L'architettura in un paragrafo
Quasi tutti gli occhiali AI funzionano allo stesso modo a livello di sistema. I sensori sulla montatura – microfoni e spesso una fotocamera – catturano ciò che dici e vedi. Un piccolo processore nell'asta gestisce le parole di attivazione, l'audio e le funzioni di servizio. L'intelligenza vera e propria – riconoscimento vocale, traduzione e modello linguistico – gira per lo più nel cloud, raggiunto tramite lo smartphone associato o una connessione diretta. I risultati tornano sotto forma di audio attraverso minuscoli altoparlanti vicino alle orecchie, oppure come immagine proiettata nella lente. Gli occhiali sono un terminale di sensori e display; il cervello si trova in gran parte altrove.
Il display: portare un'immagine all'occhio
Il problema ingegneristico più difficile della categoria è rendere un display invisibile finché non serve. Prevalgono tre approcci.
Display a guida d'onda
Un proiettore microscopico nell'asta invia un'immagine nel bordo di una lastra sottile e trasparente inserita nella lente. La luce rimbalza all'interno della lastra, poi delle strutture incise al suo interno indirizzano l'immagine verso la pupilla. Il risultato sono testi o grafiche che sembrano fluttuare nel mondo, attraverso una lente che dall'esterno appare del tutto normale. Gli Even Realities G2 utilizzano questo approccio per il loro display di testo verde, e lo stesso vale per il display degli Rokid AI Glasses Enterprise. Le guide d'onda sacrificano luminosità e ricchezza cromatica in cambio della loro forma quasi invisibile, ed è per questo che molte usano un testo monocromatico nitido.
Ottica birdbath
Un pannello micro-OLED proietta la luce verso il basso su uno specchio curvo semitrasparente all'interno della lente, che riflette l'immagine verso l'occhio. L'ottica birdbath offre immagini luminose, a colori e ad alta risoluzione, motivo per cui la usano occhiali con display virtuale come gli XREAL One Pro, ma richiede profondità fisica, ed è per questo che gli occhiali con display sono visibilmente più ingombranti degli occhiali AI di tipo assistente.
Nessun display
Una larga fetta della categoria rinuncia del tutto al display e ti parla direttamente. Gli occhiali AI solo audio sono più leggeri, più economici e durano di più con una carica, e per un'esperienza puramente da assistente una voce nell'orecchio copre la maggior parte delle esigenze.
La fotocamera: gli occhi dell'AI
Quando è presente, la fotocamera serve due padroni. Per te, cattura foto e video dal tuo punto di vista. Per l'AI, fornisce fotogrammi da analizzare: identificare un oggetto, leggere un'etichetta, descrivere una scena, tradurre un cartello.
Vale la pena conoscere due aspetti pratici. Primo, le funzioni di AI visiva di solito fotografano un singolo momento anziché trasmettere in continuo: l'analisi video continua scarica la batteria troppo in fretta per l'uso quotidiano. Secondo, un LED di norma segnala la registrazione, e luoghi di lavoro o locali possono limitare l'uso delle fotocamere: è uno dei motivi per cui esistono modelli senza fotocamera come gli Even Realities G2, che vendono bene negli ambienti professionali.
Microfoni e altoparlanti: l'interfaccia principale
È la voce, non il display, l'interfaccia principale degli occhiali AI. Le montature integrano più microfoni disposti per il beamforming: confrontando il segnale tra i vari microfoni, gli occhiali riescono a separare la tua voce, o quella della persona che hai di fronte, dal rumore circostante. È questo che fa funzionare la traduzione dal vivo in una stanza affollata.
Il suono proviene da piccoli altoparlanti open-ear nelle aste, che lo indirizzano verso il condotto uditivo. A volumi normali sono poco udibili da chi sta intorno e lasciano le orecchie aperte al mondo: un vantaggio in termini di sicurezza e comfort spesso sottovalutato rispetto agli auricolari.
Dove gira davvero l'AI
L'assistente dietro gli occhiali è un modello linguistico di grandi dimensioni, e «grandi» va preso alla lettera: i modelli più avanzati non possono girare all'interno di un paio di occhiali. Il carico di lavoro si divide in tre parti.
Sugli occhiali: rilevamento della parola di attivazione, acquisizione, elaborazione audio e, sempre più spesso, piccoli modelli on-device per le attività rapide.
Sul telefono: l'app companion gestisce connettività e impostazioni e spesso inoltra i dati tra occhiali e cloud.
Nel cloud: riconoscimento vocale, traduzione e il modello linguistico stesso, ovvero le funzioni che danno l'impressione di intelligenza.
Questa suddivisione spiega il comportamento nel mondo reale. Con una buona connessione, le risposte arrivano in circa un secondo; in una zona senza copertura, le funzioni più intelligenti peggiorano o smettono di funzionare. Spiega anche perché gli occhiali AI migliorano dopo l'acquisto: quando il modello nel cloud migliora, migliorano anche gli occhiali che già possiedi.
Per le aziende, questa suddivisione solleva una domanda legittima: dove finiscono l'audio e le immagini? I prodotti consumer li inviano al cloud del produttore. Le piattaforme enterprise rispondono in modo diverso, e questo è un vero elemento distintivo: gli Rokid AI Glasses Enterprise supportano il collegamento di modelli AI propri, inclusi quelli self-hosted, così un'azienda può mantenere i dati sensibili sulla propria infrastruttura.
Batteria e gestione energetica
Le batterie si nascondono nelle aste e la loro capacità è ridotta perché il peso grava sul naso. I produttori colmano il divario tra batterie piccole e funzioni energivore con un'ingegneria aggressiva: display che visualizzano solo una piccola area di testo, fotocamere che restano in standby finché non vengono richiamate, moduli radio che si appoggiano al telefono. In pratica, con l'attuale generazione si arriva a una giornata di uso moderato dell'assistente; a ore di traduzione o registrazione continua, no. Gli utenti professionali più intensivi dovrebbero organizzarsi con custodie di ricarica e accessori con batterie di ricambio così come fanno con i caricabatterie del telefono.
Connettività: il componente invisibile
La maggior parte degli occhiali AI si associa a uno smartphone tramite Bluetooth, e il telefono fornisce la connessione a internet. Gli occhiali con display come quelli della linea XREAL usano invece un cavo USB-C, che trasporta sia il video sia l'alimentazione: negli occhiali non c'è alcuna batteria. I dispositivi industriali rugged spesso funzionano in modo autonomo con Android e un proprio Wi-Fi, perché un tecnico non può dipendere da un telefono personale. Quando valuti un qualsiasi paio, stabilisci subito a cosa deve essere collegato, perché questa dipendenza condiziona l'uso quotidiano più di qualsiasi specifica tecnica.
Mettere insieme i pezzi: cosa succede quando chiedi una traduzione
Un esempio concreto aiuta a collegare tutti i pezzi. Tocchi l'asta e ti trovi di fronte a un collega che parla tedesco. L'array di microfoni isola la sua voce e invia audio compresso, tramite il telefono, al cloud, dove il riconoscimento vocale lo converte in testo e un modello di traduzione converte il testo in inglese. La frase in inglese torna agli occhiali e la guida d'onda la disegna come un sottotitolo che fluttua sotto la tua linea di vista, circa un secondo dopo chi parla. Ogni componente descritto in questo articolo ha toccato quella frase, e l'unico che hai notato è stato il testo.
