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

Der Link über NVISO und extreme Edge ist so interessant weil NViso in ihrer Präsentation vom ca 20.07.22 eine Grafik hatte. Da geht es von Cloud bis Extreme Edge, unter Extreme Edge war nur Brainchip aufgeführt.

Was hat das denn mit Brain zu tun

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.

Ich Danke dir nochmals 🙏 Das ist echt ein verzwicktes Thema 😅 Vor Brainchip wusste ich noch nicht mal was eine GPU ist, CPU hatte ich aber schon mal gehört 😂

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.

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.