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

Wo ich jetzt gerade schon so im Flow bin ... ich hätte mal eine Frage, vielleicht weiß da jemand von euch mehr oder ist schon mal über was gestolpert. Ich glaube es war im Rahmen von diesem Announcement bzgl. Zusammenarbeit von Brainchip und Prophesee ... irgendjemand hatte (ich weiß jetzt nicht mehr genau, ob hier im Board oder im TSE) eine Verbindung zu Sony erwähnt. Die, wenn ich mich jetzt nicht täusche, mittlerweile einer der größten Hersteller für digitale Bild-Sensoren ist. Das ist jetzt alles evntl. gefährliches Halbwissen, ich hatte nur vor Jahren als ich gerade am Recherchieren bzgl. einer Mirrorless System-Kamera war, gelesen, dass Bild-Sensoren für Kameras (überspitzt gesagt) mittlerweile eine Art Abfallprodukt sind, da die industrielle Anwendung eigentlich im Vordergrund steht. Wie auch immer, langer Rede kurzer Sinn, ich hatte mich in dem oben erwähnten Zusammenhang gefragt, ob Akida im visuellen Bereich nicht nur zur Objekt-Erkennung genutzt werden könnte (was für Object-Tracking Autofocus vielleicht auch interessant sein könnte) sondern ganz allgemein für den Bereich Auto-Focus. Der Markt für System-Kameras ist zwar wahrscheinlich eine absolute Nische im Vergleich zu Industrie-Anwendungen. Die Überlegung kam eigentlich nur aus persönlichem Interesse am Fotografieren und dem Gedanken, dass der Autofocus nie schnell genug/präzise sein kann (z.B. bei kleinen Kindern) und relativ viel Strom benötigt ... Vielleicht ist ja jemand von euch schon mal zu Infos bzgl. dieses Einsatzgebiets gestolpert?

Zu dem Paper vom DOE mische ich jetzt auch mal kurz hier ein. Bisher war ich in diesem Forum seit ca. 1,5 Jahren nur stiller Mitleser (Investment in BRN immer weiter ausgebaut), vielen vielen Dank an dieser Stelle an die üblichen Verdächtigen (ihr wisst schon wer gemeint ist), für's Recherchieren, Analysieren, die informativen Links und auch für's Mitfiebern ;) Aber kurz zum Thema 'Neuromorphes Computing' bzw. dem zeitlichen Horizont nach Einschätzung aus dem Artikel dazu. Vorausgeschickt, ich bin kein Spezialist in den Bereichen KI/ML. Ich verfolge eher allgemein seit 20 Jahren+ die Halbleiter-Branche. Meiner Meinung nach wird es erst mal mit smarten Sensoren bzw. einem oder mehreren neuromorphen Chips hinter dem Sensor beginnen. Das ist ja das was man bereits im Automobil-Bereich usw. erkennen kann, wann auch immer die Modelle jetzt genau eingeführt werden (2024-2025?). Nachdem die Branchen, für die smarte Sensoren oder deren Auswertung wertvoll sein können, wie wir mittlerweile erahnen können, vielfältig sind (medizinischer Bereich, industrielle Prozess-Überwachung, Home-Automatisierung, Mobilfunk-Bereich?), gehe ich davon aus, dass da die nächsten 1-2 Jahre schon die ersten Produkte zu erkennen sein werden. Soweit meine Vermutungen was die nahe Zukunft betrifft. Was aber die, in dem von @perhaps verlinkten paper angesprochenen, Herausforderungen angeht, lese ich da im wesentlichen eine Bestandsaufnahme bzgl. Software-Tools / Strategie-Vortschlage welche Bereiche gefördert werden sollen, heraus um im HPC-Bereich (High Performance = Supercomputer/Serverfarmen und ja auch der eigentliche Kernbereich vom DOE was Computing angeht) die Integration von klassischem Aufbau (Von-Neumann) und neuromorphen Computing voranzutreiben/ zu beschleunigen. Zitat aus dem Artikel: "It is evident that future HPC approaches will be highly heterogeneous, where HPC system could include both conventional (CPUs, GPUs), and non-conventional approaches (neuromorphic hardware, Processing-In-Memory). ... Our hypothesis is that multi-precision networks using neuromorphic processors will perform better than conventional computing approaches for scientific computing and machine learning algorithms." Ich schätze in genau diesem HPC-Bereich wird neuromorphes Computing erst mittelfristig eine größere Rolle spielen. Ich leider gerade nicht mehr, ob es in einem Interview mit Sean Heir vorkam oder im Video der Hauptversammlung, aber ich meine mich daran zu erinnern, dass die nächsten Ausbaustufen der Akida-Platform ja nicht nur kleinere Optimierungen werden sollen, sondern auch ein Einsatz in Servern bzw. im Backend angedacht ist (sorry Link muss ich erst wieder suchen).

Zu dem Paper vom DOE mische ich jetzt auch mal kurz hier ein. Bisher war ich in diesem Forum seit ca. 1,5 Jahren nur stiller Mitleser (Investment in BRN immer weiter ausgebaut), vielen vielen Dank an dieser Stelle an die üblichen Verdächtigen (ihr wisst schon wer gemeint ist), für's Recherchieren, Analysieren, die informativen Links und auch für's Mitfiebern ;) Aber kurz zum Thema 'Neuromorphes Computing' bzw. dem zeitlichen Horizont nach Einschätzung aus dem Artikel dazu. Vorausgeschickt, ich bin kein Spezialist in den Bereichen KI/ML. Ich verfolge eher allgemein seit 20 Jahren+ die Halbleiter-Branche. Meiner Meinung nach wird es erst mal mit smarten Sensoren bzw. einem oder mehreren neuromorphen Chips hinter dem Sensor beginnen. Das ist ja das was man bereits im Automobil-Bereich usw. erkennen kann, wann auch immer die Modelle jetzt genau eingeführt werden (2024-2025?). Nachdem die Branchen, für die smarte Sensoren oder deren Auswertung wertvoll sein können, wie wir mittlerweile erahnen können, vielfältig sind (medizinischer Bereich, industrielle Prozess-Überwachung, Home-Automatisierung, Mobilfunk-Bereich?), gehe ich davon aus, dass da die nächsten 1-2 Jahre schon die ersten Produkte zu erkennen sein werden. Soweit meine Vermutungen was die nahe Zukunft betrifft. Was aber die, in dem von @perhaps verlinkten paper angesprochenen, Herausforderungen angeht, lese ich da im wesentlichen eine Bestandsaufnahme bzgl. Software-Tools / Strategie-Vortschlage welche Bereiche gefördert werden sollen, heraus um im HPC-Bereich (High Performance = Supercomputer/Serverfarmen und ja auch der eigentliche Kernbereich vom DOE was Computing angeht) die Integration von klassischem Aufbau (Von-Neumann) und neuromorphen Computing voranzutreiben/ zu beschleunigen. Zitat aus dem Artikel: "It is evident that future HPC approaches will be highly heterogeneous, where HPC system could include both conventional (CPUs, GPUs), and non-conventional approaches (neuromorphic hardware, Processing-In-Memory). ... Our hypothesis is that multi-precision networks using neuromorphic processors will perform better than conventional computing approaches for scientific computing and machine learning algorithms." Ich schätze in genau diesem HPC-Bereich wird neuromorphes Computing erst mittelfristig eine größere Rolle spielen. Ich leider gerade nicht mehr, ob es in einem Interview mit Sean Heir vorkam oder im Video der Hauptversammlung, aber ich meine mich daran zu erinnern, dass die nächsten Ausbaustufen der Akida-Platform ja nicht nur kleinere Optimierungen werden sollen, sondern auch ein Einsatz in Servern bzw. im Backend angedacht ist (sorry Link muss ich erst wieder suchen).

Und das ist doch der Grund warum Braini z.b Intel extrem weit voraus sind. Intel hat doch Lehrstühle an Unis ins Leben gerufen weil deren Technik doch wohl so schwer umsetzen ist. Hat Brainchip nicht SNN to CNN oder wie das heißt patentiert, das macht das ganze Dingen doch so „einfach“ zu programmieren

Es geht aber um reine SNN Systeme. Dort ist die Implementierung komplexer da entsprechende Plattformen noch fehlen. So wie ich es mitbekommen habe, hatten das auch die Kunden so geäußert, geile Technik aber schwierige Implementierung. Deshalb hat sich Brainchip nochmal ein Jahr hingesetzt und ihre MetaTF Oberfläche entwickelt um auch heute gängige NNs verarbeiten zu können.