Brainchip Klassengruppe WKN: A14Z7W ISIN: AU000000BRN8 Kürzel: BRN Forum: Aktien User: Rarosch

Da muß man zwischen Training der AI (softwarebasiert), in dem Fall Erkennung von bestimmten Gesichtern, und Abspeicherung der berechneten Daten unterscheiden. Das fehlende Gedächtnis bezieht sich da eher auf die Abspeicherung von Fehlerprotokollen z.B. , heißt ein bereits früher erkannter Fehler wird erneut berechnet und nicht aus dem Gedächtnis erkannt. Tiefergehende Fragen sollten aber kompetentere Leute beantworten, da fehlen einfach die zugänglichen Daten für eine Beurteilung. In verschiedenen Universitätsforschungen wurde auch schon öfter auf diese Problematik hingewiesen. Auf jeden Fall ist Akida 2.0 mit LSTM notwendig, um die Anwendungsbereiche zu vergrößern. Leider hat es da schon länger keine Infos zum Stand der Dinge mehr gegeben.

Oder die Smart Home Funktion. Ohne LSTM…… Ich komme nach Hause und werde erkannt, die Tür geht auf. Mit LSTM…… Ich komme nach Hause und werde erkannt, die Tür geht auf. Meine Vorlieben wurden mit der Zeit erkannt und der Chip weiß, wenn der Temperaturfühler nur 16C. Anzeigt mach ich immer die Heizung an, die Aktion wurde vorher schon gelernt und wird jetzt ausgeführt. Kein Plan ob das stimmt 😅😁

Ich glaub es war mal Diagonese der meinte das Valeo mit ihren LIDAR System Akida 2.0 mit LSTM bräuchte. Aber warum das so ist, keine Ahnung 🤷🏼‍♂️ 😅

Das wäre eine berechtigte Frage an den Brainchip-Support. Ich erkenne nur die Problematik, genaue Auskünfte dazu kann nur jemand geben, der an der Quelle sitzt.

Ich hab über die Internet Seite von Uiux mein Gesicht meine Hunde und mehrere Gegenstände schon Monate eingespeichert und das wird immer noch erkannt. Es läuft zwar über die Software und nicht über den Chip….. müsste ich beim Chip ohne LSTM ständig die Daten auffrischen?

Das bezieht sich wahrscheinlich auf die Zusammenarbeit zwischen Ambarella und Autobrains? https://www.elektroniknet.de/automotive/assistenzsysteme/skalierbare-ki-fuer-den-massenmarkt.192381.html

Danke erstmal für deine Antworten 😘

Was versteht man unter einfache Anwendungen? Spracherkennung funktioniert wohl damit, siehe Mercedes. Gestenerkennung, Blickrichtung, Mimik geht ja auch, siehe NViso. Flüssigkeitserkennung und Vibration scheinen auch zu funktionieren. Heißt das Akida ohne LSTM (Langzeitspeicher) die Wörter und co nach einer Zeit wieder vergisst?

Das Problem bei Akida 1.0 ist die geringfügige Speicherfähigkeit (Memory), was zu einem fehlenden Langzeitgedächtnis führt. Alle Berechnungen werden "on the fly" im Kurzzeitgedächtnis durchgeführt. Daraus ergeben sich nur beschränkte Einsatzmöglichkeiten, ein Grund, warum Renesas nur 2 Knoten für einfache Anwendungen, bei denen es hauptsächlich um Stromersparnis geht, lizensiert hat. Hier nochmal das Akida-Datasheet zum Nachlesen: https://brainchip.com/wp-content/uploads/2022/06/Akida-1.0-IP-Product-Brief_final.pdf Dieser gravierende Nachteil ist natürlich bekannt, deshalb arbeitet Brainchip seit längerem an Akida mit LSTM: https://www.alexanderthamm.com/de/data-science-glossar/long-short-term-memory/ Brainchip ist in die Kommerzialisierung gegangen, obwohl sich alles noch in der Entwicklungsphase befindet. Ein erzwungener Schritt, weil Brainchip als kleines Unternehmen nicht die Ressourcen von Intel hat, die Loihi 2 in ihren R&D Abteilungen mit viel Geld vor Markteinführung fertigentwickeln. Deshalb sollte man dringend die Erwartungen anpassen. Aktuell sind wegen der vorhandenen Defizite nur einfache Anwendungen umsetzbar. Alle kurzen Präsentationen von Brainchip oder Nviso sind nicht aussagekräftig, weil das Langzeitgedächtnis dort keine Rolle spielt. Der dringend notwendige nächste Schritt ist die Kommerzialisierung von Akida 2.0 mit LSTM, die schon länger überfällig ist.

Das wäre der gesamte Text….. Ich weiß nur nicht mehr wer den verfasst hat 🫣 Akidas Stärke ist die Signalabstimmung - Bildklassifizierung/-identifikation, Spracherkennung, Sensorausgangsidentifikation im Allgemeinen. von Neumann-Prozessoren tun dies derzeit mit CNN-Software (convolutional neural network), aber sie verbrauchen enorme Mengen an Leistung, um die mathematischen Berechnungen mit 32 oder 64 Bit durchzuführen, um dies zu tun Wie ursprünglich gedacht, verwendet Akida mit 1-Bit-Gewichten und Betätigungen keine mathematischen Multiplikationen. Stattdessen werden die einzelnen Bits als Spikes betrachtet. Akida ergänzt einzelne Bits, um festzustellen, wann die Eingaben in ein Neuron den Zündschwellenwert erreicht haben, aber dies verbraucht weit weniger Leistung als die 32/64-Bit-Multiplikation. Darüber hinaus wird unter Verwendung von Bildsensoren als Beispiel in Akida ein "Spike" nur erzeugt, wenn die Eingabe eines Pixels den Wert ändert und die Änderungen asynchron behandelt werden (wie sie auftreten, im Vergleich zu Frame-by-Frame in einem vN-Prozessor). Im Gegensatz dazu muss ein von Neumann-Prozessor einen Vergleich für jedes 32/64-Bit-Pixel aufeinanderfolgenden Frames durchführen und dabei die 1000-fache Leistung verwenden, die Akida für die gleiche Aufgabe verwendet. In einem AV gibt es immer noch einen Platz für vN-Prozessoren, ein Programm zu verwenden, um auf die Ergebnisse des Akida-Signalklassifizierungsprozesses zu reagieren, z. B. durch die Erzeugung eines Bremssignals oder eines Blinkers für den AV unter Verwendung des Akida-Ausgangs als Programmparameter. Akida verbessert jedoch die Gesamtleistungseffizienz und die Reaktionsgeschwindigkeit um etwa eine Größenordnung oder mehr, da die CNN-Software so viel Leistung verbraucht. In einfacheren Fällen kann die Ausgabe eines eigenständigen Akida ausreichen, um eine einfache EIN/AUS-Funktion zu initiieren. In vielen Fällen wird Akida jedoch in Verbindung mit einer CPU oder MPU ausgeführt. Wenn eine höhere Genauigkeit erforderlich ist, kann Akida 2-Bit- oder 4-Bit-Gewichte und -Betätigungen verwenden. Ich vermute nur, dass dies 2-Bit- oder 4-Bit-Multiplikationen beinhalten werden, aber die 4-Bit-Multiplikation wird immer noch 64 Mal (8*8) energieeffizienter sein als die 32-Bit-Multiplikation und 64 Mal schneller sein. [Das ist 256-mal besser im Vergleich zu 64-Bit-Multiplikationen]. Akida kann also etwas Leistung und Geschwindigkeit gegen eine verbesserte Genauigkeit bei der Durchführung dieser Klassifizierungsaufgaben eintauschen, aber es ist vN immer noch Meilen voraus Kann man noch hinzufügen, daß Akida in der 28nm Fertigung der Brot-und Buterchip für den Massenmarkt ist, der auf Kosten- und Energieeffizienz optimiert ist. Wenn die Leistungsmerkmale entscheidend sind, nicht Produktionskosten oder Stromverbrauch, gibt es durch die skalierbare Architektur noch ganz andere Möglichkeiten. In einer 7 oder 3nm Fertigung wird der Chip eine Leistungsexplosion zeigen, die noch gar nicht eingeschätzt werden kann.

Perhaps, wie sieht das Leistungstechnisch aus wenn der Akida von 28nm weiter runter skaliert wird? Wird die Leistung dann erhöht? Hatte mir das mal in meinen Notizen gespeichert, ich habe aber nicht das Fachwissen um es zu beurteilen. Das ist die Kopie aus meinen Notizen: Kann man noch hinzufügen, daß Akida in der 28nm Fertigung der Brot-und Buterchip für den Massenmarkt ist, der auf Kosten- und Energieeffizienz optimiert ist. Wenn die Leistungsmerkmale entscheidend sind, nicht Produktionskosten oder Stromverbrauch, gibt es durch die skalierbare Architektur noch ganz andere Möglichkeiten. In einer 7 oder 3nm Fertigung wird der Chip eine Leistungsexplosion zeigen, die noch gar nicht eingeschätzt werden kann

Danke für zuverlässige Infos über die Konkurrenz. Könnte jetzt verschiedene technische Links schicken, lieber nur kurz. Das Ambarella SoC wird in 5nm Fertigung hergestellt. Akida ist Stand jetzt bis maximal 7nm skalierbar, Thema abgehakt.

Einfach lesen.🤔🍻☝

Einzigartige System-on-Chip-Leistung bei geringem Stromverbrauch

https://www.continental.com/en/press/press-releases/20221118-soc-integration/