Architektúra v jednom odseku
Takmer všetky AI okuliare fungujú na systémovej úrovni rovnako. Senzory na ráme – mikrofóny a často aj kamera – zachytávajú, čo hovoríte a vidíte. Malý procesor v stráničke spracúva aktivačné slová, zvuk a režijné úlohy. Náročná inteligencia – rozpoznávanie reči, preklad a jazykový model – beží väčšinou v cloude, ku ktorému sa okuliare dostanú cez spárovaný smartfón alebo priame pripojenie. Výsledky sa vracajú ako zvuk z drobných reproduktorov pri ušiach alebo ako obraz premietnutý do šošovky. Okuliare sú terminál so senzormi a displejom; mozog sa z veľkej časti nachádza inde.
Displej: ako dostať obraz do oka
Najťažším inžinierskym problémom v tejto kategórii je urobiť displej neviditeľným, kým ho nepotrebujete. Prevládajú tri prístupy.
Vlnovodové displeje
Mikroskopický projektor v stráničke vysiela obraz do okraja tenkej priehľadnej doštičky v šošovke. Svetlo sa vo vnútri doštičky odráža a štruktúry do nej vyleptané potom nasmerujú obraz von k vašej zrenici. Výsledkom je text alebo grafika, ktoré akoby sa vznášali vo svete, a to cez šošovku, ktorá zvonka vyzerá úplne obyčajne. Model Even Realities G2 využíva tento prístup pre svoj zelený textový displej a rovnako aj displej v okuliaroch Rokid AI Glasses Enterprise. Vlnovody obetujú jas a bohatosť farieb v prospech takmer neviditeľnej formy, a preto mnohé z nich používajú ostrý monochromatický text.
Optika typu birdbath
Mikro-OLED panel svieti nadol na zakrivené polopriepustné zrkadlo vo vnútri šošovky, ktoré odráža obraz do vášho oka. Optika birdbath poskytuje jasný, plnofarebný obraz s vysokým rozlíšením, a preto ju využívajú okuliare s virtuálnym displejom, ako napríklad XREAL One Pro. Táto optika však potrebuje fyzickú hĺbku, a preto sú okuliare s displejom viditeľne objemnejšie než AI okuliare typu asistent.
Úplne bez displeja
Veľká časť kategórie displej úplne vynecháva a namiesto toho k vám hovorí. AI okuliare iba so zvukom sú ľahšie, lacnejšie a na jedno nabitie vydržia dlhšie, a pri čisto asistentskom použití pokryje hlas v uchu väčšinu potrieb.
Kamera: oči pre AI
Ak je kamera prítomná, slúži dvom pánom. Vám zachytáva fotky a video z vášho uhla pohľadu. AI zasa dodáva snímky na analýzu: rozpoznať predmet, prečítať etiketu, opísať scénu, preložiť nápis.
Oplatí sa poznať dve praktické skutočnosti. Po prvé, vizuálne funkcie AI zvyčajne odfotia okamih namiesto nepretržitého streamovania; nepretržitá analýza videa vybíja batériu príliš rýchlo na každodenné používanie. Po druhé, nahrávanie zvyčajne signalizuje LED dióda a pracoviská či rôzne priestory môžu používanie kamier obmedzovať – aj preto existujú modely bez kamery, ako napríklad Even Realities G2, ktoré sa v profesionálnom prostredí dobre predávajú.
Mikrofóny a reproduktory: hlavné rozhranie
Hlavným rozhraním AI okuliarov je hlas, nie displej. Rámy nesú viacero mikrofónov usporiadaných na beamforming: porovnávaním signálu z jednotlivých mikrofónov dokážu okuliare oddeliť váš hlas alebo hlas osoby, ku ktorej ste otočení, od okolitého hluku. Práve vďaka tomu funguje živý preklad aj v rušnej miestnosti.
Zvuk vychádza z malých reproduktorov s otvoreným uchom v stráničkách, ktoré ho smerujú do zvukovodu. Pri bežnej hlasitosti ich ľudia okolo takmer nepočujú a vaše uši zostávajú otvorené svetu – v porovnaní so slúchadlami do uší je to podceňovaná výhoda z hľadiska bezpečnosti aj pohodlia.
Kde AI v skutočnosti beží
Asistent v pozadí okuliarov je veľký jazykový model a slovo „veľký“ treba brať doslova: najmodernejšie modely nemôžu bežať priamo v okuliaroch. Záťaž sa delí na tri časti.
V okuliaroch: detekcia aktivačného slova, zachytávanie, spracovanie zvuku a čoraz častejšie aj malé modely priamo v zariadení na rýchle úlohy.
V telefóne: sprievodná aplikácia spravuje pripojenie a nastavenia a často prenáša dáta medzi okuliarmi a cloudom.
V cloude: rozpoznávanie reči, preklad a samotný jazykový model – teda funkcie, ktoré pôsobia inteligentne.
Toto rozdelenie vysvetľuje, ako sa okuliare správajú v praxi. Pri silnom pripojení prídu odpovede zhruba za sekundu; v mieste bez signálu sa najchytrejšie funkcie zhoršia alebo prestanú fungovať. Vysvetľuje aj to, prečo sa AI okuliare po kúpe zlepšujú: keď sa zlepší cloudový model, zlepšia sa aj okuliare, ktoré už vlastníte.
Pre firmy toto rozdelenie vyvoláva oprávnenú otázku: kam smeruje zvuk a obraz? Spotrebiteľské produkty ich posielajú do cloudu výrobcu. Podnikové platformy na to odpovedajú inak a ide o skutočný rozlišovací prvok: Rokid AI Glasses Enterprise podporujú pripojenie vlastných AI modelov vrátane modelov hostovaných vo vlastnej réžii, takže firma si môže citlivé dáta ponechať na vlastnej infraštruktúre.
Batéria a správa napájania
Batérie sú ukryté v stráničkách a ich kapacita je malá, pretože hmotnosť spočíva na vašom nose. Výrobcovia preklenujú rozdiel medzi malými batériami a energeticky náročnými funkciami agresívnymi inžinierskymi riešeniami: displejmi, ktoré vykresľujú iba malú textovú oblasť, kamerami, ktoré spia, kým ich nezavoláte, a rádiami, ktoré sa spoliehajú na telefón. V praxi je pri súčasnej generácii dosiahnuteľný deň stredne intenzívneho používania asistenta; hodiny nepretržitého prekladu či nahrávania nie. Náročnejší profesionálni používatelia by mali počítať s nabíjacími puzdrami a príslušenstvom s náhradnými batériami rovnako, ako počítajú s nabíjačkami k telefónu.
Konektivita: neviditeľná súčasť
Väčšina AI okuliarov sa páruje so smartfónom cez Bluetooth a internet zabezpečuje telefón. Okuliare s displejom, ako napríklad rad XREAL, namiesto toho používajú kábel USB-C, ktorý prenáša obraz aj napájanie – v okuliaroch tak nie je vôbec žiadna batéria. Odolné priemyselné zariadenia často bežia na samostatnom Androide s vlastnou Wi-Fi, pretože technik sa nemôže spoliehať na osobný telefón. Pri hodnotení akýchkoľvek okuliarov si včas ujasnite, k čomu musia byť pripojené, pretože táto závislosť ovplyvňuje každodenné používanie viac než akýkoľvek parameter.
Ako to celé do seba zapadá: čo sa stane, keď požiadate o preklad
Konkrétny príklad spojí všetky časti dohromady. Ťuknete na stráničku a otočíte sa ku kolegovi, ktorý hovorí po nemecky. Mikrofónové pole izoluje jeho hlas a streamuje komprimovaný zvuk cez váš telefón do cloudu, kde ho rozpoznávanie reči prevedie na text a prekladový model preloží text do angličtiny. Anglická veta sa vráti do okuliarov a vlnovod ju vykreslí ako titulok vznášajúci sa pod vašou líniou pohľadu, približne sekundu za rečníkom. Každá súčiastka spomenutá v tomto článku sa tejto vety dotkla, no jediné, čo ste si všimli, bol text.
























