Ранее в этом месяце нейросеть Gemini получила новую функцию под названием Guided Vision. Она позволяет ИИ задействовать камеру смартфона и отвечать на вопросы о том, что попадает в поле зрения объектива. Ради интереса автор вышел на балкон, направил камеру на городской пейзаж и попросил Gemini Live угадать место съемки. Искусственный интеллект точно назвал конкретный район по одному лишьдальнему зданию, что выглядит впечатляюще. Тем не менее, очки Ray-Ban Meta умеют делать подобные вещи уже давно. Возникло закономерное желание устроить очное состязание и выяснить, в чем именно возможности Guided Vision превосходят умные очки от Meta.
В качестве полигона для испытаний был выбран голландский супермаркет в Амстердаме. Поскольку автор недавно переехал в столицу Нидерландов и не говорит по-голландски, магазин стал идеальной полосой препятствий. Почти все местные жители свободно владеют английским языком, но вывески, рекламные щиты, ценники и упаковки товаров выполнены исключительно на нидерландском. Тысячи позиций на полках, рекламные объявления о скидках, мелкий шрифт на упаковках и окружающие покупатели создают серьезный стресс для иностранца, пытающегося сориентироваться без знания языка.
Особенности использования голосовых помощников в публичных местах
Первое, с чем сталкиваешься при тестировании подобных технологий в реальных условиях — это сильное чувство неловкости. Находясь рядом с незнакомым человеком в проходе магазина, произнести вслух фразу вроде «Эй, Мета, помоги мне найти соус шрирача» психологически тяжело. Автору пришлось дождаться, пока стоявшая рядом женщина заберет нужный товар и отойдет. Когда запрос был озвучен, очки Meta даже не стали делать снимок. Система просто ответила: «Соус шрирача находится в секции острых соусов, его легко узнать по характерной зеленой крышке». Хотя прямого поиска по камере не произошло, упоминание зеленой крышки сразу помогло глазам вычленить нужную бутылку на полке.
Использование смартфона, который приходится вытаскивать и наводить на витрины для запросов к Gemini, выглядит не менее странно и неестественно. Окружающие могут подумать, что человек совершает видеозвонок, однако сам процесс взаимодействия с гаджетом в оживленном торговом зале до сих пор вызывает психологический барьер.
Поиск товаров с помощью камеры смартфона и очков
Для проверки эффективности оба помощника получили одинаковую задачу: найти кофейные фильтры. Огромный кофейный отдел в супермаркете Albert Heijn поставил автора в тупик. Умные очки Ray-Ban Meta сделали единственный снимок и сообщили, что не смогли обнаружить искомый товар на полке. На этом их работа завершилась.
В свою очередь, Gemini продемонстрировала принципиально иной подход. После наведения камеры смартфона на кофейный стеллаж последовал ответ: «Я не вижу этого перед собой; возможно, вы можете оглядеться по сторонам, и я сообщу, когда замечу». Шаг назад и медленное панорамирование слева направо привели к неожиданному результату: искусственный интеллект воскликнул: «Нашлось! Вернитесь немного влево, это на верхней полке». Фильтры действительно оказались там. Это принесло чистый балл в пользу Gemini.
Очки Meta тоже способны искать продукты по камере, но они ограничены статичными фотографиями. Для сканирования целого прохода пришлось бы последовательно спрашивать устройство: «Вы видите это здесь?», превращая процесс в самостоятельное разглядывание полок. Возможность плавно провести камерой телефона вдоль ряда и получить команду остановиться от Gemini оказалась действительно полезной функцией. Правда, во время этого процесса другой покупатель был вынужден остановиться и ждать окончания диалога с телефоном, что добавило комичности ситуации.
Преимущества очков Meta при работе с текстом и мелкими деталями
По мере продолжения покупок разница между двумя инструментами становилась все более очевидной. Ожидалось, что их функционал будет идентичным, но на практике каждый вариант оказался силен в своей сфере. Очки Ray-Ban Meta проявили себя гораздо практичнее в ситуациях, когда требуется перевести текст или извлечь информацию из больших массивов мелких символов.
Например, на упаковке пачки апельсинового сока пищевая ценность была напечатана на семи языках предельно мелким шрифтом. Запрос к очкам позволил мгновенно узнать количество углеводов без необходимости выискивать нужные строчки самостоятельно — устройство просто озвучило ответ. Аналогичный успех сопутствовал у молочного прилавка перед огромной грифельной доской, где сорта сыра были написаны от руки курсивом на голландском языке. Очки не только перевели надпись, но и объяснили, что это перечень сыров с указанием цен, а также предложили назвать стоимость конкретного наименования.
Взаимодействие с предметами в руках или чтение надписей с помощью очков ощущается гораздо естественнее, чем постоянное наведение камеры телефона на каждый объект.
Итоги сравнения Gemini и Ray-Ban Meta
Оба протестированных решения справились со своими задачами отлично. И Gemini, и очки Meta способны находить продукты на полках, читать любые тексты, выполнять перевод и отвечать на общие вопросы. Gemini обладает преимуществом в скорости отклика и универсальности алгоритмов, однако для следующего похода по магазинам автор предпочел бы взять именно Ray-Ban Meta.
В поездках по незнакомым местам интеллектуальные возможности Gemini со сканированием окружающей обстановки в режиме реального времени окажутся полезнее. Но в условиях супермаркета детальная навигация по каждому ряду не требуется, поскольку нужный товар обычно удается отыскать самостоятельно при минимальном усилии. Главный вывод из этого эксперимента заключается в том, что все необходимые продукты находятся совсем рядом, просто до них нужно дотянуться.
Интересно, что весь процесс общения с Gemini шел через смартфон, но звуковой ответ транслировался через динамики очков Meta. Идеальным сценарием стало бы объединение технологий: если бы нейросеть Gemini могла использовать камеру умных очков Meta, это позволило бы получить лучшее из обоих миров. Возможно, будущие смарт-очки должны объединять качественную камеру, динамики и свободу выбора любого удобного искусственного интеллекта.
Важно отметить, что в ходе теста в супермаркете автор столкнулся с дополнительным социальным давлением. По его словам, в магазине не просто было сложно ориентироваться из-за языка, но и ощущалось присутствие людей, которые, как казалось, «молча осуждают» покупателя, разговаривающего с техникой. Это чувство усиливалось необходимостью совершать действия, привлекающие внимание окружающих.
Сравнивая подходы к навигации, автор подчеркнул важную деталь: Gemini удалось проявить себя как гораздо более гибкий инструмент благодаря работе с видеопотоком. В то время как очки Meta ограничиваются анализом одиночного кадра, который пользователь делает в момент запроса, Gemini позволяет совершать «медленное панорамирование» вдоль всего стеллажа. Эта функция превращает нейросеть в полноценного цифрового ассистента, способного вести «диалог» с пространством, а не просто отвечать на статические вопросы.
Что касается работы с текстом, очки Meta проявили себя как более удобный инструмент для точечной работы с предметами, находящимися непосредственно в руках пользователя. Возможность просто посмотреть на этикетку или ценник и задать вопрос без необходимости поднимать смартфон на уровень глаз делает процесс взаимодействия менее заметным и более естественным. В случае с сырным отделом очки продемонстрировали не только способность к переводу, но и контекстное понимание: они проанализировали структуру грифельной доски, поняли логику ценника и проявили проактивность, предложив помощь с конкретной позицией.
Подводя итог своему опыту, автор признал, что несмотря на технологическое превосходство Gemini в режиме реального времени, текущая реализация очков Ray-Ban Meta обеспечивает более комфортный пользовательский сценарий для простых повседневных задач. Главный барьер, который пока не удалось преодолеть — это разрыв между вычислительными мощностями облачного ИИ и удобством носимого форм-фактора. Автор выразил надежду, что в будущем умные очки станут универсальной платформой, где пользователь сможет выбирать любую нейросеть для обработки данных, поступающих с камер очков, что позволило бы объединить «интеллект» Gemini с удобством ношения Meta.
