Architektura w jednym akapicie
Na poziomie systemu niemal wszystkie okulary AI działają tak samo. Czujniki w oprawce – mikrofony, a często także kamera – rejestrują to, co mówisz i widzisz. Niewielki procesor w zauszniku obsługuje słowa wybudzające, dźwięk i zadania porządkowe. Najcięższa praca intelektualna – rozpoznawanie mowy, tłumaczenie i model językowy – odbywa się głównie w chmurze, z którą okulary łączą się przez sparowany smartfon lub bezpośrednio. Wyniki wracają w postaci dźwięku z maleńkich głośników przy uszach albo obrazu wyświetlanego w soczewce. Okulary są terminalem z czujnikami i wyświetlaczem; mózg znajduje się w dużej mierze gdzie indziej.
Wyświetlacz: jak obraz trafia do oka
Najtrudniejszym problemem inżynieryjnym w tej kategorii jest sprawienie, by wyświetlacz pozostawał niewidoczny, dopóki nie jest potrzebny. Dominują trzy podejścia.
Wyświetlacze falowodowe
Mikroskopijny projektor w zauszniku wysyła obraz w krawędź cienkiej, przezroczystej płytki w soczewce. Światło odbija się wewnątrz płytki, a następnie wytrawione w niej struktury kierują obraz na zewnątrz, w stronę źrenicy. W efekcie tekst lub grafika zdają się unosić w przestrzeni, a soczewka z zewnątrz wygląda zupełnie zwyczajnie. Z tego rozwiązania korzystają okulary Even Realities G2 w swoim zielonym wyświetlaczu tekstowym, podobnie jak wyświetlacz w modelu Rokid AI Glasses Enterprise. Falowody okupują swoją niemal niewidoczną formę mniejszą jasnością i uboższymi kolorami, dlatego tak wiele z nich wyświetla ostry, monochromatyczny tekst.
Optyka typu birdbath
Panel micro-OLED świeci w dół na zakrzywione, półprzezroczyste lustro wewnątrz soczewki, które odbija obraz do oka. Optyka birdbath zapewnia jasny, pełnokolorowy obraz w wysokiej rozdzielczości, dlatego korzystają z niej okulary z wirtualnym ekranem, takie jak XREAL One Pro, jednak wymaga ona fizycznej głębokości, przez co okulary z wyświetlaczem są wyraźnie masywniejsze niż okulary AI pełniące funkcję asystenta.
Bez wyświetlacza
Spora część tej kategorii całkowicie rezygnuje z wyświetlacza i zamiast tego mówi do użytkownika. Okulary AI wyłącznie z dźwiękiem są lżejsze, tańsze i dłużej działają na jednym ładowaniu, a jeśli chodzi o samego asystenta, głos w uchu zaspokaja większość potrzeb.
Kamera: oczy dla AI
Jeśli kamera jest obecna, służy dwóm panom. Tobie – rejestruje zdjęcia i wideo z twojej perspektywy. AI – dostarcza klatki do analizy: rozpoznanie obiektu, odczytanie etykiety, opisanie sceny, przetłumaczenie napisu.
Warto znać dwie praktyczne kwestie. Po pierwsze, wizualne funkcje AI zwykle fotografują pojedynczą chwilę, zamiast nieprzerwanie przesyłać obraz; ciągła analiza wideo zbyt szybko wyczerpuje baterię, by nadawała się do codziennego użytku. Po drugie, nagrywanie zazwyczaj sygnalizuje dioda LED, a miejsca pracy czy obiekty mogą ograniczać korzystanie z kamer – to jeden z powodów, dla których istnieją modele bez kamery, takie jak Even Realities G2, i dobrze sprzedają się w środowiskach profesjonalnych.
Mikrofony i głośniki: główny interfejs
To głos, a nie wyświetlacz, jest głównym interfejsem okularów AI. W oprawkach znajduje się kilka mikrofonów rozmieszczonych tak, by umożliwić kształtowanie wiązki (beamforming): porównując sygnał z poszczególnych mikrofonów, okulary potrafią oddzielić twój głos – albo głos osoby, na którą patrzysz – od otaczającego hałasu. Właśnie dzięki temu tłumaczenie na żywo działa w gwarnym pomieszczeniu.
Dźwięk wydobywa się z małych głośników typu open-ear w zausznikach, które kierują go w stronę kanału słuchowego. Przy normalnej głośności są ciche dla osób w pobliżu i pozostawiają uszy otwarte na otoczenie – to niedoceniana zaleta pod względem bezpieczeństwa i komfortu w porównaniu ze słuchawkami dousznymi.
Gdzie właściwie działa AI
Asystent stojący za okularami to duży model językowy, a „duży” należy rozumieć dosłownie: najnowocześniejsze modele nie mogą działać wewnątrz okularów. Obciążenie dzieli się na trzy części.
W okularach: wykrywanie słowa wybudzającego, rejestrowanie, przetwarzanie dźwięku oraz – coraz częściej – małe modele działające na urządzeniu, przeznaczone do szybkich zadań.
W telefonie: aplikacja towarzysząca zarządza łącznością i ustawieniami, a często także przekazuje dane między okularami a chmurą.
W chmurze: rozpoznawanie mowy, tłumaczenie i sam model językowy – czyli funkcje, które sprawiają wrażenie inteligentnych.
Ten podział wyjaśnia, jak okulary zachowują się w praktyce. Przy dobrym połączeniu odpowiedzi pojawiają się po mniej więcej sekundzie; w strefie bez zasięgu najinteligentniejsze funkcje działają gorzej lub przestają działać. Wyjaśnia to również, dlaczego okulary AI stają się lepsze już po zakupie: gdy model w chmurze się poprawia, poprawiają się też okulary, które już masz.
Dla firm taki podział rodzi uzasadnione pytanie: dokąd trafiają nagrania dźwięku i obrazy? Produkty konsumenckie wysyłają je do chmury producenta. Platformy dla przedsiębiorstw podchodzą do tego inaczej i jest to rzeczywisty wyróżnik: model Rokid AI Glasses Enterprise umożliwia podłączenie własnych modeli AI, w tym hostowanych samodzielnie, dzięki czemu firma może przechowywać wrażliwe dane we własnej infrastrukturze.
Bateria i zarządzanie energią
Baterie ukryte są w zausznikach, a ich pojemność jest niewielka, bo ciężar spoczywa na nosie. Producenci niwelują rozdźwięk między małymi bateriami a energożernymi funkcjami dzięki bezkompromisowym rozwiązaniom inżynieryjnym: wyświetlaczom renderującym tylko niewielki obszar tekstu, kamerom uśpionym do momentu wywołania, modułom łączności, które zdają się na telefon. W praktyce dzień umiarkowanego korzystania z asystenta jest osiągalny w całej obecnej generacji; godziny ciągłego tłumaczenia czy nagrywania – już nie. Intensywni użytkownicy profesjonalni powinni uwzględniać w planach etui ładujące i akcesoria z zapasowymi bateriami tak samo, jak uwzględniają ładowarki do telefonów.
Łączność: niewidoczny komponent
Większość okularów AI łączy się ze smartfonem przez Bluetooth, a telefon zapewnia dostęp do internetu. Okulary z wyświetlaczem, takie jak linia XREAL, korzystają zamiast tego z kabla USB-C, który przesyła zarówno obraz, jak i zasilanie – w samych okularach nie ma w ogóle baterii. Wytrzymałe urządzenia przemysłowe często działają samodzielnie pod kontrolą Androida i mają własne Wi-Fi, ponieważ technik nie może polegać na prywatnym telefonie. Oceniając dowolną parę, ustal na wstępie, z czym musi być połączona, bo ta zależność wpływa na codzienne użytkowanie bardziej niż jakikolwiek parametr.
Wszystko razem: co się dzieje, gdy prosisz o tłumaczenie
Konkretny przykład łączy wszystkie elementy w całość. Dotykasz zausznika i zwracasz się do współpracownika mówiącego po niemiecku. Zestaw mikrofonów izoluje jego głos i przesyła skompresowany dźwięk przez twój telefon do chmury, gdzie system rozpoznawania mowy zamienia go na tekst, a model tłumaczeniowy przekłada ten tekst na angielski. Angielskie zdanie wraca do okularów, a falowód wyświetla je jako napis unoszący się poniżej linii wzroku, mniej więcej sekundę po wypowiedzi rozmówcy. Każdy komponent opisany w tym artykule miał udział w tym zdaniu, a jedynym, który zauważyłeś, był tekst.
