطراف کاربر توجه می‌کند و اطلاعات مرتبط با آن را در اختیار او قرار می‌دهد.

کمک برای انتخاب غذا با نگاه کردن به مواد اولیه

یکی دیگر از مثال‌های متا به خرید مواد غذایی مربوط می‌شود. فرض کنید در فروشگاه در حال حرکت هستید و نمی‌دانید با مواد غذایی مقابلتان چه غذایی می‌توان تهیه کرد.

در قابلیت‌های توسعه‌یافته Meta AI، هوش مصنوعی می‌تواند با استفاده از اطلاعات تصویری، درباره مواد غذایی مشاهده‌شده پیشنهادهایی ارائه کند یا به سؤال کاربر درباره ترکیب مواد مختلف پاسخ دهد.

این نوع استفاده نشان می‌دهد هدف متا تنها ساخت دوربینی روی یک فریم عینک نیست؛ بلکه این شرکت تلاش دارد دوربین را به ورودی بصری یک دستیار هوش مصنوعی تبدیل کند.

ترجمه زنده مکالمه با عینک هوشمند

متا در ادامه توسعه Ray-Ban Meta از قابلیت ترجمه گفت‌وگو نیز رونمایی کرد. هدف این ویژگی کمک به افرادی است که با شخصی به زبان دیگری صحبت می‌کنند.

در نسخه‌های معرفی‌شده از این قابلیت، عینک می‌تواند گفتار زبان‌هایی مانند اسپانیایی، فرانسوی و ایتالیایی را پردازش کند و ترجمه را از طریق بلندگوهای عینک در اختیار کاربر قرار دهد. متا همچنین اعلام کرده بود قصد دارد پشتیبانی از زبان‌های بیشتری را توسعه دهد.

آیا Ray-Ban Meta نمایشگر جلوی چشم دارد؟

یک نکته مهم درباره این محصول آن است که نباید قابلیت‌های Ray-Ban Meta را با عینک‌های واقعیت افزوده دارای نمایشگر یکسان دانست.

قابلیت هوش مصنوعی این عینک در نسل مورد بحث بیشتر بر دوربین، میکروفون، بلندگو و دستیار Meta AI متکی است. پاسخ‌ها عمدتاً به شکل صوتی به کاربر منتقل می‌شوند و قرار نیست اطلاعات مانند یک صفحه نمایش دیجیتال روی شیشه این مدل از Ray-Ban Meta ظاهر شوند.

بنابراین اصطلاح «عینک هوشمند» الزاماً به معنی وجود نمایشگر واقعیت افزوده مقابل چشم نیست.

آیا عینک هوشمند متا جای موبایل را می‌گیرد؟

Ray-Ban Meta هنوز جایگزین کامل تلفن همراه نیست، اما نشان می‌دهد بخشی از کارهایی که امروز برای انجام آنها به صفحه موبایل نگاه می‌کنیم، می‌تواند در آینده از طریق فرمان صوتی، دوربین و هوش مصنوعی انجام شود.

ثبت عکس و فیلم، گوش دادن به صدا، تماس، دریافت اطلاعات درباره محیط و پرسیدن سؤال از هوش مصنوعی نمونه‌هایی از این مسیر هستند.

تفاوت اصلی در شیوه تعامل است: به جای اینکه کاربر دائماً به نمایشگر نگاه کند، عینک تلاش می‌کند فناوری را در همان میدان دید و فعالیت روزمره او قرار دهد.

حریم خصوصی؛ بخش مهم ماجرای عینک‌های هوشمند

قرار گرفتن دوربین روی وسیله‌ای که مانند عینک دائماً همراه کاربر است، موضوع حریم خصوصی را نیز پررنگ می‌کند. استفاده‌کنندگان از چنین محصولاتی باید قوانین مربوط به تصویربرداری و حریم خصوصی دیگران را رعایت کنند.

همچنین بهتر است قابلیت تشخیص تصویر و پاسخ‌گویی Meta AI به عنوان یک ابزار کمکی در نظر گرفته شود؛ زیرا مانند سایر سامانه‌های هوش مصنوعی، احتمال ارائه اطلاعات ناقص یا نادرست وجود دارد.

چرا Ray-Ban Meta برای آینده گجت‌ها مهم است؟

اهمیت این عینک تنها در دوربین یا طراحی آن نیست. اتفاق مهم‌تر، ترکیب یک وسیله پوشیدنی روزمره با هوش مصنوعی چندوجهی است.

در مدل سنتی استفاده از هوش مصنوعی، کاربر باید سؤال را تایپ کند یا تصویری را برای سیستم ارسال کند. اما در عینک هوشمند، دوربین می‌تواند همان چیزی را که کاربر در حال مشاهده آن است به بخشی از مکالمه با هوش مصنوعی تبدیل کند.

اگر این فناوری در نسل‌های آینده دقیق‌تر، سریع‌تر و مستقل‌تر شود، احتمالاً عینک‌های هوشمند نقش مهم‌تری در تعامل روزانه انسان با دستیارهای هوش مصنوعی خواهند داشت.

سؤالات متداول درباره عینک هوشمند متا

آیا عینک Ray-Ban Meta هوش مصنوعی دارد؟

بله. متا دستیار Meta AI را با عینک Ray-Ban Meta ادغام کرده و قابلیت‌های تصویری نیز به آن اضافه شده است تا در مناطق و نسخه‌های پشتیبانی‌شده بتواند درباره چیزی که دوربین مشاهده می‌کند پاسخ ارائه دهد.

آیا عینک متا می‌تواند چیزی را که می‌بینیم تشخیص دهد؟

Meta AI with Vision برای همین نوع کاربرد طراحی شده است. دوربین اطلاعات بصری را در اختیار سیستم قرار می‌دهد و کاربر می‌تواند درباره آنچه مقابل اوست سؤال کند.

دوربین Ray-Ban Meta چند مگاپیکسل است؟

نسل مورد اشاره در معرفی رسمی آوریل ۲۰۲۴ به دوربین فوق‌عریض ۱۲ مگاپیکسلی مجهز شده بود.

آیا با عینک متا می‌توان ترجمه انجام داد؟

بله. متا ترجمه متن مشاهده‌شده توسط دوربین را به عنوان یکی از کاربردهای Meta AI with Vision معرفی کرده و در مراحل بعد قابلیت ترجمه گفت‌وگوی زنده را نیز توسعه داده است.

آیا Ray-Ban Meta نمایشگر واقعیت افزوده دارد؟

مدلی که قابلیت Meta AI with Vision برای آن معرفی شد، عینک هوشمندی مبتنی بر دوربین و صدا است و نباید آن را با عینک‌های واقعیت افزوده دارای نمایشگر داخلی یکسان دانست.

آیا می‌توان تصویر دوربین عینک را در تماس ویدیویی فرستاد؟

متا امکان اشتراک نمای کاربر در تماس‌های ویدیویی پشتیبانی‌شده WhatsApp و Messenger را برای Ray-Ban Meta معرفی کرده است.

منابع

Meta Newsroom: New Ray-Ban | Meta Smart Glasses Styles and Meta AI Updates — 23 April 2024

Meta Newsroom: Ray-Ban | Meta Glasses Are Getting New AI Features and More Partner Integrations — September 2024