وزن کردن غذا را متوقف کردم و به جای آن از عینک Ray-Ban Meta برای ردیابی کالری استفاده کردم
مراسم صبحگاهی من سی سال است که ثابت است. کفشهای دویدنم را بند میکنم، تا سپیدهدم بیرون میروم و در نهایت درگیر ریاضیات کسلکننده سوخترسانی پس از دویدن میشوم. اگر تا به حال سعی کرده اید یک رژیم آموزشی ماراتن را حفظ کنید (یا فقط سعی کرده اید سالم بمانید)، می دانید که “فرسودگی ورود داده ها” واقعی است. اسکن بارکد و وزن کردن سینه مرغ سریعترین راه برای لذت بردن از هر وعده غذایی است.
با این حال، ناامیدی برای من با به روز رسانی آوریل 2026 متا از بین رفت. با ادغام مدل چندوجهی Muse Spark، عینک Ray Ban Meta Display هوشمند من بار دیگر سودمندی خود را فراتر از ترجمه به نمایشگاه Superbowl Halftime یا خرید در Target ثابت کرده است.
در اینجا این است که در واقع چگونه است که به عینک خود اجازه دهید بشقاب شما را کنترل کند.
شمارش کمتر، سرگرمی بیشتر
ایستادن در آشپزخانه من با تنقلات قبل از اجرا معمولا شامل یک لحظه “ایست و اسکن” است. اکنون عینک نمایشگر هوشمند Ray Ban Meta خود را می زنم و می پرسم:
ادامه مقاله در زیر
“هی متا، به من بگو کالری چیزی که می خورم.”
روی صفحه، عینکها را دیدم که فوراً یک موز و یک مشت بادام را با استفاده از تقسیمبندی چند وجهی Muse Spark نشان میدهند. یک لایه کوچک در میدان دید من ظاهر شد: 105 کالری برای موز، 160 کالری برای بادام.
این عینک کالری را بسیار دقیق تر از یک عکس معمولی معمولی تخمین زد. من اکنون این کار را با هر چیزی که در طول روز میخورم انجام میدهم، خواه سالاد، سیب یا حتی چیزبرگر.
فراتر از برچسب
آزمایش واقعی در کافه محلی آمد. وقتی به عینکم نگاه کردم، آرم «استارباکس» و اندازه فنجان را نشان داد. می دانست که من شیر جو را انتخاب کردم زیرا قبلاً تنظیمات برگزیده خود را در برنامه Meta View همگام کرده بودم.
محتوای قند را تخمین زد و من توانستم بلافاصله قبل از خوردن اولین جرعه آن را به دفترچه غذایی خود اضافه کنم. من فکر می کنم این یکی از جالب ترین ویژگی های هوش مصنوعی است. این اساساً داده هایی است که بی سر و صدا در زندگی شما وجود دارد، اما هوش مصنوعی توانایی تشخیص الگوها و ارائه جزئیات بر اساس داده های آموزشی را دارد.
آیا هوش مصنوعی واقعاً می تواند یک دستور العمل را ببیند؟
البته این آزمایش بدون توجه به دقت آزمایشی واقعی نخواهد بود. شناسایی یک سیب کامل با داده های نسبتاً دقیق دشوار نیست. اما تعریف فلفل دلمه ای خانگی بسیار دشوارتر است. من از “هک زمینه” برای تست استرس مدل استفاده کردم. در حالی که داشتم پیازها را تفت می دادم، به تابه نگاه کردم و گفتم: متا، دو قاشق غذاخوری روغن زیتون و یک کیلو گوشت بوقلمون بدون چربی اضافه می کنم.
وقتی بعداً نشستم غذا بخورم، نه تنها «فلفل» در لیوان ها دیده می شد. او از یادآوری استفاده می کرد تا مواد را از سی دقیقه قبل به خاطر بسپارد. این پردازش محلی بزرگترین مانع در تغذیه هوش مصنوعی را برای من حل می کند. جایی که چربی ها و قندها پنهان هستند اما دوربین به تنهایی نمی تواند آنها را ببیند. حتی اگر اعداد حدس و گمان هستند، برای من این بهتر از این است که اصلاً ندانم (یا بخواهم خودم ریاضی را به صورت دستی انجام دهم – نه لباس قوی من).
حریم خصوصی اجتماعی با Neural Band
باید بگویم که آینده نگرانه ترین لحظه اخیر در یک مهمانی اتفاق افتاد. در حالی که من معمولاً از عینک متا در مکان های عمومی استفاده نمی کنم (حرف زدن با عینک در حالی که دوستان شما سالاد را می گذرانند یک امر اجتماعی غیر شروع کننده است)، گروه عصبی متا بازی را تغییر داده است.
وقتی یک اعلان در دیدم ظاهر شد که از من میخواست «سالاد باغ بزرگ» را تأیید کنم، با دستم زیر میز یک حرکت ظریف «نیشگون گرفتن» انجام دادم. سنسورهای گروه هدف موتور را شناسایی و تصویر را تایید کردند. این اولین باری بود که ردیابی کالری واقعاً نامرئی بود.
در نتیجه
استفاده از عینک Ray-Ban Meta برای کمک به تغذیه سالمتر چیزی نیست که در کارت Bingo 2026 من وجود دارد. دیوانه وار است که شاهد یک تغییر اساسی در نحوه استفاده از هوش مصنوعی برای سلامتی شخصی باشیم.
با ظهور Muse Spark و Ray-Ban Meta Display، واضح است که ما به سمت وضعیتی از سلامت محیط حرکت میکنیم که بار تغذیهای شما با همان سهولت ضربان قلب یا گامهای روزانه شما «تنظیم کن و فراموشش کن» ردیابی میشود.
با وجود اینکه اطلاعات داده شده تقریبی است اما برای من کافی است. به عنوان یک دونده، این به معنای دیگر «فرسودگی ورود داده» پس از دویدن طاقتفرسا 20 مایلی است. برای والدین، با تلاش برای کاهش مقادیر فراوان قندی که فرزندانمان مصرف می کنند، بشقاب ذهنی ما باید تغییر کند. و برای علاقه مندان به فناوری، این اولین اثبات واقعی مفهومی است که نویدبخش Meta Superintelligence شخصی است. من برای ادامه آزمایش احتمالات متا برای انجام کارهایی که می تواند انجام دهد هیجان زده هستم.
دنبال کردن راهنمای تام برای Google News و ما را به عنوان منبع ترجیحی اضافه کنید برای مشاهده آخرین اخبار، تحلیل ها و بررسی های ما در فیدهای خود.