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

Hier 3-4 Vorteile gegenüber herkömmlichen KI Chips die im Moment noch Pros sind Energieeffizienz: Der Akida-Chip benötigt viel weniger Energie als herkömmliche KI-Chips, was ihn ideal für mobile Anwendungen und Geräte macht. Schnelligkeit: Der Akida-Chip ist in der Lage, Berechnungen sehr schnell durchzuführen und kann daher in Echtzeit-Systemen eingesetzt werden. Skalierbarkeit: Der Akida-Chip kann je nach Bedarf skaliert werden, was ihn für eine Vielzahl von Anwendungen geeignet macht. Geringe Latenz: Der Akida-Chip kann Mustererkennungsaufgaben in Echtzeit durchführen und bietet daher eine sehr geringe Latenzzeit. Geringe Kosten: Der Akida-Chip ist im Vergleich zu herkömmlichen KI-Chips günstiger, was ihn für eine breitere Palette von Anwendungen erschwinglich macht. Und was den 1500 angeht, der Akida 1500 ist im Wesentlichen eine verbesserte Version des Akida-Chips. Im Vergleich zum Akida-Chip verfügt der Akida 1500 über eine höhere Anzahl an Neuronen, nämlich 1,5 Millionen, im Gegensatz zu den 1,2 Millionen des Akida-Chips. Dadurch kann der Akida 1500 komplexere KI-Anwendungen verarbeiten und eine höhere Genauigkeit und Leistung bei der Erkennung von Mustern und Signalen liefern. Außerdem verbraucht der Akida 1500 weniger Strom als sein Vorgänger und kann somit effizienter in batteriebetriebenen Anwendungen eingesetzt werden.

Reißerisch 😂 https://www.sharedeals.de/brainchip-springt-die-aktie-noch-auf-den-ki-hype-train-auf/

Ich kann mir durchaus vorstellen, dass die Umstellung der Mustererkennung bei selbstfahrenden Autos von bisherigen Programmen auf neuromorphe Chips recht schnell gehen kann (vielleicht in 1-2 Jahren), da ja beide Systeme über Simulationen nebeneinander getestet werden können, und ich (wie vorher beschrieben) davon ausgehe, dass die neuromorphe Mustererkennung wesentlich effizienter ist. Die Schwierigkeit, daraus Handlungsanweisungen abzuleiten, ist meiner Meinung nach aber der viel schwierigere Part (insbesondere unter Berücksichtigung von Sicherheitsaspekten und den ethischen Fragestellungen), und wird deutlich länger dauern. Insofern würde ich Dir voll zustimmen, dass es bis zur Serienreife noch einige Jahre dauert.

Da bin ich ganz bei Dir. Auf derartige Kombinationen wird es hinauslaufen. Ich glaube aber auch, daß sich eine neue Technologie erstmal in anderen kommerziellen Anwendungen bewähren muß, bevor sie in sicherheitsrelevanten Bereichen eingesetzt wird. Wenn man die Produktzyklen berücksichtigt, würde ich das von Dir beschriebene Szenario irgendwo 2026/27 verorten.

Danke für den Hinweis! Ich habe mich missverständlich ausgedrückt. Der Akida-Chip ist ein digitaler Chip, der neuronale Netzwerke auf einer digitalen Ebene simuliert. Es handelt sich also um einen digitalen Prozess. Es tut mir leid für die Verwirrung

Hallo, ich bin schon seit langer Zeit stiller Mitleser. Jetzt melde ich mich aber direkt mit einer Frage zu Wort. Was meinst du damit, wenn du sagst, Akida benutzt eine "analoge Methode"?🤷‍♂️ Ich lese ständig dass Akida vollständig digital ist. Ich bitte um Aufklärung.

Und eine kurze Erklärung nochmal für die neuen die noch nicht so recht wissen wie akida funktioniert Der Akida-Chip von BrainChip ist ein sogenannter "neuromorpher" Chip, der auf dem Konzept des "spiking neural network" (SNN) basiert. Im Gegensatz zu herkömmlichen Prozessoren, die digitale Informationen mit binären Signalen (0 und 1) verarbeiten, verwendet der Akida-Chip eine analogen Methode, um neuronale Aktivität nachzuahmen. Das bedeutet, dass der Akida-Chip Signale mit variabler Stärke und Frequenz verarbeiten kann, ähnlich wie das menschliche Gehirn. Der Chip verfügt über eine Netzwerkarchitektur, die aus mehreren Schichten von Neuronen besteht, die durch Synapsen verbunden sind. Diese Schichten werden verwendet, um bestimmte Aufgaben auszuführen, indem sie Muster in den Signalen erkennen und lernen, wie sie diese Muster besser erkennen können. Das Training des Chips erfolgt durch die Verwendung von speziellen Algorithmen und maschinellem Lernen, um das Verhalten der Neuronen und Synapsen anzupassen und zu verbessern. Das maschinelle Lernen basiert auf dem Konzept, dass ein Computer durch Erfahrungen lernen kann, ähnlich wie ein Mensch. Die Algorithmen des maschinellen Lernens analysieren Daten und extrahieren automatisch Muster und Zusammenhänge, die zur Lösung von Problemen oder zur Vorhersage von Ergebnissen verwendet werden können.