Diskussion zu BrainChip Holdings - 500 Beiträge pro Seite
eröffnet am 31.10.17 03:14:28 von
neuester Beitrag 26.04.24 00:08:07 von
neuester Beitrag 26.04.24 00:08:07 von
Beiträge: 15.307
ID: 1.265.618
ID: 1.265.618
Aufrufe heute: 16
Gesamt: 748.021
Gesamt: 748.021
Aktive User: 0
ISIN: AU000000BRN8 · WKN: A14Z7W
0,1932
EUR
+0,73 %
+0,0014 EUR
Letzter Kurs 25.04.24 Tradegate
Meistbewertete Beiträge
| Datum | Beiträge | Bewertungen |
|---|---|---|
| 25.04.24 | ||
| 25.04.24 | ||
| 25.04.24 | ||
| 25.04.24 | ||
| 25.04.24 |
| Datum | Beiträge | Bewertungen |
|---|---|---|
| 23.04.24 | ||
| 24.04.24 | ||
| 20.04.24 | ||
| 22.04.24 | ||
| 22.04.24 |
| Datum | Beiträge | Bewertungen |
|---|---|---|
| 29.03.24 | ||
| 29.03.24 | ||
| 28.03.24 | ||
| 28.03.24 | ||
| 29.03.24 |
Werte aus der Branche Informationstechnologie
| Wertpapier | Kurs | Perf. % |
|---|---|---|
| 1,2500 | +35,28 | |
| 26,60 | +25,47 | |
| 15,350 | +24,29 | |
| 1,5000 | +20,00 | |
| 145,50 | +20,00 |
| Wertpapier | Kurs | Perf. % |
|---|---|---|
| 3,3800 | -14,65 | |
| 1,1000 | -15,38 | |
| 4,5500 | -18,17 | |
| 21,87 | -19,74 | |
| 0,8906 | -22,56 |
Feedback
TcwbwtM - reisserische Titel sind nichts mehr für mich...
Ist schon interessant wie ich dieses Jahr feststellte, in Australien findet sich Innovation, das gibts ja garnicht.
"This chip will be worth ten Microsofts" - Bill Gates
http://higherintelligencebook.com/
A Technology that Learns Like the Human Brain – Neuromorphic Computing
BrainChip’s technology uses a type of neuromorphic computing called spiking neural networks (SNNs). It has many attractive characteristics, including the ability to be trained instantaneously (“one-shot learning”), high accuracy and low compute overhead. This is an important feature in the world outside of the internet, where massive datasets are not available. For instance, a police department looking for a suspect in live video streams does not have thousands of images of that suspect, nor does it have weeks to train a traditional convolutional neural network system.
What Makes Our Technology So Exciting
Our technology learns from experience, autonomously, just like a human. It does not need to be trained with millions of samples like Deep Learning, it learns a pattern instantaneously. Deep Learning networks are power-hungry and require large GPU-Server clusters and weeks of training. BrainChip’s technology learns by itself, without large datasets, and finds patterns that humans may not be aware of. This rapid learning capability opens up new possibilities to find images in video, patterns in large datasets, and hundreds of other applications where deep learning cannot be used.
Because SNNs can be implemented using regular logic functions, they are inherently high-performance and low-power.
How It Works
The neurons we have developed learn through selective reinforcement or inhibition of synapses and neuron thresholds. Learning occurs when the input is intense, or repeated through feedback at each neuron, just as the brain learns. Our fully digital neurons process input spikes in parallel, which means that the response time of the network is independent of the network size.
http://www.trickytrading.com/BRAINCHIP/
Ist schon interessant wie ich dieses Jahr feststellte, in Australien findet sich Innovation, das gibts ja garnicht.
"This chip will be worth ten Microsofts" - Bill Gates
http://higherintelligencebook.com/
A Technology that Learns Like the Human Brain – Neuromorphic Computing
BrainChip’s technology uses a type of neuromorphic computing called spiking neural networks (SNNs). It has many attractive characteristics, including the ability to be trained instantaneously (“one-shot learning”), high accuracy and low compute overhead. This is an important feature in the world outside of the internet, where massive datasets are not available. For instance, a police department looking for a suspect in live video streams does not have thousands of images of that suspect, nor does it have weeks to train a traditional convolutional neural network system.
What Makes Our Technology So Exciting
Our technology learns from experience, autonomously, just like a human. It does not need to be trained with millions of samples like Deep Learning, it learns a pattern instantaneously. Deep Learning networks are power-hungry and require large GPU-Server clusters and weeks of training. BrainChip’s technology learns by itself, without large datasets, and finds patterns that humans may not be aware of. This rapid learning capability opens up new possibilities to find images in video, patterns in large datasets, and hundreds of other applications where deep learning cannot be used.
Because SNNs can be implemented using regular logic functions, they are inherently high-performance and low-power.
How It Works
The neurons we have developed learn through selective reinforcement or inhibition of synapses and neuron thresholds. Learning occurs when the input is intense, or repeated through feedback at each neuron, just as the brain learns. Our fully digital neurons process input spikes in parallel, which means that the response time of the network is independent of the network size.
http://www.trickytrading.com/BRAINCHIP/
https://d1io3yog0oux5.cloudfront.net/_cbcbc6f673b7cb36c970e5…
______________________________________________________________________________
BrainChip Holdings Ltd
ACN 151 159 812
Level 12 680 George Street Sydney NSW 2000
T: +61 2 8280 7355 | F: +61 2 9287 0350 | W: www.brainchipinc.com
BrainChip Completes Placement to Raise A$21.5 million
Highlights:
•
BrainChip raises A$21.5 million in an oversubscribed share
placement.
•
Placement
was supported by a large number of institutions.
•
Funds raised will allow BrainChip to accelerate its commercialisation
strategy and to further develop its existing video analytics products
and its planned AKIDA
TM
Neuromorphic Processor Unit.
______________________________________________________________________________
BrainChip Holdings Ltd
ACN 151 159 812
Level 12 680 George Street Sydney NSW 2000
T: +61 2 8280 7355 | F: +61 2 9287 0350 | W: www.brainchipinc.com
BrainChip Completes Placement to Raise A$21.5 million
Highlights:
•
BrainChip raises A$21.5 million in an oversubscribed share
placement.
•
Placement
was supported by a large number of institutions.
•
Funds raised will allow BrainChip to accelerate its commercialisation
strategy and to further develop its existing video analytics products
and its planned AKIDA
TM
Neuromorphic Processor Unit.
http://thenudeinvestor.com/my-biggest-win-yet-how-i-turned-5…
You see the share price was running on hype that BrainChip could be the “next big thing” in computer chip technology. The chip creator and BrainChip founder, Peter van der Made, claims that the chip is 5000 times faster than any chip currently on the market and runs on 1/1000th the power. Furthermore, it’s claimed to be the only “neural computing” hardware device in existence. ?
Peter van de Made seems like a genuine guy where money is the least of his motivations – he’s basically developed BrainChip in his garage over the past few years and I believe a big part of keeping it on the down-low is so he can retain control of the development of his invention. I also believe that if BrainChip does happen to be one of the ones that end up making something of itself, it’s likely to go huge and make a lot of early investors seriously wealthy, hence why I want to keep some exposure to the company.
You see the share price was running on hype that BrainChip could be the “next big thing” in computer chip technology. The chip creator and BrainChip founder, Peter van der Made, claims that the chip is 5000 times faster than any chip currently on the market and runs on 1/1000th the power. Furthermore, it’s claimed to be the only “neural computing” hardware device in existence. ?
Peter van de Made seems like a genuine guy where money is the least of his motivations – he’s basically developed BrainChip in his garage over the past few years and I believe a big part of keeping it on the down-low is so he can retain control of the development of his invention. I also believe that if BrainChip does happen to be one of the ones that end up making something of itself, it’s likely to go huge and make a lot of early investors seriously wealthy, hence why I want to keep some exposure to the company.
Konkurrenten im AI-Markt der Neuromorphic-Chips: The self-learning neuromorphic chip market is expected to grow at approximately USD 2 Billion by 2023, at 27% of CAGR between 2017 and 2023.
Key Players:
The prominent players in the Self-Learning Neuromorphic Chip Market are – IBM (U.S.), Qualcomm (U.S.), HRL Laboratories (U.S.), General Vision (U.S.), Numenta (U.S.), Hewlett-Packard (U.S.), Samsung Group (South Korea), Intel Corporation (U.S.), Applied Brain Research Inc. (U.S.), Brainchip Holdings Ltd. (U.S.) and others.
Segments:
Self-Learning Neuromorphic Chip market is segmented on the basis of application and vertical.
Self-Learning Neuromorphic Chip Market by Application:
Image Recognition
Signal Recognition
Data Mining
Self-Learning Neuromorphic Chip Market by Vertical:
Healthcare
Power & Energy
Automotive
Media & Entertainment
Aerospace & Defense
Smartphones
Consumer Electronics
Others
Key Players:
The prominent players in the Self-Learning Neuromorphic Chip Market are – IBM (U.S.), Qualcomm (U.S.), HRL Laboratories (U.S.), General Vision (U.S.), Numenta (U.S.), Hewlett-Packard (U.S.), Samsung Group (South Korea), Intel Corporation (U.S.), Applied Brain Research Inc. (U.S.), Brainchip Holdings Ltd. (U.S.) and others.
Segments:
Self-Learning Neuromorphic Chip market is segmented on the basis of application and vertical.
Self-Learning Neuromorphic Chip Market by Application:
Image Recognition
Signal Recognition
Data Mining
Self-Learning Neuromorphic Chip Market by Vertical:
Healthcare
Power & Energy
Automotive
Media & Entertainment
Aerospace & Defense
Smartphones
Consumer Electronics
Others
http://thenudeinvestor.com/my-biggest-win-yet-how-i-turned-5…
You see the share price was running on hype that BrainChip could be the “next big thing” in computer chip technology. The chip creator and BrainChip founder, Peter van der Made, claims that the chip is 5000 times faster than any chip currently on the market and runs on 1/1000th the power. Furthermore, it’s claimed to be the only “neural computing” hardware device in existence. ?
Peter van de Made seems like a genuine guy where money is the least of his motivations – he’s basically developed BrainChip in his garage over the past few years and I believe a big part of keeping it on the down-low is so he can retain control of the development of his invention. I also believe that if BrainChip does happen to be one of the ones that end up making something of itself, it’s likely to go huge and make a lot of early investors seriously wealthy, hence why I want to keep some exposure to the company.
You see the share price was running on hype that BrainChip could be the “next big thing” in computer chip technology. The chip creator and BrainChip founder, Peter van der Made, claims that the chip is 5000 times faster than any chip currently on the market and runs on 1/1000th the power. Furthermore, it’s claimed to be the only “neural computing” hardware device in existence. ?
Peter van de Made seems like a genuine guy where money is the least of his motivations – he’s basically developed BrainChip in his garage over the past few years and I believe a big part of keeping it on the down-low is so he can retain control of the development of his invention. I also believe that if BrainChip does happen to be one of the ones that end up making something of itself, it’s likely to go huge and make a lot of early investors seriously wealthy, hence why I want to keep some exposure to the company.
Trading Spotlight
https://kondensat.wordpress.com/2016/05/24/neuromorphe-proze… Neuromorphe Prozessoren
Das Rennen um die Krone der universellen „general purpose“ Prozessoren scheint ja mittlerweile gelaufen und der x86 Befehlssatz und insbesondere die Xeon und Core Prozessoren von Intel haben den Sieg heimgetragen – alternative Befehlssätze wie ARM, Power, SPARC oder MIPS überleben zwar weiterhin in ihren Nischen, aber eher durch nischenspezifische Systemauslegung und nicht wegen konzeptueller Vorteile des Prozessors.
Innovation im Prozessorentwurf passiert derzeit im Bereich spezialisierter Prozessoren, und da insbesondere bei Prozessoren, die für maschinelles Lernen optimiert sind. Bei maschinellen Lernverfahren ist es ja typischerweise so, dass in der Anwendungs- oder Inferenzphase der Rechenaufwand überschaubar ist, in der vorhergehenden Trainingsphase aber gewaltig – und besonders für mobil einsetzbare Inferenz aber auch für das Training, das typischerweise in Rechenzentren oder in der Cloud angesiedelt wird und über die Qualität der später erzielbaren Inferenzen entscheidet, versprechen sich nun mehrere Wettbewerber Vorteile durch eigenentwickelte Beschleuniger und „neuromorphe“ Spezial-Prozessoren oder NPUs: BrainChip „Spiking Neuron Adaptive Processor“ .....
....
Ergänzt im November 2016: BrainChip Inc. ist ein südkalifornisches Startup, das seine patentierte „Spiking Neuron Adaptive Processor“ (SNAP) Technologie als lizensierbare „Intellectual Property“ anbietet. SNAP ist ein voll digitaler und parametrisierbarer Chipentwurf, der sich stark an biologische Neuronen anlehnt und bis zu 10’000 Neuronen pro Chip skaliert werden kann. SNAP arbeitet mit asynchronen Signalen („Spikes“) und beherrscht nicht nur Inferenz, sondern auch unüberwachtes Lernen, wobei „rapid real time learning“ als besondere Differenzierung hervorgehoben wird. Als Demonstrator wurde SNAP bereits auf Xilink FPGAs implementiert, und mit den Kauf der südfranzösischen Bildverarbeitungs-Firma Spikenet Technology wird nun die Integration von SNAP in deren marktspezifische Lösungen begonnen. Der BrainChip-Gründer und CTO Peter van der Made hat auch das Buch „Higher Intelligence: How to Create a Functional Artificial Brain“ geschrieben.
Das Rennen um die Krone der universellen „general purpose“ Prozessoren scheint ja mittlerweile gelaufen und der x86 Befehlssatz und insbesondere die Xeon und Core Prozessoren von Intel haben den Sieg heimgetragen – alternative Befehlssätze wie ARM, Power, SPARC oder MIPS überleben zwar weiterhin in ihren Nischen, aber eher durch nischenspezifische Systemauslegung und nicht wegen konzeptueller Vorteile des Prozessors.
Innovation im Prozessorentwurf passiert derzeit im Bereich spezialisierter Prozessoren, und da insbesondere bei Prozessoren, die für maschinelles Lernen optimiert sind. Bei maschinellen Lernverfahren ist es ja typischerweise so, dass in der Anwendungs- oder Inferenzphase der Rechenaufwand überschaubar ist, in der vorhergehenden Trainingsphase aber gewaltig – und besonders für mobil einsetzbare Inferenz aber auch für das Training, das typischerweise in Rechenzentren oder in der Cloud angesiedelt wird und über die Qualität der später erzielbaren Inferenzen entscheidet, versprechen sich nun mehrere Wettbewerber Vorteile durch eigenentwickelte Beschleuniger und „neuromorphe“ Spezial-Prozessoren oder NPUs: BrainChip „Spiking Neuron Adaptive Processor“ .....
....
Ergänzt im November 2016: BrainChip Inc. ist ein südkalifornisches Startup, das seine patentierte „Spiking Neuron Adaptive Processor“ (SNAP) Technologie als lizensierbare „Intellectual Property“ anbietet. SNAP ist ein voll digitaler und parametrisierbarer Chipentwurf, der sich stark an biologische Neuronen anlehnt und bis zu 10’000 Neuronen pro Chip skaliert werden kann. SNAP arbeitet mit asynchronen Signalen („Spikes“) und beherrscht nicht nur Inferenz, sondern auch unüberwachtes Lernen, wobei „rapid real time learning“ als besondere Differenzierung hervorgehoben wird. Als Demonstrator wurde SNAP bereits auf Xilink FPGAs implementiert, und mit den Kauf der südfranzösischen Bildverarbeitungs-Firma Spikenet Technology wird nun die Integration von SNAP in deren marktspezifische Lösungen begonnen. Der BrainChip-Gründer und CTO Peter van der Made hat auch das Buch „Higher Intelligence: How to Create a Functional Artificial Brain“ geschrieben.
http://de.4-traders.com/BRAINCHIP-HOLDINGS-LTD-22387902/unte… Hier kann man die wahrscheinlich nurn nicht mehr topaktuelle Sharestruktur sehen. Die Gründer aus 2015 haben eine Menge Shares, das lässt hoffen. Metals X hat wahrscheinlich noch vom alten Börsenmantel Aziana Ltd Shares ins Brainchip-Leben mitgebracht -ein ehemaliges Rohstoffunternehmen.
Antwort auf Beitrag Nr.: 56.066.198 von H2OAllergiker am 31.10.17 15:53:06Seite 10 der Roadshowpräsentation lässt aufhorchen, auch wenn ich kein Experte bin, ein Vergleich des Brainchip in mehreren Kategorien mit allen Firmen, die Rang und Namen in der Szene haben:
IBMS TrueNorth kann noch mithalten, Cognimen ist schon abgeschlagen, Movidius, Googles Deep Mind und facebook haben nichts mehr zu melden ...
https://d1io3yog0oux5.cloudfront.net/_6ec05b72422368a304b8f1…
Ich frage mich, ist solch eine Firma über 100Mio AUD wert oder nicht? Ist dieser Wert in 2020 stark untertrieben? Schwer, hier eine faire Bewertung zu finden, da diese Technologie das Internet in 5-10 Jahre sehr alt aussehen lässt.
Was ich denke? Spielgeld liegenlassen ist hier nicht das Verkehrteste - wer will schon ein IBM-Monster, wenns auch hurtiger gehen könnte?
Mir kommt die Terminatorserie nicht mehr aus dem Sinn, und die oft genannte Jahreszahl 2018 darin... Das Ende der Menschheit?
IBMS TrueNorth kann noch mithalten, Cognimen ist schon abgeschlagen, Movidius, Googles Deep Mind und facebook haben nichts mehr zu melden ...
https://d1io3yog0oux5.cloudfront.net/_6ec05b72422368a304b8f1…
Ich frage mich, ist solch eine Firma über 100Mio AUD wert oder nicht? Ist dieser Wert in 2020 stark untertrieben? Schwer, hier eine faire Bewertung zu finden, da diese Technologie das Internet in 5-10 Jahre sehr alt aussehen lässt.
Was ich denke? Spielgeld liegenlassen ist hier nicht das Verkehrteste - wer will schon ein IBM-Monster, wenns auch hurtiger gehen könnte?
Mir kommt die Terminatorserie nicht mehr aus dem Sinn, und die oft genannte Jahreszahl 2018 darin...
Das Ende der Menschheit?
Antwort auf Beitrag Nr.: 56.066.771 von H2OAllergiker am 31.10.17 17:23:10
This table contains commercially available products and announced products. It does not list a range of analog VLSI devices that are developed by Stanford, UCSD, Salk Ins,tute and
others because these are research devices. Analog VLSI are difficult to mass-produ
Zitat von H2OAllergiker: Seite 10 der Roadshowpräsentation lässt aufhorchen, auch wenn ich kein Experte bin, ein Vergleich des Brainchip in mehreren Kategorien mit allen Firmen, die Rang und Namen in der Szene haben:
IBMS TrueNorth kann noch mithalten, Cognimen ist schon abgeschlagen, Movidius, Googles Deep Mind und facebook haben nichts mehr zu melden ...
https://d1io3yog0oux5.cloudfront.net/_6ec05b72422368a304b8f1…
Ich frage mich, ist solch eine Firma über 100Mio AUD wert oder nicht? Ist dieser Wert in 2020 stark untertrieben? Schwer, hier eine faire Bewertung zu finden, da diese Technologie das Internet in 5-10 Jahre sehr alt aussehen lässt.
Was ich denke? Spielgeld liegenlassen ist hier nicht das Verkehrteste - wer will schon ein IBM-Monster, wenns auch hurtiger gehen könnte?
Mir kommt die Terminatorserie nicht mehr aus dem Sinn, und die oft genannte Jahreszahl 2018 darin...
This table contains commercially available products and announced products. It does not list a range of analog VLSI devices that are developed by Stanford, UCSD, Salk Ins,tute and
others because these are research devices. Analog VLSI are difficult to mass-produ
Antwort auf Beitrag Nr.: 56.066.771 von H2OAllergiker am 31.10.17 17:23:10
Zitat von H2OAllergiker: Seite 10 der Roadshowpräsentation lässt aufhorchen, auch wenn ich kein Experte bin, ein Vergleich des Brainchip in mehreren Kategorien mit allen Firmen, die Rang und Namen in der Szene haben:
IBMS TrueNorth kann noch mithalten, Cognimen ist schon abgeschlagen, Movidius, Googles Deep Mind und facebook haben nichts mehr zu melden ...
https://d1io3yog0oux5.cloudfront.net/_6ec05b72422368a304b8f1…
Ich frage mich, ist solch eine Firma über 100Mio AUD wert oder nicht? Ist dieser Wert in 2020 stark untertrieben? Schwer, hier eine faire Bewertung zu finden, da diese Technologie das Internet in 5-10 Jahre sehr alt aussehen lässt.
Was ich denke? Spielgeld liegenlassen ist hier nicht das Verkehrteste - wer will schon ein IBM-Monster, wenns auch hurtiger gehen könnte?
Mir kommt die Terminatorserie nicht mehr aus dem Sinn, und die oft genannte Jahreszahl 2018 darin...
Podcast vom 30.1.17 https://boardroom.media/broadcast_single/a_closer_look_at_in…
...12.11.15https://boardroom.media/broadcast_single/brainchip:_leading_…
...12.11.15https://boardroom.media/broadcast_single/brainchip:_leading_…
Hier ein Video von 2015, wo ein Simulationsauto lernen muss, sich auf einer unbekannten Strecke zurechtzufinden.
LINKS Sigmoid based Neurons(2.Gen) .....................: ...................RECHTS Spiking neurons(3.Gen)
LEARNING ALGORITHM: Genetic Algorithm ...........................Synaptic Time Dependent Plasticity(STDP)
https://vimeo.com/127667540
Lernzeit: Links 25 Minuten /// Rechts 20 Sekunden
Text dazu unter:
https://youtu.be/5SLpBMQp93Q
Und Präsi von 2015:
LINKS Sigmoid based Neurons(2.Gen) .....................: ...................RECHTS Spiking neurons(3.Gen)
LEARNING ALGORITHM: Genetic Algorithm ...........................Synaptic Time Dependent Plasticity(STDP)
https://vimeo.com/127667540
Lernzeit: Links 25 Minuten /// Rechts 20 Sekunden
Text dazu unter:
https://youtu.be/5SLpBMQp93Q
Und Präsi von 2015:
Antwort auf Beitrag Nr.: 56.067.248 von H2OAllergiker am 31.10.17 18:34:19
Korrektur! Text dazu hier:
https://www.eetimes.com/document.asp?doc_id=1328503&page_num…
Und hier de Präsi von 2015
Zitat von H2OAllergiker: Hier ein Video von 2015, wo ein Simulationsauto lernen muss, sich auf einer unbekannten Strecke zurechtzufinden.
LINKS Sigmoid based Neurons(2.Gen) .....................: ...................RECHTS Spiking neurons(3.Gen)
LEARNING ALGORITHM: Genetic Algorithm ...........................Synaptic Time Dependent Plasticity(STDP)
https://vimeo.com/127667540
Lernzeit: Links 25 Minuten /// Rechts 20 Sekunden
Text dazu unter:
[
Korrektur! Text dazu hier:
https://www.eetimes.com/document.asp?doc_id=1328503&page_num…
Und hier de Präsi von 2015
OT - warum althergebrachte Investmentstile wahrscheinlich nicht mehr funktionieren werden, und andere über den Tellerrand-Phänomene.
https://www.mr-market.de/langfristige-investments-in-der-kom…
https://www.mr-market.de/langfristige-investments-in-der-kom…
BRN hat sich einen Mr. Ryan an Bord geholt, um erstmal den australischen Markt aufzubauen mit ihrer Technologie zu bedienen: Terrorismusbekämpfung und Financial. Der Mann war zuvor bei IBM und SAP Austria.
Sieht aus, als ginges nach der"billigen" KE mit dem Newsflow weiter
https://d1io3yog0oux5.cloudfront.net/_f06ed6ebdbbc74e6601147…
Hab jetzt schon zweimal drüber geschlafen und das Gefühl wird immer besser - hab das eher selten gehabt in den letzen 17 Jahren an der Börse.
Sieht aus, als ginges nach der"billigen" KE mit dem Newsflow weiter
https://d1io3yog0oux5.cloudfront.net/_f06ed6ebdbbc74e6601147…
Hab jetzt schon zweimal drüber geschlafen und das Gefühl wird immer besser - hab das eher selten gehabt in den letzen 17 Jahren an der Börse.
Global Artificial Intelligence Chips Market to Grow at a CAGR of 54.2% by 2021 - Key Players are AMD, Google, Intel & NVIDIA
https://www.researchandmarkets.com/research/76736g/global_ar…
https://www.researchandmarkets.com/research/76736g/global_ar…
Global Artificial Intelligence Chips Market to Grow at a CAGR of 54.2% by 2021 - Key Players are AMD, Google, Intel & NVIDIA
https://www.researchandmarkets.com/research/76736g/global_ar…
Ein paar aktuelle Dinge, was sich im AI-Markt gerade tut:
Groq - unter dem Radar, von Ex-Googlemitarbeitern neu gegründet.
http://www.electronicdesign.com/embedded-revolution/groq-sec…
Dazu ein post auf hc - Spekulation!:
MrSiliconValley
01/11/17
Time:
12:16:07
Post #:
28391889
I'm very glad to see the company now updating shareholders regularly and building a communicative relationship.
I can also confirm, Groq, the startup where a number of top Google employees left to create their own AI chip and raised $10M from billionaire Chamath Palihapitya are aware of BrainChip. Unsure the nature of their thoughts, at first I thought they were direct competitors, but there could be a positive relationship.
Also, very positive post about re: CR from director at Shaw
Cracking result on the Brainchip capital raising late last week! Fascinating technology, great management team and exciting things on the horizon for this company. Absolute pleasure working with the company, and the deal was well supported by some quality investors.
Mehr über Graphcore.
http://www.electronicdesign.com/embedded-revolution/graphcor…
https://www.researchandmarkets.com/research/76736g/global_ar…
Ein paar aktuelle Dinge, was sich im AI-Markt gerade tut:
Groq - unter dem Radar, von Ex-Googlemitarbeitern neu gegründet.
http://www.electronicdesign.com/embedded-revolution/groq-sec…
Dazu ein post auf hc - Spekulation!:
MrSiliconValley
01/11/17
Time:
12:16:07
Post #:
28391889
I'm very glad to see the company now updating shareholders regularly and building a communicative relationship.
I can also confirm, Groq, the startup where a number of top Google employees left to create their own AI chip and raised $10M from billionaire Chamath Palihapitya are aware of BrainChip. Unsure the nature of their thoughts, at first I thought they were direct competitors, but there could be a positive relationship.
Also, very positive post about re: CR from director at Shaw
Cracking result on the Brainchip capital raising late last week! Fascinating technology, great management team and exciting things on the horizon for this company. Absolute pleasure working with the company, and the deal was well supported by some quality investors.
Mehr über Graphcore.
http://www.electronicdesign.com/embedded-revolution/graphcor…
Datenschutz- und freiheitsrechtliche Bedenken in diesem Artikel aus Australien angesprochen:
http://www.afr.com/technology/facial-recognition-database-pu…
http://www.afr.com/technology/facial-recognition-database-pu…
Hier nochmals die Geschichte der Groq-Gründer, die google verlassen haben, um ihren eigenen AI-Chip zu entwickeln. Da die Firma mind 10Mio USD wert ist nach dem Investment von Chamath Palihapitiya, und sie die Technologie von google umgehen müssen, muss da etwas ganz Neues her - BRN sollte diese fähigen Leute inkl. der Ideen einfach übernehmen - das Geld ist ja da- und nach Australien abwerben...
Several Google engineers have left one of its most secretive AI projects to form a stealth start-up
Groq founders previously helped create Google's Tensor Processing Unit.
Venture capitalist Chamath Palihapitiya led a $10 million investment in the start-up.
The project is in secretive stealth mode.
https://www.cnbc.com/2017/04/20/ex-googlers-left-secretive-a…
Several Google engineers have left one of its most secretive AI projects to form a stealth start-up
Groq founders previously helped create Google's Tensor Processing Unit.
Venture capitalist Chamath Palihapitiya led a $10 million investment in the start-up.
The project is in secretive stealth mode.
https://www.cnbc.com/2017/04/20/ex-googlers-left-secretive-a…
http://www.wired.co.uk/article/ai-neuromorphic-chips-brains
The future of AI is neuromorphic. Meet the scientists building digital 'brains' for your phone
Neuromorphic chips are being designed to specifically mimic the human brain – and they could soon replace CPUs
Dr. Chris Eliasmith, a theoretical neuroscientist and co-CEO of Canadian AI startup Applied Brain Research...welche mit Brainchip zusammenarbeitet
(...)When I raised concerns that some company might then have an uninterrupted window into even the most intimate parts of my life, I’m reminded that because the AI would be processed locally on the device, there’s no need for that information to touch a server owned by a big company. And for Eliasmith, this ‘always on’ component is a necessary step towards true machine cognition. “The most fundamental difference between most available AI systems of today and the biological intelligent systems we are used to, is the fact that the latter always operate in real-time. Bodies and brains are built to work with the physics of the world,” he says.
Already, major efforts across the IT industry are heating up to get their AI services into the hands of users. Companies like Apple, Facebook, Amazon, and even Samsung, are developing conversational assistants they hope will one day become digital helpers.(...)
Diese Technologie macht uns unabhängig von den großen Krakenkonzernen. Neuromorphic-Chips arbeiten unabhängig, zuverlässig, in Echtzeit, brauchen minimale Energie und sind prädestiniert für sicherheitsrelevante Anwendungen, wie ganz aktuell dem Autonomen Fahren.
Solange diese Selbstdenker sich nicht untereinander vernetzen wie es bei iRobot(HollywoodFilm) der Fall, ist das in Zukunft noch händelbar.
Bei Terminator(HollywoodFilm) haben wir jedoch die rein autark denkenden Kampfmaschinen. Von welchen geht die Gefahr aus? Wie kann man etwa eine unbeabsichtigte Selbstreproduzierung im Software- und Hardwarebereich(3D...; 4D...; 5D...-Drucker) zukünftig verhindern?
The future of AI is neuromorphic. Meet the scientists building digital 'brains' for your phone
Neuromorphic chips are being designed to specifically mimic the human brain – and they could soon replace CPUs
Dr. Chris Eliasmith, a theoretical neuroscientist and co-CEO of Canadian AI startup Applied Brain Research...welche mit Brainchip zusammenarbeitet
(...)When I raised concerns that some company might then have an uninterrupted window into even the most intimate parts of my life, I’m reminded that because the AI would be processed locally on the device, there’s no need for that information to touch a server owned by a big company. And for Eliasmith, this ‘always on’ component is a necessary step towards true machine cognition. “The most fundamental difference between most available AI systems of today and the biological intelligent systems we are used to, is the fact that the latter always operate in real-time. Bodies and brains are built to work with the physics of the world,” he says.
Already, major efforts across the IT industry are heating up to get their AI services into the hands of users. Companies like Apple, Facebook, Amazon, and even Samsung, are developing conversational assistants they hope will one day become digital helpers.(...)
Diese Technologie macht uns unabhängig von den großen Krakenkonzernen. Neuromorphic-Chips arbeiten unabhängig, zuverlässig, in Echtzeit, brauchen minimale Energie und sind prädestiniert für sicherheitsrelevante Anwendungen, wie ganz aktuell dem Autonomen Fahren.
Solange diese Selbstdenker sich nicht untereinander vernetzen wie es bei iRobot(HollywoodFilm) der Fall, ist das in Zukunft noch händelbar.
Bei Terminator(HollywoodFilm) haben wir jedoch die rein autark denkenden Kampfmaschinen. Von welchen geht die Gefahr aus? Wie kann man etwa eine unbeabsichtigte Selbstreproduzierung im Software- und Hardwarebereich(3D...; 4D...; 5D...-Drucker) zukünftig verhindern?
Eliasmith nochmal, hier mit den experimentiellen Stanford-Chips
https://www.therecord.com/news-story/7763151-waterloo-prof-c…
https://www.therecord.com/news-story/7763151-waterloo-prof-c…
Der Spiegel 2012 über Eliasmith´s Arbeit - ohne Brainchip(!)
http://www.spiegel.de/wissenschaft/medizin/gehirn-computermo…
http://www.spiegel.de/wissenschaft/medizin/gehirn-computermo…
Neuromorphic Computing Market Worth 272.9 Million USD by 2022
Read more: http://www.digitaljournal.com/pr/3205467#ixzz4xEIh5T2U
According to the new research report "Neuromorphic Computing Market by Offering (Hardware, Software), Application (Image Recognition, Signal Recognition, Data Mining), Industry (Aerospace & Defense, IT & Telecom, Automotive, Medical & Industrial) and Geography - Global Forecast to 2022", the neuromorphic computing market is expected to grow from USD 6.6 Million in 2016 to USD 272.9 Million by 2022, at a CAGR of 86.0% during the forecast period. The factors driving the market growth include increasing demand for artificial intelligence and machine learning, need for better performing ICs, and new ways of computation due to the end of Moore's law.
(...)
IBM Corporation (U.S.), HP Enterprise (U.S.), Samsung Electronics Limited (South Korea), Intel Corp. (U.S.), HRL Laboratories, LLC (U.S.), General Vision Inc. (U.S.), Applied Brain Research, Inc. (U.S.), and BrainChip Holdings Ltd. (U.S.) are some of the major companies in the neuromorphic computing market.
(...)
Read more: http://www.digitaljournal.com/pr/3205467#ixzz4xEIOO2uc
Studie kostet allerdings schlappe 5650 USD
Ich frage mich langsam ernsthaft, ob das lahme Moorsche Gesetz dabei mal nebenbei ausgehebelt wird, und durch bspw. ein "Van der Made law "ersetzt wird?
Moore´s law = alle 18 Monate verdoppeln sich die Transistoren auf gleichem Raum
Made`s law ...ect. = alle 1,8 Monate/Tage/Minuten verdoppelt sich dann die Rechenleistung?
das wäre dann keine Exponentialfunkton mehr, sondern eine Exponentialexplosion hoch 2Das geht für die Chipproduzenten aber nur solange gut, bis die Neuronalen Netze ihre eigenen Neuronetzkopien auswerfen
Klar ist, wer die beste Technologie dann zuerst nutzt, wird ein Monopol gründen oder ausbauen.
Read more: http://www.digitaljournal.com/pr/3205467#ixzz4xEIh5T2U
According to the new research report "Neuromorphic Computing Market by Offering (Hardware, Software), Application (Image Recognition, Signal Recognition, Data Mining), Industry (Aerospace & Defense, IT & Telecom, Automotive, Medical & Industrial) and Geography - Global Forecast to 2022", the neuromorphic computing market is expected to grow from USD 6.6 Million in 2016 to USD 272.9 Million by 2022, at a CAGR of 86.0% during the forecast period. The factors driving the market growth include increasing demand for artificial intelligence and machine learning, need for better performing ICs, and new ways of computation due to the end of Moore's law.
(...)
IBM Corporation (U.S.), HP Enterprise (U.S.), Samsung Electronics Limited (South Korea), Intel Corp. (U.S.), HRL Laboratories, LLC (U.S.), General Vision Inc. (U.S.), Applied Brain Research, Inc. (U.S.), and BrainChip Holdings Ltd. (U.S.) are some of the major companies in the neuromorphic computing market.
(...)
Read more: http://www.digitaljournal.com/pr/3205467#ixzz4xEIOO2uc
Studie kostet allerdings schlappe 5650 USD
Ich frage mich langsam ernsthaft, ob das lahme Moorsche Gesetz dabei mal nebenbei ausgehebelt wird, und durch bspw. ein "Van der Made law "ersetzt wird?
Moore´s law = alle 18 Monate verdoppeln sich die Transistoren auf gleichem Raum
Made`s law ...ect. = alle 1,8 Monate/Tage/Minuten verdoppelt sich dann die Rechenleistung?
das wäre dann keine Exponentialfunkton mehr, sondern eine Exponentialexplosion hoch 2Das geht für die Chipproduzenten aber nur solange gut, bis die Neuronalen Netze ihre eigenen Neuronetzkopien auswerfen
Klar ist, wer die beste Technologie dann zuerst nutzt, wird ein Monopol gründen oder ausbauen.
Für die Techniker, das Masterpatent
Autonomous Learning Dynamic Artificial Neural Computing Device and Brain Inspired System
US 20100076916 A1
https://www.google.com/patents/US20100076916
P.S. es ist schon bezeichnend, dass man fast alles über oder bei google findet. Die wissen schon, was Du morgen denkst, denn sie haben Einsicht auf alles mit Ausnahme des Darknet und anderer Alternativnetze.
Autonomous Learning Dynamic Artificial Neural Computing Device and Brain Inspired System
US 20100076916 A1
https://www.google.com/patents/US20100076916
P.S. es ist schon bezeichnend, dass man fast alles über oder bei google findet. Die wissen schon, was Du morgen denkst, denn sie haben Einsicht auf alles mit Ausnahme des Darknet und anderer Alternativnetze.
Interessante technische Einblicke:
https://www.bdti.com/InsideDSP/2017/09/28/BrainChip
BrainChip Studio is now available at a cost of $4,000 per video channel. The BrainChip Accelerator add-in card, scheduled for availability beginning at the end of this month, costs $10,000 and will initially be sold to system integrators; in the future, BrainChip may also offer integrated card-plus-software-plus-server bundles directly to end users. And what about licensing the SNN acceleration core found inside the Xilinx FPGA? When asked this question, Beachler initially reminded InsideDSP of his company's current small size, and the consequent need to focus on highest "bang for the buck" near-term opportunities. With that said, he acknowledged that he'd be foolish to reject potential licensee interest outright; the company's initial business plan, in fact, was to be an IP licensing entity.
Weitere Patente:
Intelligent biomorphic system for pattern recognition with autonomous visual feature extraction
[ur]http://www.freshpatents.com/-dt20170817ptan20170236027.php[/ur]
20170236051 patent thumbnailZoom
Intelligent autonomous feature extraction system using two hardware spiking neutral networks with spike timing dependent plasticity
[ur]http://www.freshpatents.com/-dt20170817ptan20170236051.php[/ur]
Das ist keine Nvidea, Alphabet oder Microsoft oder Facebook, aber die derzeit einzige reine AI AG mit sereinreifen Produkten(Soft + Hardware), die derzeit notiert ist.
https://www.bdti.com/InsideDSP/2017/09/28/BrainChip
BrainChip Studio is now available at a cost of $4,000 per video channel. The BrainChip Accelerator add-in card, scheduled for availability beginning at the end of this month, costs $10,000 and will initially be sold to system integrators; in the future, BrainChip may also offer integrated card-plus-software-plus-server bundles directly to end users. And what about licensing the SNN acceleration core found inside the Xilinx FPGA? When asked this question, Beachler initially reminded InsideDSP of his company's current small size, and the consequent need to focus on highest "bang for the buck" near-term opportunities. With that said, he acknowledged that he'd be foolish to reject potential licensee interest outright; the company's initial business plan, in fact, was to be an IP licensing entity.
Weitere Patente:
Intelligent biomorphic system for pattern recognition with autonomous visual feature extraction
[ur]http://www.freshpatents.com/-dt20170817ptan20170236027.php[/ur]
20170236051 patent thumbnailZoom
Intelligent autonomous feature extraction system using two hardware spiking neutral networks with spike timing dependent plasticity
[ur]http://www.freshpatents.com/-dt20170817ptan20170236051.php[/ur]
Das ist keine Nvidea, Alphabet oder Microsoft oder Facebook, aber die derzeit einzige reine AI AG mit sereinreifen Produkten(Soft + Hardware), die derzeit notiert ist.
Hinter dem Patent waren alle Großen inkl. Google, Microsoft, Samsung her.
Low power neuromorphic voice activation system and method
http://www.freshpatents.com/-dt20170810ptan20170229117.php
Ich kann mich des Gefühles nicht erwähren, dass dies ein Überkandidat wäre/ist, wenn die Sharestruktur derzeit nicht so dagegen sprechen würde. Unter 400-1.000Mio USD wurde in den letzten Jahren doch keine ernstzunehmende AI/KI Firma übernommen.
Low power neuromorphic voice activation system and method
http://www.freshpatents.com/-dt20170810ptan20170229117.php
Ich kann mich des Gefühles nicht erwähren, dass dies ein Überkandidat wäre/ist, wenn die Sharestruktur derzeit nicht so dagegen sprechen würde. Unter 400-1.000Mio USD wurde in den letzten Jahren doch keine ernstzunehmende AI/KI Firma übernommen.
Hier ein paar Infos und zusätzliche Einblicke/ + die Hintergründe zum Merger via Aziana in 2015
Aziana to acquire artificial intelligence company BrainChip Inc.
21:34 17 Mar 2015
The acquisition of BrainChip will make Aziana the only ASX listed company with a patented artificial intelligence technology. This has potential applications for smartphones, robotics, prostheses, driverless vehicles, and drones amongst other areas.
http://www.proactiveinvestors.com/companies/news/133332/azia…
Interessant, dass dort auch (selbstlernende) Prothesen genannt wurden, etwa künstliche Augen, Ohren bzw Prothesen.
IoT und Spielzeug sowie Gaming wurden damals noch zusätzlich erwähnt.
Wobei Gaming etwas unklar ist. BRN hatte einige Verträge/Abschlüsse mit Spielkasinos in den USA erzielt, dort werden über die Kameras Anomalien bzw. abnormales Verhalten der menschlichen Spieler analysiert - prophylaktisch im Sinne der Casinos.
Ob "Gaming" sich hier auch auf den riesigen Software /Hardware - Spielemarkt (und daraus natürlich fast zwingend auf den AR/VR und Hologrammtech. - Bereich) bezog?
An dieser Stelle viele Grüße auch an Reecco aus ariva.de
Aziana to acquire artificial intelligence company BrainChip Inc.
21:34 17 Mar 2015
The acquisition of BrainChip will make Aziana the only ASX listed company with a patented artificial intelligence technology. This has potential applications for smartphones, robotics, prostheses, driverless vehicles, and drones amongst other areas.
http://www.proactiveinvestors.com/companies/news/133332/azia…
Interessant, dass dort auch (selbstlernende) Prothesen genannt wurden, etwa künstliche Augen, Ohren bzw Prothesen.
IoT und Spielzeug sowie Gaming wurden damals noch zusätzlich erwähnt.
Wobei Gaming etwas unklar ist. BRN hatte einige Verträge/Abschlüsse mit Spielkasinos in den USA erzielt, dort werden über die Kameras Anomalien bzw. abnormales Verhalten der menschlichen Spieler analysiert - prophylaktisch im Sinne der Casinos.
Ob "Gaming" sich hier auch auf den riesigen Software /Hardware - Spielemarkt (und daraus natürlich fast zwingend auf den AR/VR und Hologrammtech. - Bereich) bezog?
An dieser Stelle viele Grüße auch an Reecco aus ariva.de
https://www.reddit.com/r/MachineLearning/search?q=brainchip&…
Hier scheinen Leute, die von der Materie etwas verstehen, zu kommunizieren...kritisch als auch neugierig
Hier scheinen Leute, die von der Materie etwas verstehen, zu kommunizieren...kritisch als auch neugierig
Aktuelle Meinung?
Entweder einer der besten Scams ever seen, oder mit ernsthaften und evt. martkführendem Hintergrund im Bereich Autonomie.
Time will tell!
Und ob sich ein positiver Kurstrend etabliert
Entweder einer der besten Scams ever seen, oder mit ernsthaften und evt. martkführendem Hintergrund im Bereich Autonomie.
Time will tell!
Und ob sich ein positiver Kurstrend etabliert
Hab nochwas gefunden
A Platform Technology For Brain Emulation BrainChip; a Synthetic Neuro-Anatomy Processor
Conference Paper · April 2013 with 635 Reads
https://www.researchgate.net/publication/262451292_A_Platfor…
A Platform Technology For Brain Emulation BrainChip; a Synthetic Neuro-Anatomy Processor
Conference Paper · April 2013 with 635 Reads
https://www.researchgate.net/publication/262451292_A_Platfor…
Hab nochwas gefunden von der Made
A Platform Technology For Brain Emulation BrainChip; a Synthetic Neuro-Anatomy Processor
Conference Paper · April 2013 with 635 Reads
https://www.researchgate.net/publication/262451292_A_Platfor…
Und eine Co-Arbeit aus 1992
https://www.researchgate.net/publication/256210821_Sign_disc…
https://www.researchgate.net/publication/256210821_Sign_disc…
...aber was suchte der in Port Moresby? Das ist eine Stadt am Arsch der Welt, kannte mal jemanden, der schonmal vor Ort war.
A Platform Technology For Brain Emulation BrainChip; a Synthetic Neuro-Anatomy Processor
Conference Paper · April 2013 with 635 Reads
https://www.researchgate.net/publication/262451292_A_Platfor…
Und eine Co-Arbeit aus 1992
https://www.researchgate.net/publication/256210821_Sign_disc…
https://www.researchgate.net/publication/256210821_Sign_disc…
...aber was suchte der in Port Moresby? Das ist eine Stadt am Arsch der Welt, kannte mal jemanden, der schonmal vor Ort war.
Eben gab es eine Live-Präsentation, ich habe sie nicht verfolgen können. Rundum scheinen zufriedene Gesichter gewesen zu sein. Es gab bspw. einen Vergleich mit Intels neuen Testchip Loihi - https://www.golem.de/news/neuromorphic-computing-intels-loih… zum aktuell in der Entwicklung befindlichen AKIDA von BRN. hotcopper:Well this mornings webcast came over very positive from my point of view...42 minutes out of the Mid-West
USA...Lou spoke well...key points for me were:
1. He has obviously fielded a number of questions about, when are we going to see a meaningful contract signed,
he spent some time explaining about the Sales Funnel...clearly making the point of difference between a Contract and a Design Win...the companies forward plan is very clear, the road-map has been laid out, barring a few, possible, unforeseen tweaks over the next 6/12 months as they ramp-up the development of our two Akida products...he said they are now 2 months into this process..already.
Great distinction between the new Intel Loihi Chip test chip and the Akida chip...one gets the feeling that the company are pretty convinced that, once Akida gets tongues wagging towards the middle of 2018 when a test chip is available (think I heard that right) that we will be leading the world with our Akida SOC.
Lou also felt we would be seeing some good numbers starting to show up in the next quarter or two as we gain good traction with the Brainchip Studio & Accelerator products...lots more mentioned, it's a must listen for all serious holders, if you are a day-trader then forget it, my guess is, we will see a major up-turn in shareholder sentiment in the second-half of 2018 as Brainchip really starts to become the dominant player in the world neuromorphic chip market...my opinion obviously.
Wir müssen uns noch gedulden, dafür gehts beim 3DMetalldrucker Aurora Lab/A3D nebenan ab Beide Unternehmen werden in 2018 von sich reden machen - mind. eines den Durchbruch schaffen denke ich
USA...Lou spoke well...key points for me were:
1. He has obviously fielded a number of questions about, when are we going to see a meaningful contract signed,
he spent some time explaining about the Sales Funnel...clearly making the point of difference between a Contract and a Design Win...the companies forward plan is very clear, the road-map has been laid out, barring a few, possible, unforeseen tweaks over the next 6/12 months as they ramp-up the development of our two Akida products...he said they are now 2 months into this process..already.
Great distinction between the new Intel Loihi Chip test chip and the Akida chip...one gets the feeling that the company are pretty convinced that, once Akida gets tongues wagging towards the middle of 2018 when a test chip is available (think I heard that right) that we will be leading the world with our Akida SOC.
Lou also felt we would be seeing some good numbers starting to show up in the next quarter or two as we gain good traction with the Brainchip Studio & Accelerator products...lots more mentioned, it's a must listen for all serious holders, if you are a day-trader then forget it, my guess is, we will see a major up-turn in shareholder sentiment in the second-half of 2018 as Brainchip really starts to become the dominant player in the world neuromorphic chip market...my opinion obviously.
Wir müssen uns noch gedulden, dafür gehts beim 3DMetalldrucker Aurora Lab/A3D nebenan ab
Beide Unternehmen werden in 2018 von sich reden machen - mind. eines den Durchbruch schaffen denke ich
aus der Präsi heute Nacht:
I know most of us are pretty excited about all things AKIDA. Here is a small bit of Louis' presentation specifically dealing with AKIDA.
"This is big news for us. This is the development of our neuromorphic processing unit. This is the culmination of all the things Peter has focused on in the last decade. It was proven on SNAP 64, this was the neuromorphic architecture for this. This is a general purpose neuromorphic processing unit.
Sure you're all familiar with INTEL's Central Processing Unit and Nvidia's General Processing Unit. These are Companies with $300B plus MC. These are large and successful Companies, but frankly they're still using Von Neuman architecture and serial processing.
AKIDA is a fully parallel processing unit, does supervised and unsupervised learning. There's been a question whether it would cannibalize the supervised learning of Studio and the Accelerator. I don't think it would cannibalize it. It would be in the next generation of equipment for similar customers. But I do think there would be a line of demarcation with capacity that you would get out of AKIDA versus the capacity that's necessary with existing solutions. "
I know most of us are pretty excited about all things AKIDA. Here is a small bit of Louis' presentation specifically dealing with AKIDA.
"This is big news for us. This is the development of our neuromorphic processing unit. This is the culmination of all the things Peter has focused on in the last decade. It was proven on SNAP 64, this was the neuromorphic architecture for this. This is a general purpose neuromorphic processing unit.
Sure you're all familiar with INTEL's Central Processing Unit and Nvidia's General Processing Unit. These are Companies with $300B plus MC. These are large and successful Companies, but frankly they're still using Von Neuman architecture and serial processing.
AKIDA is a fully parallel processing unit, does supervised and unsupervised learning. There's been a question whether it would cannibalize the supervised learning of Studio and the Accelerator. I don't think it would cannibalize it. It would be in the next generation of equipment for similar customers. But I do think there would be a line of demarcation with capacity that you would get out of AKIDA versus the capacity that's necessary with existing solutions. "
August 2017
http://dailycommercenews.com/2017/08/25/global-neuromorphic-…
Global Neuromorphic Chip Market 2017- BrainChip Holdings Ltd., Applied Brain Research, Inc., HRL Laboratories, LLC.
http://dailycommercenews.com/2017/08/25/global-neuromorphic-…
Global Neuromorphic Chip Market 2017- BrainChip Holdings Ltd., Applied Brain Research, Inc., HRL Laboratories, LLC.
BrainChip Holdings (ASX:BRN) September 2017, Quarterly Update Presentation
Company Presentations
November 09, 2017 10:30 AM
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
Company Presentations
November 09, 2017 10:30 AM
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
Da bin ich mal gespannt was die Zukunft für dieses Unternehmen bereit hält. Die Grundlage für ein erfolgreiches Unternehmen mit großen Wachstumschancen sind ja vorhanden
Ein paar gute Branchinfos:
Da findet man auch das ein oder andere interessante Unternehmen, welches noch unterm Schirm fliegt.
Experten weisen immer wieder darauf hin, dass die besten AI/KI Firmen in GB angesiedelt sind. Dort wurden auch die besten/meisten Startups von den Großen weggekauft.
Derzeit kenne ich noch die notierte BluePrism, welche noch nicht geschluckt wurden.
aibusiness.org
.....
https://alphaarchitect.com/2017/09/27/machine-learning-inves…
https://hackernoon.com/how-i-started-with-learning-ai-in-the…
https://www.informationweek.com/big-data/big-data-analytics/…
https://www.stockgumshoe.com/2016/04/microblog-ai-artificial…
https://www.stockgumshoe.com/reviews/park-avenue-investment-…
https://www.stockgumshoe.com/reviews/technology-opportunity/…
https://www.stockgumshoe.com/reviews/technology-opportunity/…
Da findet man auch das ein oder andere interessante Unternehmen, welches noch unterm Schirm fliegt.
Experten weisen immer wieder darauf hin, dass die besten AI/KI Firmen in GB angesiedelt sind. Dort wurden auch die besten/meisten Startups von den Großen weggekauft.
Derzeit kenne ich noch die notierte BluePrism, welche noch nicht geschluckt wurden.
aibusiness.org
.....
https://alphaarchitect.com/2017/09/27/machine-learning-inves…
https://hackernoon.com/how-i-started-with-learning-ai-in-the…
https://www.informationweek.com/big-data/big-data-analytics/…
https://www.stockgumshoe.com/2016/04/microblog-ai-artificial…
https://www.stockgumshoe.com/reviews/park-avenue-investment-…
https://www.stockgumshoe.com/reviews/technology-opportunity/…
https://www.stockgumshoe.com/reviews/technology-opportunity/…
Brainchip hat heute morgen auf der Milipol in Paris einen Award für ihren Hardwarechip eingeheimst.
Dies ist der zweite in der Historie.
Kurioserweise in der Kategorie Cyber Security.
Angetreten war man in zwei Kategorien, Smart Cities und CS.
Damit ist das Thema CS nun urplötzlich ins Rampenlicht gerückt, und stellt natürlich unweigerlich
die Frage auf, was der Chip denn in diesem Bereich kann.
Ging es doch vornehmlich um die Bereiche Videoüberwachung und selbstständigem Lernen.
Diese Kategorie wird eigentlich dem AKIDA Chip zugestanden, der jedoch erst Ende nächsten Jahres zu Testzwecken auf den Markt kommt, ähnlich wie Intels neueste Errungenschaft in diesem Bereich - für Anfang 2018 anvisiert.
Anscheinend ist der Neuromorphic-Chip zu mehr in der Lage, was auch meine insgeheime
Vermutung war. Denn wenn man vom menschlichen Gehirn ausgeht, kommt man unweigerlich auf
die Idee, ihm allerlei Aufgabenbereiche zuzugestehen, wobei ein Chip mit Neuronen und
Synapsen den Vorteil gegenüber dem menschlichen Gehirn hat, nicht zu unterscheiden,
dass dieses oder jenes seinem Talent oder Charakter eher läge oder eben nicht...
Spannende Zeiten in diesem Bereich.
Ich habe jetzt seit Beginn des Thread einiges an Recherche betrieben, und ein zweites
einrassiges AI-Unternehmen gibt es zur Zeit nicht an der Börse.
Gopher von der OTC wäre ein mglw. ernstzunehmender Kandidat, allerdings wird da nur geforscht
und bisher hinter verschlossenen Türen.
Blue Prism aus GB ist bspw. ein Kandidat im Softwarebereich, den man unbedingt im Auge oder
besser im Depot behalten sollte.
Dort stelle ich mir bspw. auch einen zukünftigen Burggraben vor, der sich automatisch immer
weiter ausbaut. Bei einem reinen Chipwickler mag ich mir das nicht so recht vorstellen.
Hohe Entwicklungskosten und magere verhandelbare Lizenz-, sowie Royaltygebühren sind für mich kein Burggraben.
Auch wenn Intel und Nvidea dies als Hersteller zur Zeit von sich behaupten dürften.
...Ich denke da nur an die unsägliche Geschichte von POET...
Alles mehr als interessant, und die Frage aller Fragen lautet, wird dies das erhoffte ungestüme
Umsatzwachsum im dreistelligen Bereich auslösen?
Denn ohne dieses ist BRN ohne Zweifel zu hoch bewertet.
Übrigens ist in diesem Monat ein super Buch von einem MIT-Physiker erschienen.
Es geht um die Risiken und die Chancen für die Menschheit in der nahen und ferneren Zukunft durch die KI.
Sein weitester Ausblick reicht eine Millionen Jahre weiter in die Zukunft.
"Leben 3.0: Mensch sein im Zeitalter Künstlicher Intelligenz" von Max Tegmark:
http://www.deutschlandfunkkultur.de/max-tegmark-leben-3-0-ei…
...Daneben kann ich jedem das Buch "Pantokratie" von Tobias Breiner ans Herz legen.
Er sieht die Singularität ab dem Jahre 2040, was alleine durch die Exponentialfunktion logisch folgend hergeleitet werden kann.
Wichtig ist in meinen Augen vor allem eines:
BRN darf sich nicht´verzetteln, muss also bei seinen Leisten bleiben und in einer Nische wachsen,
um Konkurrenz nicht auf sich zu lenken. Solange sie sich nicht zu groß reden, ist alles in Ordnung,
aber das bezweifle ich momentan ein wenig.
Google, Amazon, Facebook & Co sind nicht damit groß geworden, sich besonders toll zu finden,
sondern im Gegenteil. Irgendwann gab es den Knall, und alle schauten nur noch hinterher.
Und das kann nur geschehen, wenn man sich kleinredet, keine Konkurrenz auf sich zieht,
dem Fiskus Märchen von der um sich greifenden Armut erzählt und von
Nische zu Nische wächst.
Google begann ganz unspektakulär mit einer Suchmaschine und dem besten Suchalgoritmus.
Was konnte das schon bedeuten.
Amazon verkaufte zuerst Bücher, fast alle Bücher die es gab - das hat zu Beginn niemanden wirklich erschreckt.
the Facebook begann in Harvard als Ideenklau eines unausgereiften Studentennetzwerks durch Mark Zuckerberg
an zweien seiner Kommilitonen innerhalb der Uni, und wuchs rasend schnell.
Weil es neu war, hat es nie jemand ernst genommen, bis Peter Thiel einstieg.
Mit Netflix kenne ich mich weniger aus, aber die haben auch etwas Neues auf die Beine gestellt,
Napster war ähnlich, nur die haben sich direkt mit den Großen der Musikindustrie angelegt, statt
unterm Radar zu bleiben.
Hoffen wir mal, dass BRN keine neue Napster wird, sonst muss ich meine Suche weiterführen...
Den Vieren gemein ist ihre flexible Planung in Dekaden, jahrelanges Wachstum ohne Gewinne, und damit ihrer Kreditwürdigkeit.
Die hohen Bewertungen kommen von den Gewinnen, die weit in der Zukunft liegen, und durch burggrabene Monopolbildung erreicht werden.
Und das bewertet der Markt zu Recht so, denn letztendlich heisst es :
The winner take´s it all"
Heute beherrschen die vier die Welt und sind bekannt als die FANG´s oder die vier
Apokalyptischen Reiter - und haben natürlich im Bereich der Künstlichen Intelligenz
das Who´s who der Szene mit ihren Milliarden "eingeatmet", denn sie wissen was
unweigerlich kommt...
und was nur ein Sonnensturm, ein Polsprung oder der weltweite EMP aufhalten kann,
...und wird.
Wettbewerb stört das Geschäft und schmälert die Gewinne.
Dies ist der zweite in der Historie.
Kurioserweise in der Kategorie Cyber Security.
Angetreten war man in zwei Kategorien, Smart Cities und CS.
Damit ist das Thema CS nun urplötzlich ins Rampenlicht gerückt, und stellt natürlich unweigerlich
die Frage auf, was der Chip denn in diesem Bereich kann.
Ging es doch vornehmlich um die Bereiche Videoüberwachung und selbstständigem Lernen.
Diese Kategorie wird eigentlich dem AKIDA Chip zugestanden, der jedoch erst Ende nächsten Jahres zu Testzwecken auf den Markt kommt, ähnlich wie Intels neueste Errungenschaft in diesem Bereich - für Anfang 2018 anvisiert.
Anscheinend ist der Neuromorphic-Chip zu mehr in der Lage, was auch meine insgeheime
Vermutung war. Denn wenn man vom menschlichen Gehirn ausgeht, kommt man unweigerlich auf
die Idee, ihm allerlei Aufgabenbereiche zuzugestehen, wobei ein Chip mit Neuronen und
Synapsen den Vorteil gegenüber dem menschlichen Gehirn hat, nicht zu unterscheiden,
dass dieses oder jenes seinem Talent oder Charakter eher läge oder eben nicht...
Spannende Zeiten in diesem Bereich.
Ich habe jetzt seit Beginn des Thread einiges an Recherche betrieben, und ein zweites
einrassiges AI-Unternehmen gibt es zur Zeit nicht an der Börse.
Gopher von der OTC wäre ein mglw. ernstzunehmender Kandidat, allerdings wird da nur geforscht
und bisher hinter verschlossenen Türen.
Blue Prism aus GB ist bspw. ein Kandidat im Softwarebereich, den man unbedingt im Auge oder
besser im Depot behalten sollte.
Dort stelle ich mir bspw. auch einen zukünftigen Burggraben vor, der sich automatisch immer
weiter ausbaut. Bei einem reinen Chipwickler mag ich mir das nicht so recht vorstellen.
Hohe Entwicklungskosten und magere verhandelbare Lizenz-, sowie Royaltygebühren sind für mich kein Burggraben.
Auch wenn Intel und Nvidea dies als Hersteller zur Zeit von sich behaupten dürften.
...Ich denke da nur an die unsägliche Geschichte von POET...
Alles mehr als interessant, und die Frage aller Fragen lautet, wird dies das erhoffte ungestüme
Umsatzwachsum im dreistelligen Bereich auslösen?
Denn ohne dieses ist BRN ohne Zweifel zu hoch bewertet.
Übrigens ist in diesem Monat ein super Buch von einem MIT-Physiker erschienen.
Es geht um die Risiken und die Chancen für die Menschheit in der nahen und ferneren Zukunft durch die KI.
Sein weitester Ausblick reicht eine Millionen Jahre weiter in die Zukunft.
"Leben 3.0: Mensch sein im Zeitalter Künstlicher Intelligenz" von Max Tegmark:
http://www.deutschlandfunkkultur.de/max-tegmark-leben-3-0-ei…
...Daneben kann ich jedem das Buch "Pantokratie" von Tobias Breiner ans Herz legen.
Er sieht die Singularität ab dem Jahre 2040, was alleine durch die Exponentialfunktion logisch folgend hergeleitet werden kann.
Wichtig ist in meinen Augen vor allem eines:
BRN darf sich nicht´verzetteln, muss also bei seinen Leisten bleiben und in einer Nische wachsen,
um Konkurrenz nicht auf sich zu lenken. Solange sie sich nicht zu groß reden, ist alles in Ordnung,
aber das bezweifle ich momentan ein wenig.
Google, Amazon, Facebook & Co sind nicht damit groß geworden, sich besonders toll zu finden,
sondern im Gegenteil. Irgendwann gab es den Knall, und alle schauten nur noch hinterher.
Und das kann nur geschehen, wenn man sich kleinredet, keine Konkurrenz auf sich zieht,
dem Fiskus Märchen von der um sich greifenden Armut erzählt und von
Nische zu Nische wächst.
Google begann ganz unspektakulär mit einer Suchmaschine und dem besten Suchalgoritmus.
Was konnte das schon bedeuten.
Amazon verkaufte zuerst Bücher, fast alle Bücher die es gab - das hat zu Beginn niemanden wirklich erschreckt.
the Facebook begann in Harvard als Ideenklau eines unausgereiften Studentennetzwerks durch Mark Zuckerberg
an zweien seiner Kommilitonen innerhalb der Uni, und wuchs rasend schnell.
Weil es neu war, hat es nie jemand ernst genommen, bis Peter Thiel einstieg.
Mit Netflix kenne ich mich weniger aus, aber die haben auch etwas Neues auf die Beine gestellt,
Napster war ähnlich, nur die haben sich direkt mit den Großen der Musikindustrie angelegt, statt
unterm Radar zu bleiben.
Hoffen wir mal, dass BRN keine neue Napster wird, sonst muss ich meine Suche weiterführen...
Den Vieren gemein ist ihre flexible Planung in Dekaden, jahrelanges Wachstum ohne Gewinne, und damit ihrer Kreditwürdigkeit.
Die hohen Bewertungen kommen von den Gewinnen, die weit in der Zukunft liegen, und durch burggrabene Monopolbildung erreicht werden.
Und das bewertet der Markt zu Recht so, denn letztendlich heisst es :
The winner take´s it all"
Heute beherrschen die vier die Welt und sind bekannt als die FANG´s oder die vier
Apokalyptischen Reiter - und haben natürlich im Bereich der Künstlichen Intelligenz
das Who´s who der Szene mit ihren Milliarden "eingeatmet", denn sie wissen was
unweigerlich kommt...
und was nur ein Sonnensturm, ein Polsprung oder der weltweite EMP aufhalten kann,
...und wird.
Wettbewerb stört das Geschäft und schmälert die Gewinne.
BRN is in the company of other winners, world leaders in security industry:
Atos is a global leader in digital transformation with approximately 100,000 employees in 72 countries and annual revenue of around ‚Euro 12 billion
The Kudelski Group is a world leader in digital security and convergent media solutions for the delivery of digital and interactive content. The Group is headquartered in Cheseaux-sur-Lausanne, Switzerland and is listed on the SIX Swiss Exchange (KUD.S).
Atos is a global leader in digital transformation with approximately 100,000 employees in 72 countries and annual revenue of around ‚Euro 12 billion
The Kudelski Group is a world leader in digital security and convergent media solutions for the delivery of digital and interactive content. The Group is headquartered in Cheseaux-sur-Lausanne, Switzerland and is listed on the SIX Swiss Exchange (KUD.S).
BrainChip triumphs at the 2017 Milipol Innovation Awards
November 21, 2017
...äusserst interessant...
https://ir.brainchipinc.com/press-releases/detail/46/brainch…
[...]
BrainChip's technology is embedded into Rockwell Collins' Perimeter Surveillance Radar system (PSR).
[...]
November 21, 2017
...äusserst interessant...
https://ir.brainchipinc.com/press-releases/detail/46/brainch…
[...]
BrainChip's technology is embedded into Rockwell Collins' Perimeter Surveillance Radar system (PSR).
[...]
Antwort auf Beitrag Nr.: 56.241.284 von H2OAllergiker am 22.11.17 01:07:58Hi H20,
was is grad mir dem Kurs los?? gibt's einen Grund für das Abtauchen??
Zeit zum Einsteigen???
Bin noch nicht dabei - bis jetzt!!
Tu mich auch schwer mit der Bewertung, könnte zu viel sein.
langfristig aber viel zu wenig
S.
was is grad mir dem Kurs los?? gibt's einen Grund für das Abtauchen??
Zeit zum Einsteigen???
Bin noch nicht dabei - bis jetzt!!
Tu mich auch schwer mit der Bewertung, könnte zu viel sein.
langfristig aber viel zu wenig
S.
Hi Schaeffi,
ich bin aktuell nicht mehr dabei - +/- Null, ohne News nix los, nach dem Motto...
Mein Depot ist nun vor allem gefüllt mit Silberminern, was man an einer Hand abzählen kann.
BRN wird 2018 auf jeden Fall interessant, aber der Kurs müsste eigentlich kontinuierlicher ansteigen, um daraus eine gute Aktie zu machen, tut es aber nicht, obwohl in einer Megatrendbranche.
Ich sach mal so, wenn BRN sich wie ARM Holding verhaltn sollte, wird das der Bringer. Die haben mit ähnlicher Strategie ein Vermögen gemacht.
Im Bereich AI sind mir deswegen momentan vor allem drei Größere als Alternative ins Auge gefallen.
Blue Prism - die automatisieren Büroabläufe, da wird Megapotential gespielt, ich schätze,
dass mind. 2/3 der Bürojobs dadurch wegfallen werden.
Xilinx, die machen diese Chipgrundlagen für BRN und andere, die man für diese AI Neuromorphs/ Spiking Neuronals Networks braucht. Es gibt da aber mehrere Plattformen von verschiedenen Herstellern:
Nvidea ist mir viel zu weit gelaufen...
Softbank - notieren unter ihrem NAV und haben ARM und diverse andere Robotikfimen gekauft- etwa die franz. Aldebaran - und auch Boston Dynamics von Google.
Softbank ist für mich der AI Fonds ohne Fondsgebühren und mit etwas Hebel, viel besser als ein Fond.
Wenn man in dem Markt mitspielen möchte, würde ich einen der oberen Werte nehmen, und bei BRN erstmal die nächsten Umsatzzahlen abwarten oder Spielgeld reingeben, oder einen Rücksetzter auf 0,16-0,18 AUD kaufen --> Kurs der 20Mio AUS- KE.
Am liebsten würde ich eine Groq oder soetwas kaufen, sind Startups, die nicht notiert sind, deswegen, BRN ist die bisher einzige notierte reinrassige KIZ/AI Aktie - allerdings ko9mmt4 mir das nicht gepusht vor, aber irgendwie zu oberflächlich derzeit.
Gewisse Sachen muss man unterm Radar fahren und sich auf wenige Nischen konzentrieren.
Leider bzw erfreulicherweise kann der BRN-Chip und sein geplanter Nachfolger wohl so ziemlich alles, was derzeit bei Drei nicht auf den Bäumen ist.
Ich denke mal vom Gefühl her, die Technologie wird wettbewerbsintensiv, aber weiss ich das als Chipgreenhorn?
Sollte es eine zweite ARM werden - geil. Wenn nicht, werden eher diesmal nicht die Schaufelhersteller gewinnen - wie beim 3D-Druck, sondern diejengen, die von den Chips im Einsatz profitieren...
Wie gesagt, schwer einzuschätzen, und Konkurrenz ist ja da, die Frage ist, ob sich BRN mit ihrem autarken Chipsatz auch patentrechtlich erheblich von der Konkurrenz absetzen können.
Warum ist bei BRN keine Google etc. eingestiegen? Angeblich hat man ja den Aktienmanteldeal bzw Merger durch die Hintertür genommen, um die Großen draussen zu lassen?
Das kann jedoch auch am übergroßen EGO des Erfinders Peter von der Made liegen, etc., und ich kenne genügend Klitschen, die es ähnlich gemacht haben - ihr eigenes Süppchen kochten,
und letztendlich scheiterten.
Ist Australien ein NoGo?
Kann nicht sein, Hitachi und GE sind ja auch bei Silex seit langem dabei.
Und da kann man nur einen Chip- und Unternehmensexperten fragen, und selbst der wird dann eine schwammige Meinug abgeben schätze ich, weil das ganze Feld kommerziell noch relativ jung ist.
Ich habe zwar den Verdacht,dass australische TechWerte generell wenig beachtet werden, was aber nicht bedeutet, dass sie keine Innovationen bieten.
Beispiel:
Aurora Labs - mom. größte Depotposi und mit WorleysParcon Deal.
Silex Systems - Nuklear-Lasertechik, zusammen mit Hitachi und GE.
Ich bin mittlerweile der Ansicht, dass investierbare Unternehmen einen Burggraben aufweisen oder daran arbeiten sollten,
um auf Jahre Jahrzehnte keinen Wettbewerb zuzulassen zu müssen.
Overstock.com ist da aktuell ein schönes Beipiel im Bereich Erste von der SEC zugelassene Cryptobörse für ICO´s.
Das könnte ein Börsenplatz wie eine Nasdaq für Cryptos werden, Burggrabenpotential vorhanden und wahrscheinlich.
VG
H2O
ich bin aktuell nicht mehr dabei - +/- Null, ohne News nix los, nach dem Motto...
Mein Depot ist nun vor allem gefüllt mit Silberminern, was man an einer Hand abzählen kann.
BRN wird 2018 auf jeden Fall interessant, aber der Kurs müsste eigentlich kontinuierlicher ansteigen, um daraus eine gute Aktie zu machen, tut es aber nicht, obwohl in einer Megatrendbranche.
Ich sach mal so, wenn BRN sich wie ARM Holding verhaltn sollte, wird das der Bringer. Die haben mit ähnlicher Strategie ein Vermögen gemacht.
Im Bereich AI sind mir deswegen momentan vor allem drei Größere als Alternative ins Auge gefallen.
Blue Prism - die automatisieren Büroabläufe, da wird Megapotential gespielt, ich schätze,
dass mind. 2/3 der Bürojobs dadurch wegfallen werden.
Xilinx, die machen diese Chipgrundlagen für BRN und andere, die man für diese AI Neuromorphs/ Spiking Neuronals Networks braucht. Es gibt da aber mehrere Plattformen von verschiedenen Herstellern:
Nvidea ist mir viel zu weit gelaufen...
Softbank - notieren unter ihrem NAV und haben ARM und diverse andere Robotikfimen gekauft- etwa die franz. Aldebaran - und auch Boston Dynamics von Google.
Softbank ist für mich der AI Fonds ohne Fondsgebühren und mit etwas Hebel, viel besser als ein Fond.
Wenn man in dem Markt mitspielen möchte, würde ich einen der oberen Werte nehmen, und bei BRN erstmal die nächsten Umsatzzahlen abwarten oder Spielgeld reingeben, oder einen Rücksetzter auf 0,16-0,18 AUD kaufen --> Kurs der 20Mio AUS- KE.
Am liebsten würde ich eine Groq oder soetwas kaufen, sind Startups, die nicht notiert sind, deswegen, BRN ist die bisher einzige notierte reinrassige KIZ/AI Aktie - allerdings ko9mmt4 mir das nicht gepusht vor, aber irgendwie zu oberflächlich derzeit.
Gewisse Sachen muss man unterm Radar fahren und sich auf wenige Nischen konzentrieren.
Leider bzw erfreulicherweise kann der BRN-Chip und sein geplanter Nachfolger wohl so ziemlich alles, was derzeit bei Drei nicht auf den Bäumen ist.
Ich denke mal vom Gefühl her, die Technologie wird wettbewerbsintensiv, aber weiss ich das als Chipgreenhorn?
Sollte es eine zweite ARM werden - geil. Wenn nicht, werden eher diesmal nicht die Schaufelhersteller gewinnen - wie beim 3D-Druck, sondern diejengen, die von den Chips im Einsatz profitieren...
Wie gesagt, schwer einzuschätzen, und Konkurrenz ist ja da, die Frage ist, ob sich BRN mit ihrem autarken Chipsatz auch patentrechtlich erheblich von der Konkurrenz absetzen können.
Warum ist bei BRN keine Google etc. eingestiegen? Angeblich hat man ja den Aktienmanteldeal bzw Merger durch die Hintertür genommen, um die Großen draussen zu lassen?
Das kann jedoch auch am übergroßen EGO des Erfinders Peter von der Made liegen, etc., und ich kenne genügend Klitschen, die es ähnlich gemacht haben - ihr eigenes Süppchen kochten,
und letztendlich scheiterten.
Ist Australien ein NoGo?
Kann nicht sein, Hitachi und GE sind ja auch bei Silex seit langem dabei.
Und da kann man nur einen Chip- und Unternehmensexperten fragen, und selbst der wird dann eine schwammige Meinug abgeben schätze ich, weil das ganze Feld kommerziell noch relativ jung ist.
Ich habe zwar den Verdacht,dass australische TechWerte generell wenig beachtet werden, was aber nicht bedeutet, dass sie keine Innovationen bieten.
Beispiel:
Aurora Labs - mom. größte Depotposi und mit WorleysParcon Deal.
Silex Systems - Nuklear-Lasertechik, zusammen mit Hitachi und GE.
Ich bin mittlerweile der Ansicht, dass investierbare Unternehmen einen Burggraben aufweisen oder daran arbeiten sollten,
um auf Jahre Jahrzehnte keinen Wettbewerb zuzulassen zu müssen.
Overstock.com ist da aktuell ein schönes Beipiel im Bereich Erste von der SEC zugelassene Cryptobörse für ICO´s.
Das könnte ein Börsenplatz wie eine Nasdaq für Cryptos werden, Burggrabenpotential vorhanden und wahrscheinlich.
VG
H2O
Noch etwas über SNN´s
https://www.datasciencecentral.com/profiles/blogs/more-on-3r…
Aus HC; Vergleich DeepLearning VS Quantum Comp. VS Neuronal Spik Nets
https://hotcopper.com.au/threads/ai-future.3845735/?post_id=…
https://www.datasciencecentral.com/profiles/blogs/more-on-3r…
Aus HC; Vergleich DeepLearning VS Quantum Comp. VS Neuronal Spik Nets
https://hotcopper.com.au/threads/ai-future.3845735/?post_id=…
Antwort auf Beitrag Nr.: 56.270.234 von H2OAllergiker am 24.11.17 20:12:09Xilinx hab ich auch auf der Watchlist ebenso wie NVidea schon lang - war mir aber immer zu teuer
Wenn du jetzt so viele Miner hast - was hälts Du vom Weißen Golt Lthium und deren Explorer und Miner.
Hab bei EM nur noch AG und etwas mit Lithium Plays diversifiziert.
Gruss S.
Wenn du jetzt so viele Miner hast - was hälts Du vom Weißen Golt Lthium und deren Explorer und Miner.
Hab bei EM nur noch AG und etwas mit Lithium Plays diversifiziert.
Gruss S.
Nö, Lithium ist viel zu spät und gepusht ohne Ende, Ich mag kein Li, deswegen auch.
Wenn man einmal Eestor [ESU] gekannt hat, will man kein Lithium mehr.
Mit Sicherheit wird Li niemals langfristig Batterien betreiben, das ist einfach eine grauenvoll schlechte Technik mit Gefahren ohne Ende.
Dann eher Graphen oder Superkondensatoren.
Cobalt eher, aber ich habe einfach keine Meinung zu den ganzen Metallen ausserhalb des EM-Universums.
Ich habe mich früher genug verzettelt mit diesem und jenem, und oh mit dem da hinten auch noch...da hab ich keinen Bock mehr drauf.
AG halte ich für einen der schlechteren Werte, solange Silber sich kaum bewegt. Dann eher meine uralte Silvercorp, die sind abgesichert, KGV 9, etwas Dividende, aktuell schon wieder Aktienrückkaufprogramm und haben doch einen großen Hebel - und weit weg von den unsäglichen Kanada und US-Klitschen, da kommt Bürgerkrieg ...
Wenn man einmal Eestor [ESU] gekannt hat, will man kein Lithium mehr.
Mit Sicherheit wird Li niemals langfristig Batterien betreiben, das ist einfach eine grauenvoll schlechte Technik mit Gefahren ohne Ende.
Dann eher Graphen oder Superkondensatoren.
Cobalt eher, aber ich habe einfach keine Meinung zu den ganzen Metallen ausserhalb des EM-Universums.
Ich habe mich früher genug verzettelt mit diesem und jenem, und oh mit dem da hinten auch noch...da hab ich keinen Bock mehr drauf.
AG halte ich für einen der schlechteren Werte, solange Silber sich kaum bewegt. Dann eher meine uralte Silvercorp, die sind abgesichert, KGV 9, etwas Dividende, aktuell schon wieder Aktienrückkaufprogramm und haben doch einen großen Hebel - und weit weg von den unsäglichen Kanada und US-Klitschen, da kommt Bürgerkrieg ...
und wie der Zufall es will.
Samsung und Fisker überholen unabhängig voneinander Tesla in der Batterietechnik mit...Graphen.
Ob Tesla nun auf Eestor´s Supercaps zugreifen muss?
https://www.n-tv.de/technik/Samsung-hat-den-Akku-der-Zukunft…
https://www.wallstreet-online.de/nachricht/10092557-neues-ba…
Jetzt wird der TSLA Short konkret
Samsung und Fisker überholen unabhängig voneinander Tesla in der Batterietechnik mit...Graphen.
Ob Tesla nun auf Eestor´s Supercaps zugreifen muss?
https://www.n-tv.de/technik/Samsung-hat-den-Akku-der-Zukunft…
https://www.wallstreet-online.de/nachricht/10092557-neues-ba…
Jetzt wird der TSLA Short konkret
Beitrag aus der franz. Presse, übersetzt.
https://translate.google.com/translate?sl=en&tl=de&js=y&prev…
https://translate.google.com/translate?sl=en&tl=de&js=y&prev…
Hallo, ich würde auch mal gerne die Meinung der anderen Mitleser, mit Ausnahme von Schäffi hören.
Am 17. Dezember ist AGM, bis dahin rechne ich mit eher steigenden Kursen, und danach? Keine Ahnung. 2018 wird das interessante Jahr.
Am 17. Dezember ist AGM, bis dahin rechne ich mit eher steigenden Kursen, und danach? Keine Ahnung. 2018 wird das interessante Jahr.
Schäffi, NVDA und Xilinx könnten jetzt interessant sein.
Antwort auf Beitrag Nr.: 56.369.982 von H2OAllergiker am 05.12.17 22:15:23
Hallo H2O,
der kryptische Titel trägt nicht grad dazu bei, daß sich hierher viel verlieren.
Zu Xilinx:
liege auf der Lauer, kann aber grad mit Technologie Titeln nicht so viel anfangen.
Bio/Pharma und EM Miner sind grad so billig und ich setzte auf eine Branchen Rotation
hin zu diesen Assets in Kürze.
Zu Alternative Batterie Konzepte:
Danke für Deine Hinweis dazu. Ich sehe es auch so das Lithium eine Überganstechnik ist
und wir in eignen Jahren was besseres haben werden. d.h. für mich die heutigen LIthium Explorer
die vielleicht mal ab 2020 liefern werden es schwer haben.
Ich spiele grad auch nur ein wenig den Hype dazu, dann binn ich wieder weg
Gruss S.
Zitat von H2OAllergiker: Hallo, ich würde auch mal gerne die Meinung der anderen Mitleser, mit Ausnahme von Schäffi hören.
Am 17. Dezember ist AGM, bis dahin rechne ich mit eher steigenden Kursen, und danach? Keine Ahnung. 2018 wird das interessante Jahr.
Hallo H2O,
der kryptische
Titel trägt nicht grad dazu bei, daß sich hierher viel verlieren.Zu Xilinx:
liege auf der Lauer, kann aber grad mit Technologie Titeln nicht so viel anfangen.
Bio/Pharma und EM Miner sind grad so billig und ich setzte auf eine Branchen Rotation
hin zu diesen Assets in Kürze.
Zu Alternative Batterie Konzepte:
Danke für Deine Hinweis dazu. Ich sehe es auch so das Lithium eine Überganstechnik ist
und wir in eignen Jahren was besseres haben werden. d.h. für mich die heutigen LIthium Explorer
die vielleicht mal ab 2020 liefern werden es schwer haben.
Ich spiele grad auch nur ein wenig den Hype dazu, dann binn ich wieder weg
Gruss S.
Am Titel kann es bedingt nur liegen 1200 Leser und jeden Tag ein Dutzend, da sind mehr am Schauen, die sich nur für Brainchip interessieren.
1200 Leser und jeden Tag ein Dutzend, da sind mehr am Schauen, die sich nur für Brainchip interessieren.
??? Wer ist das?
Robots that think for themselves are only for the movies, say Volkswagen IT experts
DAVID LINKLATER
Last updated 07:50, December 22 2017
https://www.stuff.co.nz/motoring/100002864/robots-that-think…
[...]
The latest development is the "Collaboration Space" at the Data Lab, created by Sichler and her team: this is a combination of a workshop and a laboratory for international start-ups fully oriented towards machine learning. Here, start-ups teach robots to identify new movement patterns or carry out research into innovative data security approaches. Start-ups from Australia, the UK and Austria are already on board.
###################
Email Alerts for:
ASX:BRN
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo provides a year-end review for 2017, talks about sales process and funding, the company's Akida platform, opportunities and what’s planned for 2018.
Good morning everyone, thank you for joining the call. This is more of a yearend update than it is a fourth quarter update, as you're all aware, we don't close our quarter until the end of December, and we'll get back to you sometime after the 4C goes out, I guess that'd be late in January. Again, thank you for joining the call, I'm here in our San Francisco office with our CFO, Ryan Benson, I'm going to see if I can get the presentation up. There's not a lot of feedback in this type of system, so I'm hoping that the presentation is up and live, and I've got about 10 slides. I will say before we start that I did take the time to read all of the inbound questions, and have tried to incorporate as much as I could in the way of answers as appropriate into the deck. I also had one kind of funny input that I speak too fast and sometimes I'm difficult to understand, so I will try to slow down and make sure that I articulate well.
Again, $32.9 million in three rounds, all done by private placements, we've talked about the reasons why, the advice we received from our brokering firms. The institutional register is really quite healthy, marquee names, 30 new investors or more across those three rounds, you have institutional investors. Maybe notably as well, our board is now US-centric, Julie H. Stein joined in the later part of '16, has been with us now almost a year and a half, of course I joined the board in November, about a month after I joined the company, and then Manny Hernandez was our most recent addition. We did just recently announce that Peter van der Madehas committed 100 per cent of his time to the Akita development.
Peter's passionate about that development, wants to see it not just be successful, but that we can accelerate as quickly as possible development and introduction of the Akita, what we're now calling neural system on a chip. We did announce in Peter's resignation that we will be starting a search, have started a search for one and possibly two directors. We're authorized for seven, we currently have five. One of the questions that I received is what are the competencies that we might look for in those directors. You we have a diverse board as it is, and Julie's background, Goldman Sachs, Solomon Brothers, building a large investment firm herself with her partners, good strategic thinker, adds a lot to the board in the way of governance as well as strategic planning.
We know I'm not an executive director, so I won't go into that, but Emmanuel T. Hernandez, probably one of the marquee technology directors in Silicon Valley, comes with very strong financial background, he was the chief financial officer at Cyprus Semiconductor and at Sun Power, sits on several large public company boards here in the US. Of course you know Mick Balto and Adam Osseiran our Australian director, so that we maintain those two residents that are required by ASX listing rules. I think with respect to new directorships, you know we really want to have the best diversity and the most appropriate skillset. I think in one case, it would be nice if we could find a seasoned director with public company experience that comes out of one of our target end markets, and whether that be cyber security, financial technology, autonomous vehicles, or surveillance, the existing product line service in surveillance.
I think that would be a nice way to round out the board with some real good, solid direct industry experience, and then maybe another director who really has a very technical background, someone who's been in the process of business, you know could come out of an Intel, an IBM, an Nvidia, just to give three names of companies that people know well. That's not necessarily where you hunt for directors, but just to give you some sense of what that skillset would be. Also during the year, we rounded out our executive staff, Ryan joined us, Bob Beachler'both folks that I've worked with a long time, Ryan is a four-time CFO with me, Bob Beechler was also vice president of marketing at XR Corporation, where I was CEO, and then followed by Ryan as CEO.
Tom Stengel joined to run sales in North America, Tom worked with us at XR, Greg Ryan joined us in Australia, because having some feet on the street in Australia is very important for the relationships that we've developed, and really closing in on design wins and revenue.
We will add someone very very quickly here, I'd like to make an announcement maybe as early as next week, a sales executive in Europe, outside of France, someone that can really leverage their experience in the UK, Germany, Spain, as well as French markets, so that'll be an announcement quick to come. We talked recently the last call about feet on the street, this is a business that requires a sales presence.
In the US, we tend to use manufacturer's reps, so we're engaged with a large manufacturer's rep located out of Los Angeles that covers the entire southwestern US, it's a 25 or 30-year-old company, I've done business with them for the better part of 20 years. That would put a few dozen people on the street on our behalf, also selling other lines, that give them untrained customers. It's a pretty tried and well-worn path in the US, is what we call super reps that cover the southwest, the northwest, the central US, as well as the northeast, and then the southeast as well. That really adds leverage to the sales function, when you can leverage 10, 20, 30 sales representatives, all tend to be EEs, all tend to be very highly skilled business development as well as technical salespeople.
Well capitalized solid board of directors with a desire to add more talent to the board, as well as a solid executive sales team.
There was a question about our head count, our head count currently sits at about 27, that's about five people in sales, and that's sales and applications engineering, but as I just described, more feet on the street coming very quickly, three people in GNA, we know the CEO, CFO, as well as another finance person in France, and then about four people in research and development that work directly with Peter on the Akita architecture. The balance is about 15 or so, 16 actually, are hardcore engineering in the development ranks. We tend to be split about evenly in the engineering and research teams, about half in Toulouse, France, about half in Newport Beach.
We'll move onto the next slide, continue the year in review. I think one of the most important things we accomplished very late in '16, very early in '17, was to reset the markets that we addressed, the product and technology strategy. When I joined in October of '16, I guess it was really September 29th, we'll call it October '16, as we've talked about before, we had just acquired Spikenet. They had a lot of custom pieces of software, a marquee customer base, which I found very advantageous to us as we moved to commercialize that software, refactor the software, and introduce what you now know as Brain Chip Studio. We set our sights on the FPGA to work in concert with that software, which we now know is Brain Chip Accelerator.
It's recognized that BrainChip Studio and BrainChip Accelerator are specifically designed for vision applications, whether it's machine visioned, whether that is surveillance, so the markets that we're addressing, the revenue that we'll generate in 2018 and probably the first half of 2019 will all be on the back of vision applications, and we'll talk about some customers and bring you up to date on the status of some of the deals that we've talked about.
As you know, Studio was introduced in July of 2017, Accelerator was introduced in September of 2017. There's been questions about how much activity have we seen, I can tell you there have been dozens of software drops on Brain Chip Studio.
The product is being demoed in the hands of dozens of customers right now, Accelerator, the hardware solution, which was released in September, we know they did a press release, the first shipment to an automotive manufacturer who has now had the card up and running for about a month or so, so I'm sure there's a lot of good work going on there, and our engineering team is in close contact. We have an RFQ in the house from I'd say one of the world's largest networking manufacturers, different application, we're digging into what it is that they would like to accomplish with Accelerator, some of it is to learn the technology, and some of it may address specific applications.
Given July and September, I think we're really pleased with the activity that we've had. I'm going to touch a little bit here on major customer activity, and then follow up with that in a little bit more detail. Major customer activity really breaks down into four or five categories. We've got our gaming customers, we're now engaged with VMS suppliers, VMS is video management system companies. When cameras are hung, wires come back to an enterprise or a data center, there's a VMS system which all the cables connect to, that's where the operator really controls his video system. There are two notable VMS suppliers in the world, there's many, but I think the two most notable are Monostone and Gentech.
We're making progress on both fronts, we're engaged with a storage vendor. You could think of storage as where does all that video go once it goes through the VMS system? Just to throw out some names, companies like Dell, EMC, Western Digital, Quantum Corporation, these are large providers of storage for video surveillance, and they certainly would like to add more capacity or capability to do forensic search on the stored videos that they have, and provide that as a service to their customers.
Cloud services, cloud services are really analytics online, software as a service, and you'll see that I'll note this later, we're talking to companies in advertising, talking to companies in retail for consumer behavior.
Those cloud services are kind of a pay as you go model, so whether they drop Brain Chip Studio in, where they have so much demand that they want to drop in Brain Chip Studio running on Accelerator, that would happen in the cloud and they'd pay by the bit or video processed. I'll make sure I'm not missing any questions as I go along. A little update, and really not a whole lot to update on Saffron, Rockwell Collins and Cisco, all are using the product, you know we're kind of at the discretion of them on how aggressively they deploy and how aggressively they market the product. I think you are all aware that they presented with us or did booth duty with us at the recent Millipoleconference.
Saffron is deploying the vision system that I think you're all well aware, but I think we've actually had it in a couple of presentations now, and I think we'll benefit greatly with Cisco now that we have Greg Ryan on the ground and we'll have some local engineering resources as well soon.
Cisco is focused on several different applications, including vehicle identification, facial recognition, a wide variety of things that could be done with either Brian Chip Studio running on their own hardware or Brain Chip Studio running on the Accelerator in one of their boxes. All in all, things are going nicely with Saffron and Rockwell Collins, Cisco and others that we've talked about, we'll keep you up to date, and probably give you a little bit more of an update when we do our first quarter call.
Along the same thing, you know moving away from the year in review and looking at really what's going on as we develop our approach to building a sales funnel, so I'm now on slide five, you can see the lead generation process for us is conferences, advertising, press releases, maybe sometimes more importantly than press releases is press coverage. I know there is a lot of focus particularly in Australia, as we're a listed company there, on ASX releases, we did 29 ASX releases in 2018, we do our best to keep our shareholders up to date, we use ASX as appropriate. Sometimes what we think is appropriate, they don't think is appropriate.
Take for example when we won the award at Millipole, we certainly wanted to get that in the press, both generally through editorials and press coverage, but the ASX found it to be a marketing piece and not something that was appropriate for the ASX. Bear with us as we deal with ASX and what's appropriate in their minds and what's not, but if we can't get it on ASX, you'll find us releasing it through trade magazines, getting into financial press as well, AFR really likes to pick up stories on the company. Another question came up, and you can see the two logos off to the right about Millipole, and I'll just touch quickly again on security today.
Security today generated a lot of lead generation, those leads then turn into opportunities. As we qualify them, they turn into qualified opportunities, and that's where we are in a lot of that process with security today inputs. We generated something over 80 leads out of the Millipole conference, I think that was a really healthy response. I know having Rockwell Collins in our booth with us, having the Paris Police Force in our booth with us doing live demonstrations of how they use the product really resonated with other law enforcement agencies. We're following up on those leads, qualifying those opportunities, hopefully those opportunities into design wins, and of course then design wins turn into revenue.
Then there was a question about how is this sales funnel starting to build up. We'll say that as we come out of the fourth quarter and we speak during the first quarter, which again will probably be sometime late January, after the 4C is out, I'd like to be in a position to put some numbers around these things. We're bringing up a new CRM system, qualifying which of the platforms we'd like to use. Salesforce.com is probably the most prevalent, also happens to be most expensive, and there are lots of alternatives that will give us a real view of what the sales funnel is, taking it out of an Excel spreadsheet and putting into a real CRM platform.
Our design lens, I think given that the product has really only been released since September and July, but there were certainly a backlog of folks that were using the more custom versions of the software, I think that you can expect that the numbers we're going to talk about again in the late January early February time frame are going to be design wins that are approaching maybe $10 million the first year, deployment and something on the order of a lifetime value for those design wins that could be maybe as much as $50 million or more.
Could be much more than that, as we scrub the funnel regeneration and opportunities. How do we qualify a design win is a big part of scrubbing the database and making sure the management really is persistent in making sure that the design is really locked down. At that point, turning into revenue is really up to our customers, and we state quotes and we'll keep you folks as well informed as we can based on the information that we get.
If I move to slide six, and this is covering things that we've all talked about in the past, civil surveillance as well as commercial surveillance. In the school arena, we've talked openly about Lock Fort.
I think last time I spoke at the end of last quarter, we said that Lock Fort hadstarted their deployment, they did in fact start their deployment in November. I think we got a pleasant piece of news just recently, Lock Fort had decided to launch that development, still waiting on full funding, but I forget if it's a bond or some other government mechanism, but they were going to fund themselves, it was going to be a slower process, but that funding has come through and now the deployment has moved much more quickly. We're still also certainly in discussions with many other school districts, principally in the state of New York now, because once you win one and you're qualified, it's a whole lot easier to knock down the others.
Municipal law enforcement is going well, and expansion in Europe is important to us. I'll touch on what's going on in Paris and other municipalities, but expansion in Europe is important to us, and that's why we're adding a new sales exec in Europe, to focus not simply on France, but take us into Germany, take us into the UK, Spain, even over into Turkey.
The Paris Police Force, things are moving well, and I think there are plans in the first quarter to deploy more cameras as well in the department of Homeland Security, you know the French version of the department of Homeland Security, things are going quite well, and I think that we'll see growth in the first quarter as well.
I covered schools, municipal law enforcement, Homeland Security, and as I said, Paris is doing well, we talked about another deployment in municipality, that's going well, really expect it to start in earnest in the first quarter of 2018. What we call commercial surveillance, well actually I'm sorry, I shouldn't skip over airports because there was a question about Rockwell Collins.
Our work with airports is really a work in progress. Now that we have a stronger and a broader sales team, more airports can be covered, or the system integrators, most importantly, who work with those airports and OEMs such as Rockwell Collins. Rockwell Collins, they are out marketing their infrared and radar system, you know we'll see both Brain Chip Studio as well as Brain Chip Accelerator opportunities in the airport environment.
Commercial surveillance, gaming, retail, advertising, traffic management, and automotive, and I'll touch on gaming first. It's really a matter of sales coverage, we talked about this last time, feet on the street. We've had some significant developments with a potential OEM partner, you know the SN Tech relationship, which I can touch on again in a little bit, but the SN Tech relationship has been in existence for a couple of years. I think they are resource starved, so we're working very closely now with one of the largest OEM providers to the gaming industry, about 3,200 casinos in the world, they do business with all 3,200 casinos. They have Sales Force, they have a service organisation, would be a real win for us to have that large and broad relationship, so that's I hope very near term.
Retail, again retail and advertising is more likely to be cloud-based, where we work with a partner who has a cloud-based system up, people rent time in the cloud and they define, "There's logos that I want to see, here's behavioral patterns with consumers that I'd like to see." Now we've got a nice burgeoning relationship with one of the most notable SAAS suppliers in the advertising and retail arena.
Traffic management is really, at this point for us, it's Cisco, we've talked about that previously. Now that we have Brain Chip Studio, which is a commercial user friendly product, I think with Greg's support down on the ground in Australia as well as some engineering resources, that can move quite quickly.
Automotive is autonomous vehicles, primarily ADAS or advanced driver-assisted systems, there are opportunities for Brain Chip Studio and Brain Chip Accelerator. As we've mentioned, you know we shipped our very first Brain Chip Accelerator card into a large European automobile manufacturer, you know for a wide variety of venues, and that could be the publicity that we got on shipping the cards, it could be the publicity that we've gotten at trade conferences, but we're working with a wide variety of automotive manufacturers or third party manufacturers, both to get Brain Chip Studio and Brain Chip Accelerator designed in, but maybe more importantly to work with them as partners in the Akita development, so that as we develop Akita, we know that it's well-tailored for these applications, we know that there's a customer waiting when we get to the end of the rainbow and the product is launched.
I'm talking about companies that we're having dialog with now, including Volkswagen, Renault, General Motors, you know the list goes on. It's really a matter of intercepting them at a point in their research and development where they can have influence on Akita or they can leverage Studio or the Accelerator.
There was a question about Tesla, and what we might be able to do with Tesla. I know some of you recognised an article that Tesla has dropped Nvidia in their autonomous vehicle program. I think it's important to separate what goes on in the autonomous vehicle, and even when we talk about cyber security or we talk about financial technology.
Spiking neural network is exceptional at recognizing repeating patterns, GPUs and CPUs are really workhorse computational engines, they do math. We don't do math, we don't do computation. If you talk about Fin Tech, and I'm going to jump ahead a little bit because I'm on a little bit of a theme here, when you talk about Fin Tech for examples, a lot of questions about cryptocurrency. A spiking neural network will never be the appropriate solution to calculate a transaction, one plus one equals two, should this transaction clear?
What the spiking neural network in Akita will be exceptional at, whether it's for autonomous vehicles partnered either with GPU or CPU doing calculations or in cryptocurrency or any financial technology, high frequency trading, options and commodities trading, is not doing the transaction, it's looking at trends in data that you might want to trade against or you might want to use to make your autonomous vehicle smarter over time.
Or in the cyber security arena, there's really not a whole bunch of computation that's necessary there, but repeating patterns for denial of service attacks, malware attacks. Let's separate when we talk about automotive, and for example, an opportunity with could be Tesla, could be Uber, could be any one of the big names that are moving into AV or autonomous vehicles. We'll be there to help their system learn, there will always be a CPU or a GPU doing calculations, and that will be similar in financial technology, particularly here if you talk about crypto or even blockchain technology even more generally. I just wanted to wrap those things up so that people understand Akita, its ability to learn autonomously repeating patterns so that people can look at trend data, make decisions very quickly, that's really where we'll fit.I'll touch on that a little bit more when we get to the slide on Akita.
Slide six, we're going to move to slide seven, which jumps right into Akita. Again, a neuromorphic system on a chip, I'm going to go to the bottom right hand corner first, and why we've decided to move from the idea of calling it a general processor more so than a system on a chip is because it really is a system on a chip. If you think about the last time I presented here, we talked about Intel's introduction of a research chip called Low High, at 131,000 neurons and a couple of hundred million synapse, but it lacked all of the pieces that were necessary to get to the neural network.
There are a whole bunch of blocks that are necessary, transducers in the world, things that pick up information, if it's real world data, sights, sounds, pressure, temperature, don't output sights, they output zeroes and ones out of data streams. One of the strengths of what we've done in the FPGA that's implemented in the Accelerator is we have a block that is a Spike converter. We take inputs that are not spikes, and we have some very sophisticated approaches, some which are wrapped up in patents, some which are wrapped up in trade secrets, that convert that data into spikes. If you have a standard camera, you're getting pixel data, if you have a spiking camera, great, you can bypass the pre-processing, but for data inputs, if it's data, financial transactions or cyber security, that data has to be converted into spikes.
It's a very sophisticated process, something that Peter and the research guys have spent a lot of time and had great results with, and Neil and the development team has been able to implement a real proof of life in the existing FPGA.
You go through the spike converter taking the inputs, you've got communications interfaces, you've got power management. It's kind of like what we're doing now is the floor plan of a home, you know you've got six bedrooms, you've got a living room and a dining room, you've got hallways and a garage, where do all the pieces go, how do they best interface to other pieces within the framework of that floor plan, and how do you get in and out?
That's where we are now, I'll talk a little bit more, I guess I should just talk too on this slide, there's questions about the timeline for the Akita development.
I think we're really in good shape, Peter and the research team have done a great job in defining the architecture of the neural network, the blocks that are necessary to build this system on chip. There's been a lot of simulation done in what's called Mat Lab, there's simulation and development that's going on in what we call C++, which is a programming language. We expect to have a C++ kernel of the neural network maybe by the end of the year, maybe the first couple weeks of January. One of the questions, let me finish that thought. From there, now you've got something that can actually simulate the process of taking inputs, again, pixel camera or data for cyber data, data for Fin Tech, you can run an algorithm against it and you can prove that that network is robust, that it works as planned.
The FPGA is still planned for mid-year, that's third week of June, first or second week of July, or probably be June, early July. That FPGA will implement all of the functionality, so it won't just be exercising the kernel, it will be exercising the pre-processing block, so it'll be exercising probably not necessarily the power management blocks, because when you get to the ASIC which has many multiples of the gate counts, your power management scheme will change, but it will exercise the functional blocks of taking the spikes, converting them, doing all the things that need to be done to get the neural network to operate.
The FPGA is expected mid-year, and the ASIC development from there, the process, I wouldn't call it easy, that would be disparaging to the hard-working engineers we put in, but your digital design is essentially proven.
Most of the blocks, and what gives us high confidence that this is a risk reduced effort, is most of the blocks, for example the spike converter, many of the communications interfaces are already implemented in the existing FPGA. If the spiking neural network design in the C++ kernel is debugged and simulated well, it's a very much risk reduced design. That would lead us to probably launching into what we call hardened silicone, call it an ASIC or hardened silicone sometime late in the third quarter, maybe have place and route, which is the physical design done, so that we can launch wafers into a fab and have something late in '18, early in '19. That's the timeline that we've been talking about, there's no reason to believe that that timeline is changed, and in fact I think we've got reinforcement that it's still well within the realm of us accomplishing it successfully.
Just a little bit more on this page, I probably should have put this page in here, but there was a question about our IP portfolio. I touch on it a little bit in the product description, but just to be a little bit more clear, we do have the one foundational patent done, spiking neural networks, that was issued in 2008. It's been cited many many times, I think last count was 37 times, IBM, Qualcomm, Samsung, anybody that wants to play in this space recognizes that patent as a foundational patent and cites it.
We've got five additional patents in process, several being written around things that are being developed with and for Akita. Let's not forget that we own exclusively and perpetually the JAST license patents.
I think we've got a pretty good fence around our IP, we've got a dedicated team having the most robust strategy that we can. IP is really what the underlying value of this company is, you execute well on delivering that IP, compelling and differentiated advantages for customers, and that's how you win. I think I talked about most of what was on this slide the last time we spoke, we've got the development milestones, the end markets, I touched on autonomous vehicles. In vision systems, whether you'll need Akita or not, whether the Accelerator is adequate, there was a question which I'll kind of reframe about Akita, which could never be done with the Accelerator might be able to be implemented with Studio, but frankly wouldn't be big enough or bold enough, and that is, can Akita work at what we call the edge?
So far what we've talked about with Accelerator is all enterprise class, it's network oriented, it's a data center, it's in an enterprise.
Can Akita find its way at the edge into, I'll just use the basic example, can it find its way into a camera such that the camera is actually performing the analytics, and only transmitting back the required information when there is a security alert or when there is a behavioral pattern, when there is an image that's recognized?
Akita is going to be very scalable, it's not going to be a terribly large IC, it will be extremely low power, and whether the end users or the OEMs would use the device or whether they'd come back and say, "We're building our own very large IC, now we'd like to license your IP," which kind of circles all the way back to part of the business model when the company was founded back in 2015.
I think it's been prudent that we've moved down a course of proof of life, total solutions so that customers can see how things work and what the advantages are, what the power performance is. The Akita solution certainly could be an edge capable device.
Make sure I don't miss any questions there. There was a question about early engagements with Akita. While we're building our business around vision applications and surveillance applications, and we can build a very fine business, very profitable, high growth business with Studio and Accelerator and enhancements that we're doing to Studio and Accelerator. Early engagements, again, they'll be with some of those leading autonomous vehicle or automotive manufacturers, they'll be with leading cyber security companies, they'll be with leading Fin Tech companies.
The benefit of having a kernel that we can run algorithms against is that we can show how what we're working with the benchmarks of performance are, so that's why we need to have collaborations and partnerships very very early in the process here, those are the things we're working on now.
As the FPGA comes up, it will spawn a development system, so people can actually start to develop on the Akita platform, on the FPGA and the development tools that go with it. Now some of that will be oriented towards industry, and some of it will be oriented towards data scientists. Now there's a great wave of data science that I wouldn't call it research, but it's in the academic realm, it's within research labs that are within large Fortune 500, 200 and 100 companies, but there's a lot of innovation that comes out of there.
That development system will be early engagements for both real life industrial customers, as well as data scientists. I think that covers what I wanted to talk about with respect to Akita.
There's a lot of questions, I did read everybody's questions, I can assure you that, there's a lot of questions about 2018 revenue, when do we get revenue traction? Again, it's all about the sales funnel. We've got great design rooms, we do need more feet on the street, particularly in gaming, we need the collaboration with cyber as well as autonomous vehicle and Fin Tech. We don't publish a forecast, you know as we mature, as most public companies do, we'll give guidance for the coming quarter, and I don't think it's prudent at this point, the numbers don't warrant it, but I think we'll see significant traction in the first quarter, we'll see nice growth throughout the year.
I would point you for a good model that's been developed in our last round that we did of, what was it, $21.5 million, it was done with Shaw and Partners. The research analyst there is very solid, he's written a very nice report, it has a financial model in it, it's got a revenue model. Thinking only of Brain Chip Studio and Brain Chip Accelerator, certainly 2018 is too early to start thinking about Akita revenue, but I think their model was something on the order of $7 million or so in 2018 revenue. I think it was a nice ground-up model, you know conversion of opportunities in the casino industry, conversion of opportunities in surveillance, so while those aren't our numbers, those are certainly numbers you can look to.
The company's opportunity to become profitable, you know this was another question, in 2018, that's really going to be dependent in some respects, how do you want to define profitability? Operating profit, meaning kind of steady state operating expenses out of your gross margin, I think there's a fine opportunity with the kind of model that Shaw and Partners has put together, and frankly we always like to overachieve, so I wouldn't look at them, look at their model as gospel necessarily, but then you have the Akita, which you could call it cap-ex, whether or not we can capitalize it or whether or not it'll flow through the income statement, but as you get towards the back end of the year when we launch, place, and route our physical design, when we go to buy the mast set, when we go to buy wafers, those will be incremental expenses above and beyond what our steady state operating expenses are.
Now with respect to steady state operating expenses, I guess we're currently running, just put a nominal number out, it's about $700,000 a month. The vast majority of that certainly goes to engineering resources. I do think it's important, I should have mentioned this when we were talking about our board of directors and management, you know part of the challenge of being a public company when you're in your formative years is it's pretty burdensome with respect to costs. We can spend in a year anywhere between $500,000 and $1.5 million on the expenses to be a public company. Now, we accept that, we want to be a public company and we want to create shareholder value, I've mentioned in prior calls that in 2016 there was something on the order of 140 M and A acquisitions of artificial intelligence companies, tens of billions of dollars in consideration paid, and not a single public market investor made a dime, because they were all venture capital backed.
The company decided to do the RTO, raise money in the public domain. There's costs that are associated with that, there's overhead that's associated with that, but it gives you as investors an opportunity to capitalize in a high growth market with a company that's really going to execute well. I just want to reinforce that, because this is an opportunity for public market investors that frankly doesn't exist anywhere else, but we have to put a whole team together, we have to put sales force together, we have to have a management team in the financial organization, compliance with ASX rules.
I'll go to the last slide just as a wrap up, little split on the screen as well. Last slide is a wrap up, the company is well capitalised. There was a question about how long the cash will last, you know at $700,000 a month, it's easy to do the math, and you also have to put in whatever your best judgment is on where you think we'll go with revenue, which our model has baked in, as I said, something nominally around $7 million, we'd love to overachieve, but we're well capitalized to get through the Akita development, build a big business, and call it vision, surveillance primarily, but also machine vision, Saffron, Rockwell Collins. We're well staffed in our incremental head count in sales, probably be more applications engineering, we'll have executives on the ground in all three continents that we choose to claim right now, we'll use manufacturer's reps in the United States.
They don't get paid unless they book an order, which is, you eat what you kill. Generally speaking, the engineering staff is well staffed as well, we probably need an engineer here, there, or elsewhere as we get into the Akita FPGA design or maybe further, you've got test and verification once you start to get silicone, so there's some disciplines that just don't exist in the company today. We have commercially available products for surveillance, again, you know software came in in July, hardware came out in September, been well received, dozens of software drops. People are now sending in RFQs for the hardware, as well as having delivered one to a major potential customer.
Nice established customer base, but again, it's very France-centric. Our goal is to really accelerate our penetration in the US, the balance of Europe, and leverage Greg and the team that we'll build in Australia. It's a very ripe environment for us, there's a whole lot going on in cyber, there's a whole lot going on in Fin Tech, there's a whole lot going on in surveillance in Australia. We have a presence, we get a lot of press, that's a great market for us to excel in. We have an increasing pipeline, then we'll give you I think some more real data about that when we talk in a month or so, but I'm very satisfied with the results that we've had, you know from the publicity that we got with Studio, the awards that we've won with Studio and Accelerator.
Revenue growth routes '18, I feel confident that we'll have revenue growth on a quarter over quarter over quarter basis. Profitability, I just touched on, and I think we went into some detail about the Akita development.
I hope that I answered all the questions, I hope I gave you a sense of the confidence that this management team has, both about the products that we have, as well as the really very exciting Akita development. We will talk again probably in another month or so after the 4C comes out, certainly you always have access to send follow up questions to that email address, and I'll try to be as responsive as I can, or someone on my behalf will be as responsive as we can.
Thank you again for joining, we'll talk to you soon.
Robots that think for themselves are only for the movies, say Volkswagen IT experts
DAVID LINKLATER
Last updated 07:50, December 22 2017
https://www.stuff.co.nz/motoring/100002864/robots-that-think…
[...]
The latest development is the "Collaboration Space" at the Data Lab, created by Sichler and her team: this is a combination of a workshop and a laboratory for international start-ups fully oriented towards machine learning. Here, start-ups teach robots to identify new movement patterns or carry out research into innovative data security approaches. Start-ups from Australia, the UK and Austria are already on board.
###################
Email Alerts for:
ASX:BRN
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo provides a year-end review for 2017, talks about sales process and funding, the company's Akida platform, opportunities and what’s planned for 2018.
Good morning everyone, thank you for joining the call. This is more of a yearend update than it is a fourth quarter update, as you're all aware, we don't close our quarter until the end of December, and we'll get back to you sometime after the 4C goes out, I guess that'd be late in January. Again, thank you for joining the call, I'm here in our San Francisco office with our CFO, Ryan Benson, I'm going to see if I can get the presentation up. There's not a lot of feedback in this type of system, so I'm hoping that the presentation is up and live, and I've got about 10 slides. I will say before we start that I did take the time to read all of the inbound questions, and have tried to incorporate as much as I could in the way of answers as appropriate into the deck. I also had one kind of funny input that I speak too fast and sometimes I'm difficult to understand, so I will try to slow down and make sure that I articulate well.
Again, $32.9 million in three rounds, all done by private placements, we've talked about the reasons why, the advice we received from our brokering firms. The institutional register is really quite healthy, marquee names, 30 new investors or more across those three rounds, you have institutional investors. Maybe notably as well, our board is now US-centric, Julie H. Stein joined in the later part of '16, has been with us now almost a year and a half, of course I joined the board in November, about a month after I joined the company, and then Manny Hernandez was our most recent addition. We did just recently announce that Peter van der Madehas committed 100 per cent of his time to the Akita development.
Peter's passionate about that development, wants to see it not just be successful, but that we can accelerate as quickly as possible development and introduction of the Akita, what we're now calling neural system on a chip. We did announce in Peter's resignation that we will be starting a search, have started a search for one and possibly two directors. We're authorized for seven, we currently have five. One of the questions that I received is what are the competencies that we might look for in those directors. You we have a diverse board as it is, and Julie's background, Goldman Sachs, Solomon Brothers, building a large investment firm herself with her partners, good strategic thinker, adds a lot to the board in the way of governance as well as strategic planning.
We know I'm not an executive director, so I won't go into that, but Emmanuel T. Hernandez, probably one of the marquee technology directors in Silicon Valley, comes with very strong financial background, he was the chief financial officer at Cyprus Semiconductor and at Sun Power, sits on several large public company boards here in the US. Of course you know Mick Balto and Adam Osseiran our Australian director, so that we maintain those two residents that are required by ASX listing rules. I think with respect to new directorships, you know we really want to have the best diversity and the most appropriate skillset. I think in one case, it would be nice if we could find a seasoned director with public company experience that comes out of one of our target end markets, and whether that be cyber security, financial technology, autonomous vehicles, or surveillance, the existing product line service in surveillance.
I think that would be a nice way to round out the board with some real good, solid direct industry experience, and then maybe another director who really has a very technical background, someone who's been in the process of business, you know could come out of an Intel, an IBM, an Nvidia, just to give three names of companies that people know well. That's not necessarily where you hunt for directors, but just to give you some sense of what that skillset would be. Also during the year, we rounded out our executive staff, Ryan joined us, Bob Beachler'both folks that I've worked with a long time, Ryan is a four-time CFO with me, Bob Beechler was also vice president of marketing at XR Corporation, where I was CEO, and then followed by Ryan as CEO.
Tom Stengel joined to run sales in North America, Tom worked with us at XR, Greg Ryan joined us in Australia, because having some feet on the street in Australia is very important for the relationships that we've developed, and really closing in on design wins and revenue.
We will add someone very very quickly here, I'd like to make an announcement maybe as early as next week, a sales executive in Europe, outside of France, someone that can really leverage their experience in the UK, Germany, Spain, as well as French markets, so that'll be an announcement quick to come. We talked recently the last call about feet on the street, this is a business that requires a sales presence.
In the US, we tend to use manufacturer's reps, so we're engaged with a large manufacturer's rep located out of Los Angeles that covers the entire southwestern US, it's a 25 or 30-year-old company, I've done business with them for the better part of 20 years. That would put a few dozen people on the street on our behalf, also selling other lines, that give them untrained customers. It's a pretty tried and well-worn path in the US, is what we call super reps that cover the southwest, the northwest, the central US, as well as the northeast, and then the southeast as well. That really adds leverage to the sales function, when you can leverage 10, 20, 30 sales representatives, all tend to be EEs, all tend to be very highly skilled business development as well as technical salespeople.
Well capitalized solid board of directors with a desire to add more talent to the board, as well as a solid executive sales team.
There was a question about our head count, our head count currently sits at about 27, that's about five people in sales, and that's sales and applications engineering, but as I just described, more feet on the street coming very quickly, three people in GNA, we know the CEO, CFO, as well as another finance person in France, and then about four people in research and development that work directly with Peter on the Akita architecture. The balance is about 15 or so, 16 actually, are hardcore engineering in the development ranks. We tend to be split about evenly in the engineering and research teams, about half in Toulouse, France, about half in Newport Beach.
We'll move onto the next slide, continue the year in review. I think one of the most important things we accomplished very late in '16, very early in '17, was to reset the markets that we addressed, the product and technology strategy. When I joined in October of '16, I guess it was really September 29th, we'll call it October '16, as we've talked about before, we had just acquired Spikenet. They had a lot of custom pieces of software, a marquee customer base, which I found very advantageous to us as we moved to commercialize that software, refactor the software, and introduce what you now know as Brain Chip Studio. We set our sights on the FPGA to work in concert with that software, which we now know is Brain Chip Accelerator.
It's recognized that BrainChip Studio and BrainChip Accelerator are specifically designed for vision applications, whether it's machine visioned, whether that is surveillance, so the markets that we're addressing, the revenue that we'll generate in 2018 and probably the first half of 2019 will all be on the back of vision applications, and we'll talk about some customers and bring you up to date on the status of some of the deals that we've talked about.
As you know, Studio was introduced in July of 2017, Accelerator was introduced in September of 2017. There's been questions about how much activity have we seen, I can tell you there have been dozens of software drops on Brain Chip Studio.
The product is being demoed in the hands of dozens of customers right now, Accelerator, the hardware solution, which was released in September, we know they did a press release, the first shipment to an automotive manufacturer who has now had the card up and running for about a month or so, so I'm sure there's a lot of good work going on there, and our engineering team is in close contact. We have an RFQ in the house from I'd say one of the world's largest networking manufacturers, different application, we're digging into what it is that they would like to accomplish with Accelerator, some of it is to learn the technology, and some of it may address specific applications.
Given July and September, I think we're really pleased with the activity that we've had. I'm going to touch a little bit here on major customer activity, and then follow up with that in a little bit more detail. Major customer activity really breaks down into four or five categories. We've got our gaming customers, we're now engaged with VMS suppliers, VMS is video management system companies. When cameras are hung, wires come back to an enterprise or a data center, there's a VMS system which all the cables connect to, that's where the operator really controls his video system. There are two notable VMS suppliers in the world, there's many, but I think the two most notable are Monostone and Gentech.
We're making progress on both fronts, we're engaged with a storage vendor. You could think of storage as where does all that video go once it goes through the VMS system? Just to throw out some names, companies like Dell, EMC, Western Digital, Quantum Corporation, these are large providers of storage for video surveillance, and they certainly would like to add more capacity or capability to do forensic search on the stored videos that they have, and provide that as a service to their customers.
Cloud services, cloud services are really analytics online, software as a service, and you'll see that I'll note this later, we're talking to companies in advertising, talking to companies in retail for consumer behavior.
Those cloud services are kind of a pay as you go model, so whether they drop Brain Chip Studio in, where they have so much demand that they want to drop in Brain Chip Studio running on Accelerator, that would happen in the cloud and they'd pay by the bit or video processed. I'll make sure I'm not missing any questions as I go along. A little update, and really not a whole lot to update on Saffron, Rockwell Collins and Cisco, all are using the product, you know we're kind of at the discretion of them on how aggressively they deploy and how aggressively they market the product. I think you are all aware that they presented with us or did booth duty with us at the recent Millipoleconference.
Saffron is deploying the vision system that I think you're all well aware, but I think we've actually had it in a couple of presentations now, and I think we'll benefit greatly with Cisco now that we have Greg Ryan on the ground and we'll have some local engineering resources as well soon.
Cisco is focused on several different applications, including vehicle identification, facial recognition, a wide variety of things that could be done with either Brian Chip Studio running on their own hardware or Brain Chip Studio running on the Accelerator in one of their boxes. All in all, things are going nicely with Saffron and Rockwell Collins, Cisco and others that we've talked about, we'll keep you up to date, and probably give you a little bit more of an update when we do our first quarter call.
Along the same thing, you know moving away from the year in review and looking at really what's going on as we develop our approach to building a sales funnel, so I'm now on slide five, you can see the lead generation process for us is conferences, advertising, press releases, maybe sometimes more importantly than press releases is press coverage. I know there is a lot of focus particularly in Australia, as we're a listed company there, on ASX releases, we did 29 ASX releases in 2018, we do our best to keep our shareholders up to date, we use ASX as appropriate. Sometimes what we think is appropriate, they don't think is appropriate.
Take for example when we won the award at Millipole, we certainly wanted to get that in the press, both generally through editorials and press coverage, but the ASX found it to be a marketing piece and not something that was appropriate for the ASX. Bear with us as we deal with ASX and what's appropriate in their minds and what's not, but if we can't get it on ASX, you'll find us releasing it through trade magazines, getting into financial press as well, AFR really likes to pick up stories on the company. Another question came up, and you can see the two logos off to the right about Millipole, and I'll just touch quickly again on security today.
Security today generated a lot of lead generation, those leads then turn into opportunities. As we qualify them, they turn into qualified opportunities, and that's where we are in a lot of that process with security today inputs. We generated something over 80 leads out of the Millipole conference, I think that was a really healthy response. I know having Rockwell Collins in our booth with us, having the Paris Police Force in our booth with us doing live demonstrations of how they use the product really resonated with other law enforcement agencies. We're following up on those leads, qualifying those opportunities, hopefully those opportunities into design wins, and of course then design wins turn into revenue.
Then there was a question about how is this sales funnel starting to build up. We'll say that as we come out of the fourth quarter and we speak during the first quarter, which again will probably be sometime late January, after the 4C is out, I'd like to be in a position to put some numbers around these things. We're bringing up a new CRM system, qualifying which of the platforms we'd like to use. Salesforce.com is probably the most prevalent, also happens to be most expensive, and there are lots of alternatives that will give us a real view of what the sales funnel is, taking it out of an Excel spreadsheet and putting into a real CRM platform.
Our design lens, I think given that the product has really only been released since September and July, but there were certainly a backlog of folks that were using the more custom versions of the software, I think that you can expect that the numbers we're going to talk about again in the late January early February time frame are going to be design wins that are approaching maybe $10 million the first year, deployment and something on the order of a lifetime value for those design wins that could be maybe as much as $50 million or more.
Could be much more than that, as we scrub the funnel regeneration and opportunities. How do we qualify a design win is a big part of scrubbing the database and making sure the management really is persistent in making sure that the design is really locked down. At that point, turning into revenue is really up to our customers, and we state quotes and we'll keep you folks as well informed as we can based on the information that we get.
If I move to slide six, and this is covering things that we've all talked about in the past, civil surveillance as well as commercial surveillance. In the school arena, we've talked openly about Lock Fort.
I think last time I spoke at the end of last quarter, we said that Lock Fort hadstarted their deployment, they did in fact start their deployment in November. I think we got a pleasant piece of news just recently, Lock Fort had decided to launch that development, still waiting on full funding, but I forget if it's a bond or some other government mechanism, but they were going to fund themselves, it was going to be a slower process, but that funding has come through and now the deployment has moved much more quickly. We're still also certainly in discussions with many other school districts, principally in the state of New York now, because once you win one and you're qualified, it's a whole lot easier to knock down the others.
Municipal law enforcement is going well, and expansion in Europe is important to us. I'll touch on what's going on in Paris and other municipalities, but expansion in Europe is important to us, and that's why we're adding a new sales exec in Europe, to focus not simply on France, but take us into Germany, take us into the UK, Spain, even over into Turkey.
The Paris Police Force, things are moving well, and I think there are plans in the first quarter to deploy more cameras as well in the department of Homeland Security, you know the French version of the department of Homeland Security, things are going quite well, and I think that we'll see growth in the first quarter as well.
I covered schools, municipal law enforcement, Homeland Security, and as I said, Paris is doing well, we talked about another deployment in municipality, that's going well, really expect it to start in earnest in the first quarter of 2018. What we call commercial surveillance, well actually I'm sorry, I shouldn't skip over airports because there was a question about Rockwell Collins.
Our work with airports is really a work in progress. Now that we have a stronger and a broader sales team, more airports can be covered, or the system integrators, most importantly, who work with those airports and OEMs such as Rockwell Collins. Rockwell Collins, they are out marketing their infrared and radar system, you know we'll see both Brain Chip Studio as well as Brain Chip Accelerator opportunities in the airport environment.
Commercial surveillance, gaming, retail, advertising, traffic management, and automotive, and I'll touch on gaming first. It's really a matter of sales coverage, we talked about this last time, feet on the street. We've had some significant developments with a potential OEM partner, you know the SN Tech relationship, which I can touch on again in a little bit, but the SN Tech relationship has been in existence for a couple of years. I think they are resource starved, so we're working very closely now with one of the largest OEM providers to the gaming industry, about 3,200 casinos in the world, they do business with all 3,200 casinos. They have Sales Force, they have a service organisation, would be a real win for us to have that large and broad relationship, so that's I hope very near term.
Retail, again retail and advertising is more likely to be cloud-based, where we work with a partner who has a cloud-based system up, people rent time in the cloud and they define, "There's logos that I want to see, here's behavioral patterns with consumers that I'd like to see." Now we've got a nice burgeoning relationship with one of the most notable SAAS suppliers in the advertising and retail arena.
Traffic management is really, at this point for us, it's Cisco, we've talked about that previously. Now that we have Brain Chip Studio, which is a commercial user friendly product, I think with Greg's support down on the ground in Australia as well as some engineering resources, that can move quite quickly.
Automotive is autonomous vehicles, primarily ADAS or advanced driver-assisted systems, there are opportunities for Brain Chip Studio and Brain Chip Accelerator. As we've mentioned, you know we shipped our very first Brain Chip Accelerator card into a large European automobile manufacturer, you know for a wide variety of venues, and that could be the publicity that we got on shipping the cards, it could be the publicity that we've gotten at trade conferences, but we're working with a wide variety of automotive manufacturers or third party manufacturers, both to get Brain Chip Studio and Brain Chip Accelerator designed in, but maybe more importantly to work with them as partners in the Akita development, so that as we develop Akita, we know that it's well-tailored for these applications, we know that there's a customer waiting when we get to the end of the rainbow and the product is launched.
I'm talking about companies that we're having dialog with now, including Volkswagen, Renault, General Motors, you know the list goes on. It's really a matter of intercepting them at a point in their research and development where they can have influence on Akita or they can leverage Studio or the Accelerator.
There was a question about Tesla, and what we might be able to do with Tesla. I know some of you recognised an article that Tesla has dropped Nvidia in their autonomous vehicle program. I think it's important to separate what goes on in the autonomous vehicle, and even when we talk about cyber security or we talk about financial technology.
Spiking neural network is exceptional at recognizing repeating patterns, GPUs and CPUs are really workhorse computational engines, they do math. We don't do math, we don't do computation. If you talk about Fin Tech, and I'm going to jump ahead a little bit because I'm on a little bit of a theme here, when you talk about Fin Tech for examples, a lot of questions about cryptocurrency. A spiking neural network will never be the appropriate solution to calculate a transaction, one plus one equals two, should this transaction clear?
What the spiking neural network in Akita will be exceptional at, whether it's for autonomous vehicles partnered either with GPU or CPU doing calculations or in cryptocurrency or any financial technology, high frequency trading, options and commodities trading, is not doing the transaction, it's looking at trends in data that you might want to trade against or you might want to use to make your autonomous vehicle smarter over time.
Or in the cyber security arena, there's really not a whole bunch of computation that's necessary there, but repeating patterns for denial of service attacks, malware attacks. Let's separate when we talk about automotive, and for example, an opportunity with could be Tesla, could be Uber, could be any one of the big names that are moving into AV or autonomous vehicles. We'll be there to help their system learn, there will always be a CPU or a GPU doing calculations, and that will be similar in financial technology, particularly here if you talk about crypto or even blockchain technology even more generally. I just wanted to wrap those things up so that people understand Akita, its ability to learn autonomously repeating patterns so that people can look at trend data, make decisions very quickly, that's really where we'll fit.I'll touch on that a little bit more when we get to the slide on Akita.
Slide six, we're going to move to slide seven, which jumps right into Akita. Again, a neuromorphic system on a chip, I'm going to go to the bottom right hand corner first, and why we've decided to move from the idea of calling it a general processor more so than a system on a chip is because it really is a system on a chip. If you think about the last time I presented here, we talked about Intel's introduction of a research chip called Low High, at 131,000 neurons and a couple of hundred million synapse, but it lacked all of the pieces that were necessary to get to the neural network.
There are a whole bunch of blocks that are necessary, transducers in the world, things that pick up information, if it's real world data, sights, sounds, pressure, temperature, don't output sights, they output zeroes and ones out of data streams. One of the strengths of what we've done in the FPGA that's implemented in the Accelerator is we have a block that is a Spike converter. We take inputs that are not spikes, and we have some very sophisticated approaches, some which are wrapped up in patents, some which are wrapped up in trade secrets, that convert that data into spikes. If you have a standard camera, you're getting pixel data, if you have a spiking camera, great, you can bypass the pre-processing, but for data inputs, if it's data, financial transactions or cyber security, that data has to be converted into spikes.
It's a very sophisticated process, something that Peter and the research guys have spent a lot of time and had great results with, and Neil and the development team has been able to implement a real proof of life in the existing FPGA.
You go through the spike converter taking the inputs, you've got communications interfaces, you've got power management. It's kind of like what we're doing now is the floor plan of a home, you know you've got six bedrooms, you've got a living room and a dining room, you've got hallways and a garage, where do all the pieces go, how do they best interface to other pieces within the framework of that floor plan, and how do you get in and out?
That's where we are now, I'll talk a little bit more, I guess I should just talk too on this slide, there's questions about the timeline for the Akita development.
I think we're really in good shape, Peter and the research team have done a great job in defining the architecture of the neural network, the blocks that are necessary to build this system on chip. There's been a lot of simulation done in what's called Mat Lab, there's simulation and development that's going on in what we call C++, which is a programming language. We expect to have a C++ kernel of the neural network maybe by the end of the year, maybe the first couple weeks of January. One of the questions, let me finish that thought. From there, now you've got something that can actually simulate the process of taking inputs, again, pixel camera or data for cyber data, data for Fin Tech, you can run an algorithm against it and you can prove that that network is robust, that it works as planned.
The FPGA is still planned for mid-year, that's third week of June, first or second week of July, or probably be June, early July. That FPGA will implement all of the functionality, so it won't just be exercising the kernel, it will be exercising the pre-processing block, so it'll be exercising probably not necessarily the power management blocks, because when you get to the ASIC which has many multiples of the gate counts, your power management scheme will change, but it will exercise the functional blocks of taking the spikes, converting them, doing all the things that need to be done to get the neural network to operate.
The FPGA is expected mid-year, and the ASIC development from there, the process, I wouldn't call it easy, that would be disparaging to the hard-working engineers we put in, but your digital design is essentially proven.
Most of the blocks, and what gives us high confidence that this is a risk reduced effort, is most of the blocks, for example the spike converter, many of the communications interfaces are already implemented in the existing FPGA. If the spiking neural network design in the C++ kernel is debugged and simulated well, it's a very much risk reduced design. That would lead us to probably launching into what we call hardened silicone, call it an ASIC or hardened silicone sometime late in the third quarter, maybe have place and route, which is the physical design done, so that we can launch wafers into a fab and have something late in '18, early in '19. That's the timeline that we've been talking about, there's no reason to believe that that timeline is changed, and in fact I think we've got reinforcement that it's still well within the realm of us accomplishing it successfully.
Just a little bit more on this page, I probably should have put this page in here, but there was a question about our IP portfolio. I touch on it a little bit in the product description, but just to be a little bit more clear, we do have the one foundational patent done, spiking neural networks, that was issued in 2008. It's been cited many many times, I think last count was 37 times, IBM, Qualcomm, Samsung, anybody that wants to play in this space recognizes that patent as a foundational patent and cites it.
We've got five additional patents in process, several being written around things that are being developed with and for Akita. Let's not forget that we own exclusively and perpetually the JAST license patents.
I think we've got a pretty good fence around our IP, we've got a dedicated team having the most robust strategy that we can. IP is really what the underlying value of this company is, you execute well on delivering that IP, compelling and differentiated advantages for customers, and that's how you win. I think I talked about most of what was on this slide the last time we spoke, we've got the development milestones, the end markets, I touched on autonomous vehicles. In vision systems, whether you'll need Akita or not, whether the Accelerator is adequate, there was a question which I'll kind of reframe about Akita, which could never be done with the Accelerator might be able to be implemented with Studio, but frankly wouldn't be big enough or bold enough, and that is, can Akita work at what we call the edge?
So far what we've talked about with Accelerator is all enterprise class, it's network oriented, it's a data center, it's in an enterprise.
Can Akita find its way at the edge into, I'll just use the basic example, can it find its way into a camera such that the camera is actually performing the analytics, and only transmitting back the required information when there is a security alert or when there is a behavioral pattern, when there is an image that's recognized?
Akita is going to be very scalable, it's not going to be a terribly large IC, it will be extremely low power, and whether the end users or the OEMs would use the device or whether they'd come back and say, "We're building our own very large IC, now we'd like to license your IP," which kind of circles all the way back to part of the business model when the company was founded back in 2015.
I think it's been prudent that we've moved down a course of proof of life, total solutions so that customers can see how things work and what the advantages are, what the power performance is. The Akita solution certainly could be an edge capable device.
Make sure I don't miss any questions there. There was a question about early engagements with Akita. While we're building our business around vision applications and surveillance applications, and we can build a very fine business, very profitable, high growth business with Studio and Accelerator and enhancements that we're doing to Studio and Accelerator. Early engagements, again, they'll be with some of those leading autonomous vehicle or automotive manufacturers, they'll be with leading cyber security companies, they'll be with leading Fin Tech companies.
The benefit of having a kernel that we can run algorithms against is that we can show how what we're working with the benchmarks of performance are, so that's why we need to have collaborations and partnerships very very early in the process here, those are the things we're working on now.
As the FPGA comes up, it will spawn a development system, so people can actually start to develop on the Akita platform, on the FPGA and the development tools that go with it. Now some of that will be oriented towards industry, and some of it will be oriented towards data scientists. Now there's a great wave of data science that I wouldn't call it research, but it's in the academic realm, it's within research labs that are within large Fortune 500, 200 and 100 companies, but there's a lot of innovation that comes out of there.
That development system will be early engagements for both real life industrial customers, as well as data scientists. I think that covers what I wanted to talk about with respect to Akita.
There's a lot of questions, I did read everybody's questions, I can assure you that, there's a lot of questions about 2018 revenue, when do we get revenue traction? Again, it's all about the sales funnel. We've got great design rooms, we do need more feet on the street, particularly in gaming, we need the collaboration with cyber as well as autonomous vehicle and Fin Tech. We don't publish a forecast, you know as we mature, as most public companies do, we'll give guidance for the coming quarter, and I don't think it's prudent at this point, the numbers don't warrant it, but I think we'll see significant traction in the first quarter, we'll see nice growth throughout the year.
I would point you for a good model that's been developed in our last round that we did of, what was it, $21.5 million, it was done with Shaw and Partners. The research analyst there is very solid, he's written a very nice report, it has a financial model in it, it's got a revenue model. Thinking only of Brain Chip Studio and Brain Chip Accelerator, certainly 2018 is too early to start thinking about Akita revenue, but I think their model was something on the order of $7 million or so in 2018 revenue. I think it was a nice ground-up model, you know conversion of opportunities in the casino industry, conversion of opportunities in surveillance, so while those aren't our numbers, those are certainly numbers you can look to.
The company's opportunity to become profitable, you know this was another question, in 2018, that's really going to be dependent in some respects, how do you want to define profitability? Operating profit, meaning kind of steady state operating expenses out of your gross margin, I think there's a fine opportunity with the kind of model that Shaw and Partners has put together, and frankly we always like to overachieve, so I wouldn't look at them, look at their model as gospel necessarily, but then you have the Akita, which you could call it cap-ex, whether or not we can capitalize it or whether or not it'll flow through the income statement, but as you get towards the back end of the year when we launch, place, and route our physical design, when we go to buy the mast set, when we go to buy wafers, those will be incremental expenses above and beyond what our steady state operating expenses are.
Now with respect to steady state operating expenses, I guess we're currently running, just put a nominal number out, it's about $700,000 a month. The vast majority of that certainly goes to engineering resources. I do think it's important, I should have mentioned this when we were talking about our board of directors and management, you know part of the challenge of being a public company when you're in your formative years is it's pretty burdensome with respect to costs. We can spend in a year anywhere between $500,000 and $1.5 million on the expenses to be a public company. Now, we accept that, we want to be a public company and we want to create shareholder value, I've mentioned in prior calls that in 2016 there was something on the order of 140 M and A acquisitions of artificial intelligence companies, tens of billions of dollars in consideration paid, and not a single public market investor made a dime, because they were all venture capital backed.
The company decided to do the RTO, raise money in the public domain. There's costs that are associated with that, there's overhead that's associated with that, but it gives you as investors an opportunity to capitalize in a high growth market with a company that's really going to execute well. I just want to reinforce that, because this is an opportunity for public market investors that frankly doesn't exist anywhere else, but we have to put a whole team together, we have to put sales force together, we have to have a management team in the financial organization, compliance with ASX rules.
I'll go to the last slide just as a wrap up, little split on the screen as well. Last slide is a wrap up, the company is well capitalised. There was a question about how long the cash will last, you know at $700,000 a month, it's easy to do the math, and you also have to put in whatever your best judgment is on where you think we'll go with revenue, which our model has baked in, as I said, something nominally around $7 million, we'd love to overachieve, but we're well capitalized to get through the Akita development, build a big business, and call it vision, surveillance primarily, but also machine vision, Saffron, Rockwell Collins. We're well staffed in our incremental head count in sales, probably be more applications engineering, we'll have executives on the ground in all three continents that we choose to claim right now, we'll use manufacturer's reps in the United States.
They don't get paid unless they book an order, which is, you eat what you kill. Generally speaking, the engineering staff is well staffed as well, we probably need an engineer here, there, or elsewhere as we get into the Akita FPGA design or maybe further, you've got test and verification once you start to get silicone, so there's some disciplines that just don't exist in the company today. We have commercially available products for surveillance, again, you know software came in in July, hardware came out in September, been well received, dozens of software drops. People are now sending in RFQs for the hardware, as well as having delivered one to a major potential customer.
Nice established customer base, but again, it's very France-centric. Our goal is to really accelerate our penetration in the US, the balance of Europe, and leverage Greg and the team that we'll build in Australia. It's a very ripe environment for us, there's a whole lot going on in cyber, there's a whole lot going on in Fin Tech, there's a whole lot going on in surveillance in Australia. We have a presence, we get a lot of press, that's a great market for us to excel in. We have an increasing pipeline, then we'll give you I think some more real data about that when we talk in a month or so, but I'm very satisfied with the results that we've had, you know from the publicity that we got with Studio, the awards that we've won with Studio and Accelerator.
Revenue growth routes '18, I feel confident that we'll have revenue growth on a quarter over quarter over quarter basis. Profitability, I just touched on, and I think we went into some detail about the Akita development.
I hope that I answered all the questions, I hope I gave you a sense of the confidence that this management team has, both about the products that we have, as well as the really very exciting Akita development. We will talk again probably in another month or so after the 4C comes out, certainly you always have access to send follow up questions to that email address, and I'll try to be as responsive as I can, or someone on my behalf will be as responsive as we can.
Thank you again for joining, we'll talk to you soon.
Ich habe das oben mal durch den KI-DeepLearning Übersetzer von google gejagt, wobei es doch aufwendiger wurde bei gefühlten 30Tsd Zeichen.
Es dürfte viele offene Fragen beantworten?!
################
Guten Morgen alle, vielen Dank für Ihren Anruf.
Dies ist mehr ein Update für das Jahresende als ein Update für das vierte Quartal. Wie Sie alle wissen, schließen wir unser Quartal nicht vor Ende Dezember, und wir melden uns irgendwann nach dem Ende des vierten Quartals wieder. Ich schätze, das wäre spät im Januar. Nochmals vielen Dank, dass Sie dem Gespräch beigetreten sind. Ich bin hier in unserem Büro in San Francisco mit unserem CFO Ryan Benson. Ich werde sehen, ob ich die Präsentation bekommen kann. Es gibt nicht viel Feedback in dieser Art von System, also hoffe ich, dass die Präsentation hoch und live ist, und ich habe ungefähr 10 Folien. Ich werde sagen, bevor wir beginnen, dass ich mir die Zeit genommen habe, all die eingehenden Fragen zu lesen, und versucht habe, so viel wie möglich in die Art von Antworten einzubauen, die in das Deck passen. Ich hatte auch eine Art witzigen Inputs, dass ich zu schnell spreche und manchmal bin ich schwer zu verstehen, also werde ich versuchen, langsamer zu werden und sicherzustellen, dass ich gut artikulieren kann.
Wiederum 32,9 Millionen Dollar in drei Runden, die alle durch Privatplatzierungen erledigt wurden, haben wir über die Gründe gesprochen, warum wir von unseren Vermittlungsfirmen den Rat erhielten. Das institutionelle Register ist wirklich ziemlich gesund, Markennamen, 30 neue Investoren oder mehr über diese drei Runden haben Sie institutionelle Investoren. Vielleicht auch, unser Board ist jetzt US-centric, Julie H. Stein trat im späteren Teil von '16 bei, ist jetzt fast anderthalb Jahre bei uns, natürlich bin ich dem Board im November beigetreten, ungefähr einen Monat nachdem ich der Firma beigetreten bin, und dann war Manny Hernandez unsere neueste Ergänzung. Wir haben erst kürzlich bekannt gegeben, dass Peter van der Madehas 100 Prozent seiner Zeit der Entwicklung von Akita gewidmet hat.
Peter ist begeistert von dieser Entwicklung und möchte sehen, dass es nicht nur erfolgreich ist, sondern dass wir so schnell wie möglich die Entwicklung und Einführung des Akita beschleunigen können, was wir jetzt neurales System auf einem Chip nennen. Wir haben in Peters Rücktritt angekündigt, dass wir eine Suche starten werden, haben eine Suche nach einem und möglicherweise zwei Regisseuren begonnen. Wir sind für sieben berechtigt, derzeit haben wir fünf. Eine der Fragen, die ich erhielt, ist, welche Kompetenzen wir in diesen Direktoren suchen könnten. Sie haben einen diversifizierten Vorstand, und Julies Hintergrund, Goldman Sachs, Solomon Brothers, den Aufbau einer großen Investmentfirma mit ihren Partnern, ein guter strategischer Denker, fügt dem Board sowohl in der Governance als auch in der strategischen Planung eine Menge hinzu .
Wir wissen, dass ich kein Executive Director bin, also werde ich nicht darauf eingehen, aber Emmanuel T. Hernandez, wahrscheinlich einer der Technologie-Direktoren im Silicon Valley, hat einen sehr starken finanziellen Hintergrund, er war Chief Financial Officer bei Cyprus Semiconductor und Sun Power sitzen hier auf mehreren großen Aktiengesellschaften in den USA. Natürlich kennen Sie Mick Balto und Adam Osseiran, unseren australischen Direktor, so dass wir diese beiden Einwohner, die von den ASX-Listing-Regeln gefordert werden, pflegen. Ich denke in Bezug auf neue Verwaltungsratsmandate, wissen Sie, dass wir wirklich die beste Vielfalt und die am besten geeigneten Fähigkeiten haben wollen. Ich denke, in einem Fall wäre es schön, wenn wir einen erfahrenen Direktor mit Erfahrung eines öffentlichen Unternehmens finden könnten, der aus einem unserer Zielendmärkte kommt, und ob das nun Cybersicherheit, Finanztechnologie, autonome Fahrzeuge oder Überwachung sind Produktlinienservice in der Überwachung.
Ich denke, das wäre ein guter Weg, um das Board mit einigen wirklich guten, soliden direkten Branchenerfahrungen abzurunden, und dann vielleicht einen anderen Director, der wirklich einen sehr technischen Hintergrund hat, jemand, der gerade im Geschäft ist, Sie könnten rauskommen von einem Intel, einem IBM, einem Nvidia, nur um drei Namen von Firmen zu geben, die die Leute gut kennen. Das ist nicht unbedingt der Ort, an dem man nach Regisseuren sucht, sondern nur, um ein Gefühl dafür zu bekommen, was diese Fähigkeiten sind. Auch im Laufe des Jahres haben wir unsere Führungskräfte vervollständigt, Ryan kam zu uns, Bob Beachler ist beides, mit denen ich schon lange zusammenarbeite, Ryan ist vierfacher CFO, Bob Beechler war auch Vice President of Marketing bei XR Corporation, wo ich CEO war, gefolgt von Ryan als CEO.
Tom Stengel kam zu uns, um den Vertrieb in Nordamerika zu führen, Tom arbeitete mit uns bei XR, Greg Ryan kam zu uns in Australien, weil es für die Beziehungen, die wir entwickelt haben, sehr wichtig ist, in Australien Fuß zu fassen Design Wins und Umsatz.
Wir werden hier sehr schnell jemanden hinzufügen, ich würde vielleicht schon nächste Woche eine Ankündigung machen, eine Verkaufsleiterin in Europa, außerhalb von Frankreich, jemand, der ihre Erfahrung in Großbritannien, Deutschland, Spanien, als wirklich nutzen kann ebenso wie französische Märkte, so dass eine Ankündigung schnell kommen wird. Wir haben kürzlich über den letzten Anruf über die Füße auf der Straße gesprochen, dies ist ein Geschäft, das eine Verkaufspräsenz erfordert.
In den USA neigen wir dazu, die Vertreter des Herstellers zu verwenden, also sind wir mit einem großen Herstellervertreter aus Los Angeles beschäftigt, der den gesamten Südwesten der USA abdeckt, es ist eine 25 oder 30 Jahre alte Firma, ich habe seit fast 20 Jahren mit ihnen Geschäfte gemacht. Das würde für uns ein paar Dutzend Leute auf die Straße bringen, die auch andere Linien verkaufen, die ihnen untrainierte Kunden geben. Es ist ein ziemlich erprobter und ausgetretener Weg in den USA, nennen wir Super Reps, die den Südwesten, den Nordwesten, die Zentral-USA sowie den Nordosten und dann auch den Südosten abdecken. Das bringt wirklich eine Hebelwirkung auf die Verkaufsfunktion, wenn Sie 10, 20, 30 Handelsvertreter nutzen können, alle neigen dazu, EEs zu sein, alle neigen dazu, sehr hoch qualifizierte Geschäftsentwicklung sowie technische Verkäufer zu sein.
Gut kapitalisierter Vorstand mit dem Wunsch, mehr Talente in den Vorstand zu integrieren, sowie ein solides Verkaufsteam. Es gab eine Frage zu unserer Kopfzahl, unsere Kopfzahl liegt derzeit bei ungefähr 27, das sind ungefähr fünf Leute im Verkauf, und das ist Verkauf und Anwendungstechnik, aber wie ich gerade beschrieben habe, kommen mehr Füße auf der Straße sehr schnell, drei Leute in GNA, wir kennen den CEO, CFO, sowie eine andere Finanzperson in Frankreich und dann etwa vier Personen in Forschung und Entwicklung, die direkt mit Peter an der Akita-Architektur arbeiten. Das Gleichgewicht ist etwa 15 oder so, 16 tatsächlich, sind hardcore Engineering in den Entwicklungsreihen.
Wir sind in der Regel in den Ingenieur- und Forschungsteams aufgeteilt, etwa die Hälfte in Toulouse, Frankreich, etwa die Hälfte in Newport Beach. Wir werden auf die nächste Folie gehen und das Jahr im Rückblick fortsetzen. Ich denke, eines der wichtigsten Dinge, die wir sehr spät im Jahr 16, sehr früh im Jahr 17, erreicht haben, war die Neuausrichtung der Märkte, die wir adressiert haben, die Produkt- und Technologiestrategie. Als ich mich im Oktober 16 anmeldete, war es wirklich der 29. September, wir werden es Oktober 16 nennen, wie wir bereits erwähnt haben, wir hatten gerade Spikenet erworben. Sie hatten viele kundenspezifische Software-Produkte, einen großen Kundenstamm, den ich als sehr vorteilhaft empfand, als wir die Software kommerzialisierten, die Software umgestalteten und das vorstellen, was man heute als Brain Chip Studio kennt.
Wir haben den FPGA im Visier, um mit dieser Software, die wir jetzt Brain Chip Accelerator nennen, zusammenzuarbeiten. Es ist bekannt, dass BrainChip Studio und BrainChip Accelerator speziell für Bildverarbeitungsanwendungen entwickelt wurden, egal ob es sich dabei um eine Maschine handelt, ob es sich um Überwachung handelt, also um die Märkte, die wir im Jahr 2018 und wahrscheinlich die erste Hälfte 2019 generieren werden Alles wird auf der Rückseite von Vision-Anwendungen sein, und wir werden über einige Kunden sprechen und Sie über den Status einiger der Geschäfte, über die wir gesprochen haben, auf dem Laufenden halten. Wie Sie wissen, wurde Studio im Juli 2017 eingeführt, Accelerator wurde im September 2017 eingeführt. Es gab Fragen darüber, wie viel Aktivität wir gesehen haben, ich kann Ihnen sagen, dass es Dutzende von Software-Drops auf Brain Chip Studio gab.
Das Produkt wird derzeit in den Händen von Dutzenden von Kunden vorgeführt, Accelerator, die Hardware-Lösung, die im September veröffentlicht wurde, wir wissen, dass sie eine Pressemitteilung veröffentlicht haben, die erste Lieferung an einen Automobilhersteller, der die Karte jetzt und hat Ich bin sicher, dass dort eine Menge gute Arbeit geleistet wird und unser Ingenieursteam in engem Kontakt ist. Wir haben eine RFQ im Haus von ich würde sagen, einer der weltweit größten Netzwerk-Hersteller, verschiedene Anwendungen, wir graben, was sie mit Accelerator erreichen möchten, einige davon ist es, die Technologie zu lernen, und Einige davon können sich auf bestimmte Anwendungen beziehen. Angesichts der Monate Juli und September sind wir sehr zufrieden mit unserer Aktivität.
Ich werde hier ein wenig über die wichtigsten Kundenaktivitäten berichten und dann etwas detaillierter darauf eingehen. Die wichtigsten Kundenaktivitäten sind in vier oder fünf Kategorien unterteilt. Wir haben unsere Gaming-Kunden, wir sind jetzt mit VMS-Lieferanten beschäftigt, VMS ist Video-Management-System-Unternehmen. Wenn Kameras hängen, Kabel an ein Unternehmen oder ein Datenzentrum zurückkommen, gibt es ein VMS-System, an das alle Kabel angeschlossen sind. Dort steuert der Bediener sein Videosystem wirklich. Es gibt zwei bemerkenswerte VMS-Lieferanten in der Welt, es gibt viele, aber ich denke, die beiden bemerkenswertesten sind Monostone und Gentech. Wir machen Fortschritte in beiden Bereichen, wir arbeiten mit einem Speicheranbieter zusammen.
Sie können sich den Speicher vorstellen, denn wohin geht das ganze Video, wenn es durch das VMS-System läuft? Um nur einige Namen zu nennen, Unternehmen wie Dell, EMC, Western Digital, Quantum Corporation, das sind große Anbieter von Speicher für die Videoüberwachung, und sie würden sicherlich mehr Kapazität oder Fähigkeit hinzufügen, forensische Suche auf den gespeicherten Videos, die sie tun haben, und bieten dies als eine Dienstleistung für ihre Kunden. Cloud-Dienste, Cloud-Dienste sind wirklich Online-Analysen, Software als Service, und Sie werden sehen, dass ich das später feststellen werde, wir sprechen mit Unternehmen in der Werbung, sprechen mit Unternehmen im Einzelhandel für das Verbraucherverhalten.
Diese Cloud-Dienste sind eine Art Pay-as-you-go-Modell, also ob sie Brain Chip Studio absetzen, wo sie so viel Nachfrage haben, dass sie in Brain Chip Studio auf Accelerator laufen wollen, das würde in der Cloud passieren und sie " d Pay durch das Bit oder Video verarbeitet. Ich werde dafür sorgen, dass mir keine Fragen fehlen. Ein kleines Update, und wirklich nicht viel, um auf Saffron, Rockwell Collins und Cisco zu aktualisieren, alle benutzen das Produkt, Sie wissen, wir sind irgendwie im Ermessen von ihnen, wie aggressiv sie einsetzen und wie aggressiv sie das Produkt vermarkten.
Ich denke, Sie wissen alle, dass sie uns bei der letzten Millipole-Konferenz vorgestellt haben oder mit uns zu tun hatten. Saffron setzt das Bildverarbeitungssystem ein, von dem ich denke, dass es Ihnen allen bewusst ist, aber ich denke, wir haben es bereits in einigen Präsentationen vorgefunden, und ich denke, dass wir mit Cisco sehr profitieren werden, da wir Greg Ryan auf der Boden und wir werden bald einige lokale technische Ressourcen haben. Cisco konzentriert sich auf verschiedene Anwendungen, einschließlich Fahrzeugidentifikation, Gesichtserkennung, eine Vielzahl von Dingen, die entweder mit Brian Chip Studio auf ihrer eigenen Hardware oder mit Brain Chip Studio auf dem Accelerator in einer ihrer Boxen erledigt werden können.
Alles in allem läuft alles gut mit Saffron und Rockwell Collins, Cisco und anderen, über die wir gesprochen haben, wir halten Sie auf dem Laufenden und geben Ihnen wahrscheinlich ein bisschen mehr von einem Update, wenn wir unser erstes Quartal machen Anruf. Gleichzeitig wissen Sie, dass wir uns vom Berichtsjahr wegbewegen und schauen, was wirklich passiert, wenn wir unseren Ansatz zum Aufbau eines Verkaufstrichters entwickeln. Ich bin jetzt auf Folie 5, Sie können den Lead-Generierungsprozess für uns sehen ist Konferenzen, Werbung, Pressemitteilungen, vielleicht manchmal wichtiger als Pressemitteilungen ist Berichterstattung in der Presse. Ich weiß, dass es besonders in Australien einen großen Fokus gibt, da wir dort börsennotiert sind, auf ASX-Releases, wir haben 29 ASX-Releases im Jahr 2018 gemacht, wir geben unser Bestes, um unsere Aktionäre auf dem Laufenden zu halten.
Manchmal halten wir das, was wir für angemessen halten, für nicht angebracht. Als wir zum Beispiel den Preis bei Millipole gewannen, wollten wir das natürlich in der Presse sehen, sowohl in der Redaktion als auch in der Presseberichterstattung, aber die ASX stellte fest, dass es ein Marketingstück war und nicht etwas, was für die ASX angemessen war. Bear uns, wie wir mit ASX umgehen und was in ihren Köpfen passt und was nicht, aber wenn wir es nicht auf ASX bekommen, werden wir es durch Fachmagazine veröffentlichen und auch in die Finanzpresse kommen, AFR mag es wirklich Geschichten über das Unternehmen aufgreifen. Eine andere Frage kam auf, und Sie können die zwei Logos rechts von Millipole sehen, und ich werde mich heute noch kurz über die Sicherheit freuen. Sicherheit hat heute eine Menge Lead-Generierung generiert, aus der sich dann Chancen ergeben. Wenn wir sie qualifizieren, werden sie zu qualifizierten Gelegenheiten, und da sind wir in einem großen Teil dieses Prozesses mit den heutigen Sicherheitseingaben.
Wir haben etwas über 80 Leads aus der Millipole-Konferenz generiert, das war eine wirklich gesunde Antwort. Ich weiß, dass Rockwell Collins in unserem Stand mit uns war und wir die Pariser Polizei in unserem Stand hatten, um mit Live-Demonstrationen zu demonstrieren, wie sie das Produkt wirklich bei anderen Strafverfolgungsbehörden ansprechen. Wir folgen diesen Leads und qualifizieren diese Gelegenheiten, hoffentlich diese Gelegenheiten zu Designgewinnen, und natürlich werden Designgewinne dann zu Einnahmen. Dann gab es eine Frage darüber, wie sich dieser Verkaufstrichter aufzubauen beginnt. Wir werden sagen, dass wir aus dem vierten Quartal kommen und wir im ersten Quartal sprechen, was wahrscheinlich wieder irgendwann Ende Januar sein wird, nachdem das 4C draußen ist, würde ich gerne in der Lage sein, einige Zahlen herum zu legen diese Dinge. Wir bringen ein neues CRM-System auf den Markt, das für die Plattformen, die wir verwenden möchten, geeignet ist. Salesforce.com ist wahrscheinlich am weitesten verbreitet, ist auch am teuersten, und es gibt viele Alternativen, die uns einen realistischen Überblick darüber geben, was der Verkaufstrichter ist, indem wir ihn aus einer Excel-Tabelle herausnehmen und in eine echte CRM-Plattform einbauen.
Unser Design-Objektiv, denke ich, dass das Produkt wirklich erst seit September und Juli veröffentlicht wurde, aber es gab sicherlich einen Rückstau von Leuten, die die benutzerdefinierten Versionen der Software verwendeten, ich denke, dass Sie erwarten können, dass die Zahlen wir ' Wir werden wieder über Ende Januar Anfang Februar Zeitrahmen sprechen werden Design Wins, die nähern sich vielleicht $ 10 Millionen im ersten Jahr, Bereitstellung und etwas in der Größenordnung eines Lebenswerts für diese Design-Gewinne, die vielleicht so viel sein könnte als 50 Millionen Dollar oder mehr. Könnte viel mehr als das sein, wie wir die Regeneration und Möglichkeiten des Trichters schrubben. Wie qualifizieren wir einen Design-Gewinn ist ein großer Teil der Scrubbing der Datenbank und sicherzustellen, dass das Management wirklich hartnäckig ist, um sicherzustellen, dass das Design wirklich gesperrt ist.
An diesem Punkt ist es wirklich unsere Aufgabe, unseren Kunden die Möglichkeit zu geben, Umsätze zu erzielen, und wir nennen Ihnen Zitate, und wir werden Sie so gut wie möglich auf dem Laufenden halten, basierend auf den Informationen, die wir erhalten. Wenn ich zu Folie 6 übergehe, deckt dies die Dinge ab, über die wir in der Vergangenheit gesprochen haben, die zivile Überwachung und die kommerzielle Überwachung. In der Schule haben wir offen über Lock Fort gesprochen. Ich glaube, als ich das letzte Mal Ende letzten Quartals gesprochen habe, haben wir gesagt, dass Lock Fort mit ihrer Bereitstellung begonnen hat, und tatsächlich haben sie ihren Einsatz im November begonnen. Ich denke, wir haben gerade erst eine erfreuliche Nachricht bekommen, Lock Fort hatte beschlossen, diese Entwicklung zu starten, aber immer noch auf volle Finanzierung, aber ich vergesse, ob es eine Anleihe oder ein anderer Regierungsmechanismus ist, aber sie würden sich selbst finanzieren Es wird ein langsamerer Prozess, aber diese Finanzierung ist zustande gekommen und jetzt hat sich der Einsatz viel schneller bewegt.
Wir befinden uns immer noch im Gespräch mit vielen anderen Schulbezirken, hauptsächlich im Bundesstaat New York, denn wenn man einen gewinnt und qualifiziert ist, ist es viel einfacher, die anderen niederzuschlagen. Der kommunale Strafvollzug läuft gut und die Expansion in Europa ist uns wichtig. Ich werde kurz darauf eingehen, was in Paris und anderen Gemeinden vor sich geht, aber Expansion in Europa ist wichtig für uns, und deshalb fügen wir einen neuen Verkaufsleiter in Europa hinzu, um uns nicht einfach auf Frankreich zu konzentrieren, sondern uns nach Deutschland zu bringen, Bring uns in das Vereinigte Königreich, nach Spanien und sogar in die Türkei. Die Polizei von Paris, die Dinge bewegen sich gut, und ich denke, es gibt im ersten Quartal Pläne, auch mehr Kameras in der Abteilung für Heimatschutz zu stationieren, Sie kennen die französische Version der Abteilung für Heimatschutz, die Dinge laufen ganz gut und ich denke, dass wir auch im ersten Quartal ein Wachstum sehen werden.
Ich behandelte Schulen, kommunale Strafverfolgung, Heimatschutz, und wie gesagt, Paris geht es gut, wir sprachen von einem anderen Einsatz in der Gemeinde, das läuft gut, wirklich erwarten, dass es im ersten Quartal 2018 ernsthaft beginnt. Was wir nennen kommerzielle Überwachung, nun, tut mir leid, ich sollte nicht über Flughäfen hinwegspringen, weil es eine Frage über Rockwell Collins gab. Unsere Arbeit mit Flughäfen ist wirklich in Arbeit. Jetzt, wo wir ein stärkeres und breiteres Vertriebsteam haben, können mehr Flughäfen abgedeckt werden, oder die Systemintegratoren, die am wichtigsten mit diesen Flughäfen und OEMs wie Rockwell Collins zusammenarbeiten. Rockwell Collins, sie vermarkten ihr Infrarot- und Radarsystem. Sie wissen, dass wir sowohl Brain Chip Studio als auch Brain Chip Accelerator in der Flughafenumgebung sehen werden. Kommerzielle Überwachung, Spiele, Einzelhandel, Werbung, Verkehrsmanagement und Automobile, und ich werde zuerst auf Spiele eingehen.
Es ist wirklich eine Frage der Verkaufsdeckung, wir haben letztes Mal darüber gesprochen, Füße auf der Straße. Wir haben einige bedeutende Entwicklungen mit einem potenziellen OEM-Partner gemacht, Sie kennen die SN Tech-Beziehung, die ich ein wenig zurückverfolgen kann, aber die SN Tech-Beziehung besteht seit einigen Jahren. Ich denke, dass sie ressourcenarm sind, also arbeiten wir jetzt sehr eng mit einem der größten OEM-Anbieter der Spieleindustrie zusammen, etwa 3.200 Casinos in der Welt, sie machen Geschäfte mit allen 3.200 Casinos. Sie haben Sales Force, sie haben eine Service-Organisation, wäre ein echter Gewinn für uns, diese große und breite Beziehung zu haben, so dass ich hoffe, auf kurze Sicht. Einzelhandel, wieder Einzelhandel und Werbung sind eher Cloud-basiert, wo wir mit einem Partner arbeiten, der ein cloud-basiertes System aufbaut, Leute in der Cloud mieten und definieren: "Hier sind Logos, die ich sehen möchte Verhaltensmuster mit Verbrauchern, die ich gerne sehen würde. " Jetzt haben wir eine schöne aufkeimende Beziehung mit einem der bemerkenswertesten SAAS-Lieferanten in der Werbung und im Einzelhandel. Traffic Management ist wirklich, an diesem Punkt für uns, es ist Cisco, darüber haben wir schon gesprochen.
Jetzt da wir Brain Chip Studio haben, was ein kommerzielles, benutzerfreundliches Produkt ist, denke ich, dass Gregs Unterstützung in Australien und einige technische Ressourcen ziemlich schnell gehen können. Automotive ist autonome Fahrzeuge, vor allem ADAS oder erweiterte Fahrer-assistierte Systeme, gibt es Möglichkeiten für Brain Chip Studio und Brain Chip Accelerator. Wie wir bereits erwähnt haben, wissen Sie, dass wir unsere erste Brain Chip Accelerator-Karte an einen großen europäischen Automobilhersteller geliefert haben, die Sie für eine Vielzahl von Veranstaltungsorten kennen, und das könnte die Werbung sein, die wir bekommen haben die Publicity, die wir auf Handelskonferenzen bekommen haben, aber wir arbeiten mit einer Vielzahl von Automobilherstellern oder Drittherstellern zusammen, um Brain Chip Studio und Brain Chip Accelerator zu entwickeln, aber vielleicht noch wichtiger, um mit ihnen zu arbeiten Partner bei der Entwicklung von Akita, so dass wir bei der Entwicklung von Akita wissen, dass es für diese Anwendungen gut geeignet ist.
Wir wissen, dass ein Kunde wartet, wenn wir ihn erreichen Das Ende des Regenbogens und das Produkt wird gestartet. Ich spreche von Unternehmen, mit denen wir jetzt einen Dialog führen, darunter Volkswagen, Renault, General Motors. Sie wissen, dass die Liste weitergeht. Es ist wirklich eine Frage des Abfangens von ihnen an einem Punkt in ihrer Forschung und Entwicklung, wo sie Einfluss auf Akita haben können oder sie können Studio oder den Beschleuniger wirksam einsetzen. Es gab eine Frage über Tesla und was wir mit Tesla machen könnten. Ich weiß, dass einige von Ihnen einen Artikel erkannt haben, in dem Tesla Nvidia in ihr autonomes Fahrzeugprogramm fallen gelassen hat. Ich denke, es ist wichtig, zu trennen, was im autonomen Fahrzeug passiert, und sogar wenn wir über Cyber-Sicherheit sprechen oder über Finanztechnologie sprechen.
Spiking neuronales Netzwerk ist außergewöhnlich bei der Erkennung von sich wiederholenden Mustern, GPUs und CPUs sind wirklich Arbeitsrechner, sie tun Mathe. Wir machen keine Mathematik, wir machen keine Berechnungen. Wenn du über Fin Tech sprichst, und ich werde ein wenig weiter springen, weil ich hier ein kleines Thema habe, wenn du zum Beispiel über Fin Tech sprichst, eine Menge Fragen über Kryptowährung. Ein spikendes neuronales Netzwerk wird niemals die geeignete Lösung sein, um eine Transaktion zu berechnen, eins plus eins ist gleich zwei, sollte diese Transaktion klar sein? Was das spiking neuronale Netzwerk in Akita ausmacht, sei es für autonome Fahrzeuge, die entweder mit GPU oder CPU zusammenarbeiten, die Berechnungen oder in Kryptowährung oder irgendeiner Finanztechnologie, Hochfrequenzhandel, Optionen und Warenhandel machen, macht die Transaktion nicht, sie sucht bei Datentrends, gegen die Sie möglicherweise handeln oder die Sie verwenden möchten, um Ihr autonomes Fahrzeug im Laufe der Zeit intelligenter zu machen.
Oder im Bereich der Cyber-Sicherheit gibt es wirklich nicht eine ganze Reihe von Berechnungen, die dort notwendig sind, sondern die Wiederholung von Mustern für Denial-of-Service-Attacken, Malware-Attacken. Lassen Sie uns trennen, wenn wir über Automobile sprechen, und zum Beispiel eine Gelegenheit mit könnte Tesla sein, könnte Uber sein, könnte jeder der großen Namen sein, die in AV oder autonome Fahrzeuge bewegen. Wir werden da sein, um ihrem System zu helfen, es wird immer eine CPU oder eine GPU geben, die Berechnungen durchführt, und das wird in der Finanztechnologie ähnlich sein, besonders hier, wenn Sie noch allgemeiner über Krypto- oder sogar Blockchain-Technologie sprechen. Ich wollte nur diese Dinge einpacken, damit die Leute Akita verstehen, seine Fähigkeit, autonom sich wiederholende Muster zu lernen, so dass die Leute Trenddaten sehen, Entscheidungen sehr schnell treffen können, das ist wirklich, wo wir hinpassen ein bisschen mehr, wenn wir auf die Rutsche auf Akita kommen.
Folie sechs, wir werden zu Folie sieben wechseln, die direkt in Akita springt. Wiederum, ein neuromorphes System auf einem Chip, gehe ich zuerst zur unteren rechten Ecke und warum haben wir uns entschieden, von der Idee wegzugehen, es eher als einen allgemeinen Prozessor zu bezeichnen, als ein System auf einem Chip, weil es ist wirklich ein System auf einem Chip. Wenn Sie an das letzte Mal denken, das ich hier vorgestellt habe, haben wir über Intels Einführung eines Forschungschips namens Low High mit 131.000 Neuronen und ein paar hundert Millionen Synapsen gesprochen, aber es fehlten alle Teile, die notwendig waren, um zum Neural zu gelangen Netzwerk. Es gibt eine ganze Reihe von Blöcken, die notwendig sind, Wandler in der Welt, Dinge, die Informationen aufnehmen, wenn es reale Daten sind, Sehenswürdigkeiten, Geräusche, Druck, Temperatur, keine Visionen ausgeben, sie geben Nullen und Einsen aus Daten aus Ströme. Eine der Stärken von dem, was wir in dem FPGA getan haben, das im Beschleuniger implementiert wird, ist, dass wir einen Block haben, der ein Spike-Konverter ist. Wir nehmen Eingaben entgegen, die keine Spitzen sind, und wir haben einige sehr ausgeklügelte Ansätze, von denen einige in Patente verpackt sind, von denen einige in Geschäftsgeheimnisse verpackt sind, die diese Daten in Spitzen umwandeln.
Wenn Sie eine Standardkamera haben, erhalten Sie Pixeldaten, wenn Sie eine Spiking-Kamera haben, großartig, können Sie die Vorverarbeitung umgehen, aber für Dateneingaben, wenn es Daten, finanzielle Transaktionen oder Cyber-Sicherheit ist, müssen diese Daten in Stacheln umgewandelt werden. Es ist ein sehr ausgeklügelter Prozess, etwas, mit dem Peter und die Forscher viel Zeit verbracht haben und großartige Ergebnisse erzielten, und Neil und das Entwicklerteam konnten einen echten Lebensbeweis im vorhandenen FPGA implementieren. Sie gehen durch den Spannungswandler, der die Eingänge nimmt, Sie haben Kommunikationsschnittstellen, Sie haben Energieverwaltung. Es ist so, als ob wir jetzt den Grundriss eines Hauses hätten, du weißt, dass du sechs Schlafzimmer hast, du hast ein Wohnzimmer und ein Esszimmer, du hast Flure und eine Garage, wo du machst alle Teile gehen, wie verbinden sie sich am besten mit anderen Teilen im Rahmen dieses Grundrisses, und wie kommen Sie rein und raus?
Da sind wir jetzt, ich rede ein bisschen mehr, ich denke, ich sollte auch nur auf dieser Folie reden, es gibt Fragen über den Zeitplan für die Akita-Entwicklung. Ich denke, wir sind wirklich gut in Form, Peter und das Forscherteam haben einen großartigen Job bei der Definition der Architektur des neuronalen Netzwerks, die Blöcke, die notwendig sind, um dieses System auf dem Chip zu bauen. Es wurde eine Menge Simulation in Mat Lab durchgeführt, es gibt Simulation und Entwicklung, die in C ++, einer Programmiersprache, läuft. Wir gehen davon aus, dass bis Ende des Jahres ein C ++ - Kernel des Neuronalen Netzes zur Verfügung stehen wird, möglicherweise in den ersten paar Wochen im Januar. Eine der Fragen, lass mich diesen Gedanken beenden. Von dort haben Sie jetzt etwas, das tatsächlich den Prozess der Eingabe von Eingaben simulieren kann, wiederum Pixel-Kamera oder Daten für Cyber-Daten, Daten für Fin Tech, Sie können einen Algorithmus dagegen ausführen und Sie können beweisen, dass dieses Netzwerk robust ist , dass es wie geplant funktioniert.
Das FPGA ist noch für die Mitte des Jahres geplant, das ist die dritte Juniwoche, die erste oder zweite Juliwoche, oder wahrscheinlich Juni, Anfang Juli. Das FPGA wird die gesamte Funktionalität implementieren, so dass es nicht nur den Kernel ausübt, es wird den Vorverarbeitungsblock ausführen, also wird es wahrscheinlich nicht unbedingt die Power-Management-Blöcke trainieren, denn wenn man an die ASIC, das viele Vielfache der Gate-Counts hat, wird sich Ihr Power-Management-Schema ändern, aber es wird die Funktionsblöcke der Aufnahme der Spikes, ihrer Umwandlung und aller Dinge, die getan werden müssen, um das neuronale Netzwerk zu betreiben, ausführen.
Das FPGA wird Mitte des Jahres erwartet, und die ASIC-Entwicklung von dort, den Prozess würde ich nicht einfach nennen, das wäre für die fleißigen Ingenieure, die wir einsetzen, abwertend, aber Ihr digitales Design ist im Wesentlichen bewiesen. Die meisten Blöcke, und das gibt uns hohe Zuversicht, dass dies ein risiko reduzierter Aufwand ist, sind die meisten Blöcke, zum Beispiel der Spike-Konverter, viele der Kommunikationsschnittstellen sind bereits in dem existierenden FPGA implementiert. Wenn das spiking-neuronale Netzwerkdesign im C ++ - Kernel debuggt und gut simuliert wird, ist es ein sehr risikoarmes Design. Das würde uns dazu bringen, wahrscheinlich irgendwann Ende des dritten Quartals in das, was wir gehärtetes Silikon nennen, ASIC oder gehärtetes Silikon zu nennen.
Vielleicht haben wir Platz und Route, was das physikalische Design ist, so dass wir Wafer in eine Fab bringen können und etwas Anfang 19, Anfang 19 Das ist die Zeitlinie, über die wir gesprochen haben, es gibt keinen Grund zu glauben, dass diese Zeitlinie geändert wurde, und in der Tat denke ich, dass wir Verstärkung haben, dass es immer noch gut in unserem Bereich ist. Nur ein bisschen mehr auf dieser Seite, ich hätte diese Seite wahrscheinlich hier einfügen sollen, aber es gab eine Frage zu unserem IP-Portfolio. Ich berühre es ein wenig in der Produktbeschreibung, aber um ein bisschen klarer zu sein, haben wir das erste Patent, das die neuralen Netze spiked, das 2008 veröffentlicht wurde. Es wurde viele Male zitiert, denke ich Die letzte Zählung war 37 Mal, IBM, Qualcomm, Samsung, jeder, der in diesem Bereich spielen möchte, erkennt dieses Patent als ein Grundpatent an und zitiert es. Wir haben fünf weitere Patente in Bearbeitung, von denen einige über Dinge geschrieben werden, die mit und für Akita entwickelt werden.
Vergessen wir nicht, dass wir exklusiv und dauerhaft die JAST Lizenz-Patente besitzen. Ich denke, wir haben einen ziemlich guten Zaun um unsere IP, wir haben ein engagiertes Team, das die robusteste Strategie hat, die wir können. IP ist wirklich, was der zugrunde liegende Wert dieses Unternehmens ist, Sie führen gut auf die Bereitstellung dieser IP, überzeugende und differenzierte Vorteile für die Kunden, und das ist, wie Sie gewinnen. Ich denke, ich habe über das meiste gesprochen, was auf dieser Folie war, als wir das letzte Mal gesprochen haben, wir haben die Entwicklungsmeilensteine, die Endmärkte, ich habe autonome Fahrzeuge berührt. In Vision-Systemen, ob Sie Akita brauchen oder nicht, ob der Accelerator angemessen ist, gab es eine Frage, die ich über Akita neu formulieren werde, was niemals mit dem Accelerator gemacht werden könnte, könnte mit Studio implementiert werden, aber ehrlich gesagt wäre nicht groß genug oder mutig genug, und das heißt, kann Akita arbeiten bei dem, was wir den Rand nennen?
Was wir bisher mit Accelerator besprochen haben, ist die gesamte Unternehmensklasse, es ist netzwerkorientiert, es ist ein Rechenzentrum, es ist in einem Unternehmen. Kann Akita seinen Weg am Rand finden, werde ich einfach das Basisbeispiel verwenden, kann es seinen Weg in eine Kamera finden, so dass die Kamera tatsächlich die Analytik durchführt und nur bei einer Sicherheitswarnung die benötigten Informationen zurücksendet oder wenn es ein Verhaltensmuster gibt, wenn ein Bild erkannt wird? Akita wird sehr skalierbar sein, es wird kein schrecklich großer IC sein, es wird extrem wenig Strom sein, und ob die Endnutzer oder die OEMs das Gerät benutzen würden oder ob sie zurückkommen und sagen würden:
"Wir" bauen wir unseren eigenen sehr großen IC auf, jetzt möchten wir Ihre IP lizensieren, "welche Art von Kreisen zurück zu einem Teil des Geschäftsmodells, als das Unternehmen im Jahr 2015 gegründet wurde. Ich denke, es war klug, dass wir" Wir haben einen Weg des Lebensbeweises eingeschlagen, ganzheitliche Lösungen, damit die Kunden sehen können, wie die Dinge funktionieren und welche Vorteile es hat, welche Leistungskraft sie haben.
Die Akita-Lösung könnte sicherlich ein Edge-fähiges Gerät sein. Stellen Sie sicher, dass ich dort keine Fragen verpasse. Es gab eine Frage über frühe Engagements mit Akita. Während wir unser Geschäft mit Bildverarbeitungsanwendungen und Überwachungsanwendungen aufbauen, können wir mit Studio und Accelerator ein sehr gutes, sehr profitables Geschäft mit hohem Wachstum aufbauen und Verbesserungen an Studio und Accelerator vornehmen. Frühe Engagements werden sie wiederum mit einigen der führenden autonomen Fahrzeug- oder Automobilhersteller zusammenführen, sie werden mit führenden Cyber-Sicherheitsunternehmen zusammen sein, sie werden mit führenden FinTech-Unternehmen zusammen sein.
Der Vorteil eines Kernels, gegen den wir Algorithmen ausführen können, besteht darin, dass wir zeigen können, wie wir mit den Benchmarks der Performance arbeiten. Deshalb müssen wir hier sehr früh zusammenarbeiten und Partnerschaften eingehen die Dinge, an denen wir gerade arbeiten. Wenn das FPGA auf den Markt kommt, wird es ein Entwicklungssystem geben, so dass die Leute tatsächlich anfangen können, sich auf der Akita-Plattform, auf dem FPGA und den dazugehörigen Entwicklungswerkzeugen zu entwickeln. Jetzt werden einige davon auf die Industrie ausgerichtet sein, und ein Teil wird sich auf Datenwissenschaftler richten. Jetzt gibt es eine große Welle der Datenwissenschaft, die ich nicht als Forschung bezeichnen würde, aber sie ist im akademischen Bereich, in Forschungslabors, die in großen Fortune-500-, -200- und -100-Unternehmen angesiedelt sind, aber es kommt eine Menge Innovation heraus Dort. Dieses Entwicklungssystem wird sowohl für reale Industriekunden als auch für Datenwissenschaftler ein frühes Engagement darstellen. Ich denke, das deckt ab, worüber ich in Bezug auf Akita sprechen wollte.
Es gibt viele Fragen, ich habe alle Fragen gelesen, ich kann Ihnen versichern, dass es viele Fragen über den Umsatz von 2018 gibt, wann bekommen wir Einnahmen? Auch hier geht es um den Verkaufstrichter. Wir haben tolle Designräume, wir brauchen mehr Füße auf der Straße, besonders im Gaming, wir brauchen die Zusammenarbeit mit Cyber sowie autonomes Fahrzeug und Fin Tech. Wir veröffentlichen keine Prognose, Sie wissen, wie wir reifen, wie die meisten Aktiengesellschaften es tun, wir geben Hinweise für das kommende Quartal, und ich denke nicht, dass es an dieser Stelle vorsichtig ist, die Zahlen rechtfertigen das nicht, Aber ich denke, wir werden im ersten Quartal deutliche Zuwächse sehen, wir werden im Laufe des Jahres ein gutes Wachstum sehen. Ich würde Sie auf ein gutes Modell hinweisen, das in unserer letzten Runde entwickelt wurde, was wir gemacht haben, was 21,5 Millionen $ war, es wurde mit Shaw and Partners gemacht. Der Research-Analyst ist sehr solide, er hat einen sehr schönen Bericht geschrieben, er hat ein Finanzmodell, er hat ein Erlösmodell. Ich denke nur an Brain Chip Studio und Brain Chip Accelerator, aber 2018 ist noch zu früh, um über den Akita-Umsatz nachzudenken, aber ich denke, dass ihr Modell im Jahr 2018 etwas in der Größenordnung von 7 Millionen Dollar Umsatz war.
Ich denke, es war ein schönes, grundlegendes Modell, Sie kennen die Konversion von Möglichkeiten in der Kasinobranche, die Umwandlung von Möglichkeiten in der Überwachung, also sind dies zwar nicht unsere Zahlen, aber das sind sicherlich Zahlen, auf die Sie schauen können. Die Chance des Unternehmens, profitabel zu werden, wissen Sie, das war eine andere Frage, 2018 wird das wirklich in gewisser Hinsicht abhängig sein, wie wollen Sie Profitabilität definieren? Betriebsgewinn, also eine Art stationärer Betriebsaufwand aus Ihrer Bruttomarge, ich denke, es gibt eine gute Gelegenheit mit der Art von Modell, das Shaw und Partner zusammengestellt haben, und ehrlich gesagt, wir mögen es immer, zu übertreffen, also würde ich nicht schauen Sie betrachten ihr Modell als Evangelium unbedingt, aber dann haben Sie den Akita, den Sie es Cap-Ex nennen könnten, ob wir es kapitalisieren können oder nicht, ob es durch die Einkommensaussage fließt oder nicht, aber wie Sie kommen Gegen Ende des Jahres, wenn wir unser physisches Design starten, platzieren und routen, wenn wir das Mast-Set kaufen, werden wir, wenn wir zum Kauf von Wafern gehen, zusätzliche Kosten über unsere laufenden Betriebskosten hinausgehen .
Jetzt, im Hinblick auf die Betriebskosten im laufenden Betrieb, schätze ich, dass wir gerade laufen, nur eine nominelle Zahl herausbringen, es ist ungefähr 700.000 $ pro Monat. Die große Mehrheit davon gehört sicherlich zu den technischen Ressourcen. Ich denke, es ist wichtig, ich hätte das erwähnen müssen, als wir über unseren Vorstand und unser Management gesprochen haben. Sie wissen, dass ein Teil der Herausforderung, ein öffentliches Unternehmen zu sein, in den Anfangsjahren ziemlich kostenintensiv ist . Wir können in einem Jahr zwischen $ 500.000 und $ 1.5 Millionen auf die Ausgaben ausgeben, um eine Aktiengesellschaft zu sein. Nun, wir akzeptieren, dass wir eine Aktiengesellschaft sein wollen, und wir wollen Shareholder Value schaffen, ich habe in früheren Ausschreibungen erwähnt, dass es im Jahr 2016 etwas in der Größenordnung von 140 Millionen Dollar gab Milliarden von Dollar in Gegenleistung bezahlt, und kein einziger öffentlicher Investor machte einen Groschen, weil sie alle Wagniskapital gesichert waren. Das Unternehmen entschied sich für die RTO, Geld in der Öffentlichkeit zu sammeln.
Es sind damit verbundene Kosten verbunden, die damit verbunden sind, aber es gibt Ihnen als Investoren die Möglichkeit, in einem wachstumsstarken Markt mit einem Unternehmen, das sich wirklich gut entwickelt, Kapital zu schlagen. Ich möchte das nur unterstreichen, denn dies ist eine Chance für Investoren des öffentlichen Marktes, die es ehrlich gesagt nirgendwo sonst gibt, aber wir müssen ein ganzes Team zusammenbringen, wir müssen Vertriebsmitarbeiter zusammenbringen, wir brauchen ein Management-Team in der Finanzorganisation die Einhaltung der ASX-Regeln. Ich gehe auf die letzte Folie, genau wie ein Einschlag, ein kleiner Spalt auf dem Bildschirm.
Die letzte Folie ist ein Abschluss, das Unternehmen ist gut kapitalisiert. Es gab eine Frage darüber, wie lange das Geld dauern wird, Sie wissen, bei 700.000 $ pro Monat, es ist einfach, die Mathematik zu machen, und Sie müssen auch, was Sie am besten beurteilen, wo Sie denken, wir gehen mit Einnahmen, die Unser Modell hat, wie gesagt, nominell etwa $ 7 Millionen eingenommen, wir würden gerne übertreffen, aber wir sind gut kapitalisiert, um die Akita-Entwicklung durchzustehen, ein großes Geschäft aufzubauen und es Vision, Überwachung in erster Linie zu nennen, aber auch Machine Vision, Saffron, Rockwell Collins. Wir sind gut in unserer inkrementellen Anzahl von Verkäufen im Verkauf, wahrscheinlich mehr Anwendungstechnik, wir werden Führungskräfte vor Ort auf allen drei Kontinenten haben, die wir jetzt gerade beanspruchen, wir werden Herstellervertreter in den Vereinigten Staaten einsetzen. Sie werden nicht bezahlt, es sei denn, sie buchen einen Auftrag, dh Sie essen, was Sie töten. Im Allgemeinen sind die technischen Mitarbeiter auch gut besetzt, wir brauchen wahrscheinlich einen Ingenieur hier, dort oder anderswo, wenn wir in das Akita FPGA Design kommen oder vielleicht weiter, Sie haben Test und Verifizierung sobald Sie anfangen Silikon zu bekommen, also Es gibt einige Disziplinen, die es heute im Unternehmen nicht gibt.
Wir haben kommerziell verfügbare Produkte für die Überwachung, wieder wissen Sie, Software kam im Juli, Hardware kam im September, wurde gut aufgenommen, Dutzende von Software fällt. Die Leute senden jetzt Anfragen für die Hardware und haben sie einem potenziellen Kunden übergeben. Nizza etablierte Kundenbasis, aber auch hier ist es sehr Frankreich-zentriert. Unser Ziel ist es, unsere Marktdurchdringung in den USA und in Europa zu beschleunigen und Greg und das Team, das wir in Australien aufbauen werden, zu unterstützen. Es ist eine sehr reife Umgebung für uns, im Cyberspace ist eine Menge los, in Fin Tech ist eine Menge los, in Australien läuft eine Menge Überwachung. Wir haben eine Präsenz, wir bekommen eine Menge Presse, das ist ein großartiger Markt für uns, in dem wir uns auszeichnen. Wir haben eine wachsende Pipeline, dann geben wir dir noch mehr echte Daten darüber, wenn wir in einem Monat oder so reden , aber ich bin sehr zufrieden mit den Ergebnissen, die wir hatten. Sie wissen von der Bekanntheit, die wir mit Studio erhalten haben, den Auszeichnungen, die wir mit Studio und Accelerator gewonnen haben.
Umsatzwachstum Routen '18, bin ich zuversichtlich, dass wir ein Umsatzwachstum gegenüber Quartalen Viertel für Quartal haben werden. Profitabilität, die ich gerade erwähnt habe, und ich denke, wir haben etwas über die Entwicklung von Akita erzählt. Ich hoffe, dass ich alle Fragen beantwortet habe, ich hoffe, ich habe Ihnen ein Gefühl für das Vertrauen gegeben, das dieses Management-Team hat, sowohl was die Produkte betrifft, die wir haben, als auch die wirklich sehr aufregende Akita-Entwicklung. Wir werden uns wahrscheinlich in einem weiteren Monat wieder melden, nachdem das 4C herausgekommen ist. Natürlich haben Sie immer Zugriff darauf, weitere Fragen an diese E-Mail-Adresse zu senden, und ich werde versuchen, so schnell wie möglich zu reagieren, oder jemand in meinem Auftrag sei so reaktionsschnell wie möglich.
Nochmals vielen Dank für Ihren Beitritt. Wir werden uns bald mit Ihnen unterhalten.
Es dürfte viele offene Fragen beantworten?!
################
Guten Morgen alle, vielen Dank für Ihren Anruf.
Dies ist mehr ein Update für das Jahresende als ein Update für das vierte Quartal. Wie Sie alle wissen, schließen wir unser Quartal nicht vor Ende Dezember, und wir melden uns irgendwann nach dem Ende des vierten Quartals wieder. Ich schätze, das wäre spät im Januar. Nochmals vielen Dank, dass Sie dem Gespräch beigetreten sind. Ich bin hier in unserem Büro in San Francisco mit unserem CFO Ryan Benson. Ich werde sehen, ob ich die Präsentation bekommen kann. Es gibt nicht viel Feedback in dieser Art von System, also hoffe ich, dass die Präsentation hoch und live ist, und ich habe ungefähr 10 Folien. Ich werde sagen, bevor wir beginnen, dass ich mir die Zeit genommen habe, all die eingehenden Fragen zu lesen, und versucht habe, so viel wie möglich in die Art von Antworten einzubauen, die in das Deck passen. Ich hatte auch eine Art witzigen Inputs, dass ich zu schnell spreche und manchmal bin ich schwer zu verstehen, also werde ich versuchen, langsamer zu werden und sicherzustellen, dass ich gut artikulieren kann.
Wiederum 32,9 Millionen Dollar in drei Runden, die alle durch Privatplatzierungen erledigt wurden, haben wir über die Gründe gesprochen, warum wir von unseren Vermittlungsfirmen den Rat erhielten. Das institutionelle Register ist wirklich ziemlich gesund, Markennamen, 30 neue Investoren oder mehr über diese drei Runden haben Sie institutionelle Investoren. Vielleicht auch, unser Board ist jetzt US-centric, Julie H. Stein trat im späteren Teil von '16 bei, ist jetzt fast anderthalb Jahre bei uns, natürlich bin ich dem Board im November beigetreten, ungefähr einen Monat nachdem ich der Firma beigetreten bin, und dann war Manny Hernandez unsere neueste Ergänzung. Wir haben erst kürzlich bekannt gegeben, dass Peter van der Madehas 100 Prozent seiner Zeit der Entwicklung von Akita gewidmet hat.
Peter ist begeistert von dieser Entwicklung und möchte sehen, dass es nicht nur erfolgreich ist, sondern dass wir so schnell wie möglich die Entwicklung und Einführung des Akita beschleunigen können, was wir jetzt neurales System auf einem Chip nennen. Wir haben in Peters Rücktritt angekündigt, dass wir eine Suche starten werden, haben eine Suche nach einem und möglicherweise zwei Regisseuren begonnen. Wir sind für sieben berechtigt, derzeit haben wir fünf. Eine der Fragen, die ich erhielt, ist, welche Kompetenzen wir in diesen Direktoren suchen könnten. Sie haben einen diversifizierten Vorstand, und Julies Hintergrund, Goldman Sachs, Solomon Brothers, den Aufbau einer großen Investmentfirma mit ihren Partnern, ein guter strategischer Denker, fügt dem Board sowohl in der Governance als auch in der strategischen Planung eine Menge hinzu .
Wir wissen, dass ich kein Executive Director bin, also werde ich nicht darauf eingehen, aber Emmanuel T. Hernandez, wahrscheinlich einer der Technologie-Direktoren im Silicon Valley, hat einen sehr starken finanziellen Hintergrund, er war Chief Financial Officer bei Cyprus Semiconductor und Sun Power sitzen hier auf mehreren großen Aktiengesellschaften in den USA. Natürlich kennen Sie Mick Balto und Adam Osseiran, unseren australischen Direktor, so dass wir diese beiden Einwohner, die von den ASX-Listing-Regeln gefordert werden, pflegen. Ich denke in Bezug auf neue Verwaltungsratsmandate, wissen Sie, dass wir wirklich die beste Vielfalt und die am besten geeigneten Fähigkeiten haben wollen. Ich denke, in einem Fall wäre es schön, wenn wir einen erfahrenen Direktor mit Erfahrung eines öffentlichen Unternehmens finden könnten, der aus einem unserer Zielendmärkte kommt, und ob das nun Cybersicherheit, Finanztechnologie, autonome Fahrzeuge oder Überwachung sind Produktlinienservice in der Überwachung.
Ich denke, das wäre ein guter Weg, um das Board mit einigen wirklich guten, soliden direkten Branchenerfahrungen abzurunden, und dann vielleicht einen anderen Director, der wirklich einen sehr technischen Hintergrund hat, jemand, der gerade im Geschäft ist, Sie könnten rauskommen von einem Intel, einem IBM, einem Nvidia, nur um drei Namen von Firmen zu geben, die die Leute gut kennen. Das ist nicht unbedingt der Ort, an dem man nach Regisseuren sucht, sondern nur, um ein Gefühl dafür zu bekommen, was diese Fähigkeiten sind. Auch im Laufe des Jahres haben wir unsere Führungskräfte vervollständigt, Ryan kam zu uns, Bob Beachler ist beides, mit denen ich schon lange zusammenarbeite, Ryan ist vierfacher CFO, Bob Beechler war auch Vice President of Marketing bei XR Corporation, wo ich CEO war, gefolgt von Ryan als CEO.
Tom Stengel kam zu uns, um den Vertrieb in Nordamerika zu führen, Tom arbeitete mit uns bei XR, Greg Ryan kam zu uns in Australien, weil es für die Beziehungen, die wir entwickelt haben, sehr wichtig ist, in Australien Fuß zu fassen Design Wins und Umsatz.
Wir werden hier sehr schnell jemanden hinzufügen, ich würde vielleicht schon nächste Woche eine Ankündigung machen, eine Verkaufsleiterin in Europa, außerhalb von Frankreich, jemand, der ihre Erfahrung in Großbritannien, Deutschland, Spanien, als wirklich nutzen kann ebenso wie französische Märkte, so dass eine Ankündigung schnell kommen wird. Wir haben kürzlich über den letzten Anruf über die Füße auf der Straße gesprochen, dies ist ein Geschäft, das eine Verkaufspräsenz erfordert.
In den USA neigen wir dazu, die Vertreter des Herstellers zu verwenden, also sind wir mit einem großen Herstellervertreter aus Los Angeles beschäftigt, der den gesamten Südwesten der USA abdeckt, es ist eine 25 oder 30 Jahre alte Firma, ich habe seit fast 20 Jahren mit ihnen Geschäfte gemacht. Das würde für uns ein paar Dutzend Leute auf die Straße bringen, die auch andere Linien verkaufen, die ihnen untrainierte Kunden geben. Es ist ein ziemlich erprobter und ausgetretener Weg in den USA, nennen wir Super Reps, die den Südwesten, den Nordwesten, die Zentral-USA sowie den Nordosten und dann auch den Südosten abdecken. Das bringt wirklich eine Hebelwirkung auf die Verkaufsfunktion, wenn Sie 10, 20, 30 Handelsvertreter nutzen können, alle neigen dazu, EEs zu sein, alle neigen dazu, sehr hoch qualifizierte Geschäftsentwicklung sowie technische Verkäufer zu sein.
Gut kapitalisierter Vorstand mit dem Wunsch, mehr Talente in den Vorstand zu integrieren, sowie ein solides Verkaufsteam. Es gab eine Frage zu unserer Kopfzahl, unsere Kopfzahl liegt derzeit bei ungefähr 27, das sind ungefähr fünf Leute im Verkauf, und das ist Verkauf und Anwendungstechnik, aber wie ich gerade beschrieben habe, kommen mehr Füße auf der Straße sehr schnell, drei Leute in GNA, wir kennen den CEO, CFO, sowie eine andere Finanzperson in Frankreich und dann etwa vier Personen in Forschung und Entwicklung, die direkt mit Peter an der Akita-Architektur arbeiten. Das Gleichgewicht ist etwa 15 oder so, 16 tatsächlich, sind hardcore Engineering in den Entwicklungsreihen.
Wir sind in der Regel in den Ingenieur- und Forschungsteams aufgeteilt, etwa die Hälfte in Toulouse, Frankreich, etwa die Hälfte in Newport Beach. Wir werden auf die nächste Folie gehen und das Jahr im Rückblick fortsetzen. Ich denke, eines der wichtigsten Dinge, die wir sehr spät im Jahr 16, sehr früh im Jahr 17, erreicht haben, war die Neuausrichtung der Märkte, die wir adressiert haben, die Produkt- und Technologiestrategie. Als ich mich im Oktober 16 anmeldete, war es wirklich der 29. September, wir werden es Oktober 16 nennen, wie wir bereits erwähnt haben, wir hatten gerade Spikenet erworben. Sie hatten viele kundenspezifische Software-Produkte, einen großen Kundenstamm, den ich als sehr vorteilhaft empfand, als wir die Software kommerzialisierten, die Software umgestalteten und das vorstellen, was man heute als Brain Chip Studio kennt.
Wir haben den FPGA im Visier, um mit dieser Software, die wir jetzt Brain Chip Accelerator nennen, zusammenzuarbeiten. Es ist bekannt, dass BrainChip Studio und BrainChip Accelerator speziell für Bildverarbeitungsanwendungen entwickelt wurden, egal ob es sich dabei um eine Maschine handelt, ob es sich um Überwachung handelt, also um die Märkte, die wir im Jahr 2018 und wahrscheinlich die erste Hälfte 2019 generieren werden Alles wird auf der Rückseite von Vision-Anwendungen sein, und wir werden über einige Kunden sprechen und Sie über den Status einiger der Geschäfte, über die wir gesprochen haben, auf dem Laufenden halten. Wie Sie wissen, wurde Studio im Juli 2017 eingeführt, Accelerator wurde im September 2017 eingeführt. Es gab Fragen darüber, wie viel Aktivität wir gesehen haben, ich kann Ihnen sagen, dass es Dutzende von Software-Drops auf Brain Chip Studio gab.
Das Produkt wird derzeit in den Händen von Dutzenden von Kunden vorgeführt, Accelerator, die Hardware-Lösung, die im September veröffentlicht wurde, wir wissen, dass sie eine Pressemitteilung veröffentlicht haben, die erste Lieferung an einen Automobilhersteller, der die Karte jetzt und hat Ich bin sicher, dass dort eine Menge gute Arbeit geleistet wird und unser Ingenieursteam in engem Kontakt ist. Wir haben eine RFQ im Haus von ich würde sagen, einer der weltweit größten Netzwerk-Hersteller, verschiedene Anwendungen, wir graben, was sie mit Accelerator erreichen möchten, einige davon ist es, die Technologie zu lernen, und Einige davon können sich auf bestimmte Anwendungen beziehen. Angesichts der Monate Juli und September sind wir sehr zufrieden mit unserer Aktivität.
Ich werde hier ein wenig über die wichtigsten Kundenaktivitäten berichten und dann etwas detaillierter darauf eingehen. Die wichtigsten Kundenaktivitäten sind in vier oder fünf Kategorien unterteilt. Wir haben unsere Gaming-Kunden, wir sind jetzt mit VMS-Lieferanten beschäftigt, VMS ist Video-Management-System-Unternehmen. Wenn Kameras hängen, Kabel an ein Unternehmen oder ein Datenzentrum zurückkommen, gibt es ein VMS-System, an das alle Kabel angeschlossen sind. Dort steuert der Bediener sein Videosystem wirklich. Es gibt zwei bemerkenswerte VMS-Lieferanten in der Welt, es gibt viele, aber ich denke, die beiden bemerkenswertesten sind Monostone und Gentech. Wir machen Fortschritte in beiden Bereichen, wir arbeiten mit einem Speicheranbieter zusammen.
Sie können sich den Speicher vorstellen, denn wohin geht das ganze Video, wenn es durch das VMS-System läuft? Um nur einige Namen zu nennen, Unternehmen wie Dell, EMC, Western Digital, Quantum Corporation, das sind große Anbieter von Speicher für die Videoüberwachung, und sie würden sicherlich mehr Kapazität oder Fähigkeit hinzufügen, forensische Suche auf den gespeicherten Videos, die sie tun haben, und bieten dies als eine Dienstleistung für ihre Kunden. Cloud-Dienste, Cloud-Dienste sind wirklich Online-Analysen, Software als Service, und Sie werden sehen, dass ich das später feststellen werde, wir sprechen mit Unternehmen in der Werbung, sprechen mit Unternehmen im Einzelhandel für das Verbraucherverhalten.
Diese Cloud-Dienste sind eine Art Pay-as-you-go-Modell, also ob sie Brain Chip Studio absetzen, wo sie so viel Nachfrage haben, dass sie in Brain Chip Studio auf Accelerator laufen wollen, das würde in der Cloud passieren und sie " d Pay durch das Bit oder Video verarbeitet. Ich werde dafür sorgen, dass mir keine Fragen fehlen. Ein kleines Update, und wirklich nicht viel, um auf Saffron, Rockwell Collins und Cisco zu aktualisieren, alle benutzen das Produkt, Sie wissen, wir sind irgendwie im Ermessen von ihnen, wie aggressiv sie einsetzen und wie aggressiv sie das Produkt vermarkten.
Ich denke, Sie wissen alle, dass sie uns bei der letzten Millipole-Konferenz vorgestellt haben oder mit uns zu tun hatten. Saffron setzt das Bildverarbeitungssystem ein, von dem ich denke, dass es Ihnen allen bewusst ist, aber ich denke, wir haben es bereits in einigen Präsentationen vorgefunden, und ich denke, dass wir mit Cisco sehr profitieren werden, da wir Greg Ryan auf der Boden und wir werden bald einige lokale technische Ressourcen haben. Cisco konzentriert sich auf verschiedene Anwendungen, einschließlich Fahrzeugidentifikation, Gesichtserkennung, eine Vielzahl von Dingen, die entweder mit Brian Chip Studio auf ihrer eigenen Hardware oder mit Brain Chip Studio auf dem Accelerator in einer ihrer Boxen erledigt werden können.
Alles in allem läuft alles gut mit Saffron und Rockwell Collins, Cisco und anderen, über die wir gesprochen haben, wir halten Sie auf dem Laufenden und geben Ihnen wahrscheinlich ein bisschen mehr von einem Update, wenn wir unser erstes Quartal machen Anruf. Gleichzeitig wissen Sie, dass wir uns vom Berichtsjahr wegbewegen und schauen, was wirklich passiert, wenn wir unseren Ansatz zum Aufbau eines Verkaufstrichters entwickeln. Ich bin jetzt auf Folie 5, Sie können den Lead-Generierungsprozess für uns sehen ist Konferenzen, Werbung, Pressemitteilungen, vielleicht manchmal wichtiger als Pressemitteilungen ist Berichterstattung in der Presse. Ich weiß, dass es besonders in Australien einen großen Fokus gibt, da wir dort börsennotiert sind, auf ASX-Releases, wir haben 29 ASX-Releases im Jahr 2018 gemacht, wir geben unser Bestes, um unsere Aktionäre auf dem Laufenden zu halten.
Manchmal halten wir das, was wir für angemessen halten, für nicht angebracht. Als wir zum Beispiel den Preis bei Millipole gewannen, wollten wir das natürlich in der Presse sehen, sowohl in der Redaktion als auch in der Presseberichterstattung, aber die ASX stellte fest, dass es ein Marketingstück war und nicht etwas, was für die ASX angemessen war. Bear uns, wie wir mit ASX umgehen und was in ihren Köpfen passt und was nicht, aber wenn wir es nicht auf ASX bekommen, werden wir es durch Fachmagazine veröffentlichen und auch in die Finanzpresse kommen, AFR mag es wirklich Geschichten über das Unternehmen aufgreifen. Eine andere Frage kam auf, und Sie können die zwei Logos rechts von Millipole sehen, und ich werde mich heute noch kurz über die Sicherheit freuen. Sicherheit hat heute eine Menge Lead-Generierung generiert, aus der sich dann Chancen ergeben. Wenn wir sie qualifizieren, werden sie zu qualifizierten Gelegenheiten, und da sind wir in einem großen Teil dieses Prozesses mit den heutigen Sicherheitseingaben.
Wir haben etwas über 80 Leads aus der Millipole-Konferenz generiert, das war eine wirklich gesunde Antwort. Ich weiß, dass Rockwell Collins in unserem Stand mit uns war und wir die Pariser Polizei in unserem Stand hatten, um mit Live-Demonstrationen zu demonstrieren, wie sie das Produkt wirklich bei anderen Strafverfolgungsbehörden ansprechen. Wir folgen diesen Leads und qualifizieren diese Gelegenheiten, hoffentlich diese Gelegenheiten zu Designgewinnen, und natürlich werden Designgewinne dann zu Einnahmen. Dann gab es eine Frage darüber, wie sich dieser Verkaufstrichter aufzubauen beginnt. Wir werden sagen, dass wir aus dem vierten Quartal kommen und wir im ersten Quartal sprechen, was wahrscheinlich wieder irgendwann Ende Januar sein wird, nachdem das 4C draußen ist, würde ich gerne in der Lage sein, einige Zahlen herum zu legen diese Dinge. Wir bringen ein neues CRM-System auf den Markt, das für die Plattformen, die wir verwenden möchten, geeignet ist. Salesforce.com ist wahrscheinlich am weitesten verbreitet, ist auch am teuersten, und es gibt viele Alternativen, die uns einen realistischen Überblick darüber geben, was der Verkaufstrichter ist, indem wir ihn aus einer Excel-Tabelle herausnehmen und in eine echte CRM-Plattform einbauen.
Unser Design-Objektiv, denke ich, dass das Produkt wirklich erst seit September und Juli veröffentlicht wurde, aber es gab sicherlich einen Rückstau von Leuten, die die benutzerdefinierten Versionen der Software verwendeten, ich denke, dass Sie erwarten können, dass die Zahlen wir ' Wir werden wieder über Ende Januar Anfang Februar Zeitrahmen sprechen werden Design Wins, die nähern sich vielleicht $ 10 Millionen im ersten Jahr, Bereitstellung und etwas in der Größenordnung eines Lebenswerts für diese Design-Gewinne, die vielleicht so viel sein könnte als 50 Millionen Dollar oder mehr. Könnte viel mehr als das sein, wie wir die Regeneration und Möglichkeiten des Trichters schrubben. Wie qualifizieren wir einen Design-Gewinn ist ein großer Teil der Scrubbing der Datenbank und sicherzustellen, dass das Management wirklich hartnäckig ist, um sicherzustellen, dass das Design wirklich gesperrt ist.
An diesem Punkt ist es wirklich unsere Aufgabe, unseren Kunden die Möglichkeit zu geben, Umsätze zu erzielen, und wir nennen Ihnen Zitate, und wir werden Sie so gut wie möglich auf dem Laufenden halten, basierend auf den Informationen, die wir erhalten. Wenn ich zu Folie 6 übergehe, deckt dies die Dinge ab, über die wir in der Vergangenheit gesprochen haben, die zivile Überwachung und die kommerzielle Überwachung. In der Schule haben wir offen über Lock Fort gesprochen. Ich glaube, als ich das letzte Mal Ende letzten Quartals gesprochen habe, haben wir gesagt, dass Lock Fort mit ihrer Bereitstellung begonnen hat, und tatsächlich haben sie ihren Einsatz im November begonnen. Ich denke, wir haben gerade erst eine erfreuliche Nachricht bekommen, Lock Fort hatte beschlossen, diese Entwicklung zu starten, aber immer noch auf volle Finanzierung, aber ich vergesse, ob es eine Anleihe oder ein anderer Regierungsmechanismus ist, aber sie würden sich selbst finanzieren Es wird ein langsamerer Prozess, aber diese Finanzierung ist zustande gekommen und jetzt hat sich der Einsatz viel schneller bewegt.
Wir befinden uns immer noch im Gespräch mit vielen anderen Schulbezirken, hauptsächlich im Bundesstaat New York, denn wenn man einen gewinnt und qualifiziert ist, ist es viel einfacher, die anderen niederzuschlagen. Der kommunale Strafvollzug läuft gut und die Expansion in Europa ist uns wichtig. Ich werde kurz darauf eingehen, was in Paris und anderen Gemeinden vor sich geht, aber Expansion in Europa ist wichtig für uns, und deshalb fügen wir einen neuen Verkaufsleiter in Europa hinzu, um uns nicht einfach auf Frankreich zu konzentrieren, sondern uns nach Deutschland zu bringen, Bring uns in das Vereinigte Königreich, nach Spanien und sogar in die Türkei. Die Polizei von Paris, die Dinge bewegen sich gut, und ich denke, es gibt im ersten Quartal Pläne, auch mehr Kameras in der Abteilung für Heimatschutz zu stationieren, Sie kennen die französische Version der Abteilung für Heimatschutz, die Dinge laufen ganz gut und ich denke, dass wir auch im ersten Quartal ein Wachstum sehen werden.
Ich behandelte Schulen, kommunale Strafverfolgung, Heimatschutz, und wie gesagt, Paris geht es gut, wir sprachen von einem anderen Einsatz in der Gemeinde, das läuft gut, wirklich erwarten, dass es im ersten Quartal 2018 ernsthaft beginnt. Was wir nennen kommerzielle Überwachung, nun, tut mir leid, ich sollte nicht über Flughäfen hinwegspringen, weil es eine Frage über Rockwell Collins gab. Unsere Arbeit mit Flughäfen ist wirklich in Arbeit. Jetzt, wo wir ein stärkeres und breiteres Vertriebsteam haben, können mehr Flughäfen abgedeckt werden, oder die Systemintegratoren, die am wichtigsten mit diesen Flughäfen und OEMs wie Rockwell Collins zusammenarbeiten. Rockwell Collins, sie vermarkten ihr Infrarot- und Radarsystem. Sie wissen, dass wir sowohl Brain Chip Studio als auch Brain Chip Accelerator in der Flughafenumgebung sehen werden. Kommerzielle Überwachung, Spiele, Einzelhandel, Werbung, Verkehrsmanagement und Automobile, und ich werde zuerst auf Spiele eingehen.
Es ist wirklich eine Frage der Verkaufsdeckung, wir haben letztes Mal darüber gesprochen, Füße auf der Straße. Wir haben einige bedeutende Entwicklungen mit einem potenziellen OEM-Partner gemacht, Sie kennen die SN Tech-Beziehung, die ich ein wenig zurückverfolgen kann, aber die SN Tech-Beziehung besteht seit einigen Jahren. Ich denke, dass sie ressourcenarm sind, also arbeiten wir jetzt sehr eng mit einem der größten OEM-Anbieter der Spieleindustrie zusammen, etwa 3.200 Casinos in der Welt, sie machen Geschäfte mit allen 3.200 Casinos. Sie haben Sales Force, sie haben eine Service-Organisation, wäre ein echter Gewinn für uns, diese große und breite Beziehung zu haben, so dass ich hoffe, auf kurze Sicht. Einzelhandel, wieder Einzelhandel und Werbung sind eher Cloud-basiert, wo wir mit einem Partner arbeiten, der ein cloud-basiertes System aufbaut, Leute in der Cloud mieten und definieren: "Hier sind Logos, die ich sehen möchte Verhaltensmuster mit Verbrauchern, die ich gerne sehen würde. " Jetzt haben wir eine schöne aufkeimende Beziehung mit einem der bemerkenswertesten SAAS-Lieferanten in der Werbung und im Einzelhandel. Traffic Management ist wirklich, an diesem Punkt für uns, es ist Cisco, darüber haben wir schon gesprochen.
Jetzt da wir Brain Chip Studio haben, was ein kommerzielles, benutzerfreundliches Produkt ist, denke ich, dass Gregs Unterstützung in Australien und einige technische Ressourcen ziemlich schnell gehen können. Automotive ist autonome Fahrzeuge, vor allem ADAS oder erweiterte Fahrer-assistierte Systeme, gibt es Möglichkeiten für Brain Chip Studio und Brain Chip Accelerator. Wie wir bereits erwähnt haben, wissen Sie, dass wir unsere erste Brain Chip Accelerator-Karte an einen großen europäischen Automobilhersteller geliefert haben, die Sie für eine Vielzahl von Veranstaltungsorten kennen, und das könnte die Werbung sein, die wir bekommen haben die Publicity, die wir auf Handelskonferenzen bekommen haben, aber wir arbeiten mit einer Vielzahl von Automobilherstellern oder Drittherstellern zusammen, um Brain Chip Studio und Brain Chip Accelerator zu entwickeln, aber vielleicht noch wichtiger, um mit ihnen zu arbeiten Partner bei der Entwicklung von Akita, so dass wir bei der Entwicklung von Akita wissen, dass es für diese Anwendungen gut geeignet ist.
Wir wissen, dass ein Kunde wartet, wenn wir ihn erreichen Das Ende des Regenbogens und das Produkt wird gestartet. Ich spreche von Unternehmen, mit denen wir jetzt einen Dialog führen, darunter Volkswagen, Renault, General Motors. Sie wissen, dass die Liste weitergeht. Es ist wirklich eine Frage des Abfangens von ihnen an einem Punkt in ihrer Forschung und Entwicklung, wo sie Einfluss auf Akita haben können oder sie können Studio oder den Beschleuniger wirksam einsetzen. Es gab eine Frage über Tesla und was wir mit Tesla machen könnten. Ich weiß, dass einige von Ihnen einen Artikel erkannt haben, in dem Tesla Nvidia in ihr autonomes Fahrzeugprogramm fallen gelassen hat. Ich denke, es ist wichtig, zu trennen, was im autonomen Fahrzeug passiert, und sogar wenn wir über Cyber-Sicherheit sprechen oder über Finanztechnologie sprechen.
Spiking neuronales Netzwerk ist außergewöhnlich bei der Erkennung von sich wiederholenden Mustern, GPUs und CPUs sind wirklich Arbeitsrechner, sie tun Mathe. Wir machen keine Mathematik, wir machen keine Berechnungen. Wenn du über Fin Tech sprichst, und ich werde ein wenig weiter springen, weil ich hier ein kleines Thema habe, wenn du zum Beispiel über Fin Tech sprichst, eine Menge Fragen über Kryptowährung. Ein spikendes neuronales Netzwerk wird niemals die geeignete Lösung sein, um eine Transaktion zu berechnen, eins plus eins ist gleich zwei, sollte diese Transaktion klar sein? Was das spiking neuronale Netzwerk in Akita ausmacht, sei es für autonome Fahrzeuge, die entweder mit GPU oder CPU zusammenarbeiten, die Berechnungen oder in Kryptowährung oder irgendeiner Finanztechnologie, Hochfrequenzhandel, Optionen und Warenhandel machen, macht die Transaktion nicht, sie sucht bei Datentrends, gegen die Sie möglicherweise handeln oder die Sie verwenden möchten, um Ihr autonomes Fahrzeug im Laufe der Zeit intelligenter zu machen.
Oder im Bereich der Cyber-Sicherheit gibt es wirklich nicht eine ganze Reihe von Berechnungen, die dort notwendig sind, sondern die Wiederholung von Mustern für Denial-of-Service-Attacken, Malware-Attacken. Lassen Sie uns trennen, wenn wir über Automobile sprechen, und zum Beispiel eine Gelegenheit mit könnte Tesla sein, könnte Uber sein, könnte jeder der großen Namen sein, die in AV oder autonome Fahrzeuge bewegen. Wir werden da sein, um ihrem System zu helfen, es wird immer eine CPU oder eine GPU geben, die Berechnungen durchführt, und das wird in der Finanztechnologie ähnlich sein, besonders hier, wenn Sie noch allgemeiner über Krypto- oder sogar Blockchain-Technologie sprechen. Ich wollte nur diese Dinge einpacken, damit die Leute Akita verstehen, seine Fähigkeit, autonom sich wiederholende Muster zu lernen, so dass die Leute Trenddaten sehen, Entscheidungen sehr schnell treffen können, das ist wirklich, wo wir hinpassen ein bisschen mehr, wenn wir auf die Rutsche auf Akita kommen.
Folie sechs, wir werden zu Folie sieben wechseln, die direkt in Akita springt. Wiederum, ein neuromorphes System auf einem Chip, gehe ich zuerst zur unteren rechten Ecke und warum haben wir uns entschieden, von der Idee wegzugehen, es eher als einen allgemeinen Prozessor zu bezeichnen, als ein System auf einem Chip, weil es ist wirklich ein System auf einem Chip. Wenn Sie an das letzte Mal denken, das ich hier vorgestellt habe, haben wir über Intels Einführung eines Forschungschips namens Low High mit 131.000 Neuronen und ein paar hundert Millionen Synapsen gesprochen, aber es fehlten alle Teile, die notwendig waren, um zum Neural zu gelangen Netzwerk. Es gibt eine ganze Reihe von Blöcken, die notwendig sind, Wandler in der Welt, Dinge, die Informationen aufnehmen, wenn es reale Daten sind, Sehenswürdigkeiten, Geräusche, Druck, Temperatur, keine Visionen ausgeben, sie geben Nullen und Einsen aus Daten aus Ströme. Eine der Stärken von dem, was wir in dem FPGA getan haben, das im Beschleuniger implementiert wird, ist, dass wir einen Block haben, der ein Spike-Konverter ist. Wir nehmen Eingaben entgegen, die keine Spitzen sind, und wir haben einige sehr ausgeklügelte Ansätze, von denen einige in Patente verpackt sind, von denen einige in Geschäftsgeheimnisse verpackt sind, die diese Daten in Spitzen umwandeln.
Wenn Sie eine Standardkamera haben, erhalten Sie Pixeldaten, wenn Sie eine Spiking-Kamera haben, großartig, können Sie die Vorverarbeitung umgehen, aber für Dateneingaben, wenn es Daten, finanzielle Transaktionen oder Cyber-Sicherheit ist, müssen diese Daten in Stacheln umgewandelt werden. Es ist ein sehr ausgeklügelter Prozess, etwas, mit dem Peter und die Forscher viel Zeit verbracht haben und großartige Ergebnisse erzielten, und Neil und das Entwicklerteam konnten einen echten Lebensbeweis im vorhandenen FPGA implementieren. Sie gehen durch den Spannungswandler, der die Eingänge nimmt, Sie haben Kommunikationsschnittstellen, Sie haben Energieverwaltung. Es ist so, als ob wir jetzt den Grundriss eines Hauses hätten, du weißt, dass du sechs Schlafzimmer hast, du hast ein Wohnzimmer und ein Esszimmer, du hast Flure und eine Garage, wo du machst alle Teile gehen, wie verbinden sie sich am besten mit anderen Teilen im Rahmen dieses Grundrisses, und wie kommen Sie rein und raus?
Da sind wir jetzt, ich rede ein bisschen mehr, ich denke, ich sollte auch nur auf dieser Folie reden, es gibt Fragen über den Zeitplan für die Akita-Entwicklung. Ich denke, wir sind wirklich gut in Form, Peter und das Forscherteam haben einen großartigen Job bei der Definition der Architektur des neuronalen Netzwerks, die Blöcke, die notwendig sind, um dieses System auf dem Chip zu bauen. Es wurde eine Menge Simulation in Mat Lab durchgeführt, es gibt Simulation und Entwicklung, die in C ++, einer Programmiersprache, läuft. Wir gehen davon aus, dass bis Ende des Jahres ein C ++ - Kernel des Neuronalen Netzes zur Verfügung stehen wird, möglicherweise in den ersten paar Wochen im Januar. Eine der Fragen, lass mich diesen Gedanken beenden. Von dort haben Sie jetzt etwas, das tatsächlich den Prozess der Eingabe von Eingaben simulieren kann, wiederum Pixel-Kamera oder Daten für Cyber-Daten, Daten für Fin Tech, Sie können einen Algorithmus dagegen ausführen und Sie können beweisen, dass dieses Netzwerk robust ist , dass es wie geplant funktioniert.
Das FPGA ist noch für die Mitte des Jahres geplant, das ist die dritte Juniwoche, die erste oder zweite Juliwoche, oder wahrscheinlich Juni, Anfang Juli. Das FPGA wird die gesamte Funktionalität implementieren, so dass es nicht nur den Kernel ausübt, es wird den Vorverarbeitungsblock ausführen, also wird es wahrscheinlich nicht unbedingt die Power-Management-Blöcke trainieren, denn wenn man an die ASIC, das viele Vielfache der Gate-Counts hat, wird sich Ihr Power-Management-Schema ändern, aber es wird die Funktionsblöcke der Aufnahme der Spikes, ihrer Umwandlung und aller Dinge, die getan werden müssen, um das neuronale Netzwerk zu betreiben, ausführen.
Das FPGA wird Mitte des Jahres erwartet, und die ASIC-Entwicklung von dort, den Prozess würde ich nicht einfach nennen, das wäre für die fleißigen Ingenieure, die wir einsetzen, abwertend, aber Ihr digitales Design ist im Wesentlichen bewiesen. Die meisten Blöcke, und das gibt uns hohe Zuversicht, dass dies ein risiko reduzierter Aufwand ist, sind die meisten Blöcke, zum Beispiel der Spike-Konverter, viele der Kommunikationsschnittstellen sind bereits in dem existierenden FPGA implementiert. Wenn das spiking-neuronale Netzwerkdesign im C ++ - Kernel debuggt und gut simuliert wird, ist es ein sehr risikoarmes Design. Das würde uns dazu bringen, wahrscheinlich irgendwann Ende des dritten Quartals in das, was wir gehärtetes Silikon nennen, ASIC oder gehärtetes Silikon zu nennen.
Vielleicht haben wir Platz und Route, was das physikalische Design ist, so dass wir Wafer in eine Fab bringen können und etwas Anfang 19, Anfang 19 Das ist die Zeitlinie, über die wir gesprochen haben, es gibt keinen Grund zu glauben, dass diese Zeitlinie geändert wurde, und in der Tat denke ich, dass wir Verstärkung haben, dass es immer noch gut in unserem Bereich ist. Nur ein bisschen mehr auf dieser Seite, ich hätte diese Seite wahrscheinlich hier einfügen sollen, aber es gab eine Frage zu unserem IP-Portfolio. Ich berühre es ein wenig in der Produktbeschreibung, aber um ein bisschen klarer zu sein, haben wir das erste Patent, das die neuralen Netze spiked, das 2008 veröffentlicht wurde. Es wurde viele Male zitiert, denke ich Die letzte Zählung war 37 Mal, IBM, Qualcomm, Samsung, jeder, der in diesem Bereich spielen möchte, erkennt dieses Patent als ein Grundpatent an und zitiert es. Wir haben fünf weitere Patente in Bearbeitung, von denen einige über Dinge geschrieben werden, die mit und für Akita entwickelt werden.
Vergessen wir nicht, dass wir exklusiv und dauerhaft die JAST Lizenz-Patente besitzen. Ich denke, wir haben einen ziemlich guten Zaun um unsere IP, wir haben ein engagiertes Team, das die robusteste Strategie hat, die wir können. IP ist wirklich, was der zugrunde liegende Wert dieses Unternehmens ist, Sie führen gut auf die Bereitstellung dieser IP, überzeugende und differenzierte Vorteile für die Kunden, und das ist, wie Sie gewinnen. Ich denke, ich habe über das meiste gesprochen, was auf dieser Folie war, als wir das letzte Mal gesprochen haben, wir haben die Entwicklungsmeilensteine, die Endmärkte, ich habe autonome Fahrzeuge berührt. In Vision-Systemen, ob Sie Akita brauchen oder nicht, ob der Accelerator angemessen ist, gab es eine Frage, die ich über Akita neu formulieren werde, was niemals mit dem Accelerator gemacht werden könnte, könnte mit Studio implementiert werden, aber ehrlich gesagt wäre nicht groß genug oder mutig genug, und das heißt, kann Akita arbeiten bei dem, was wir den Rand nennen?
Was wir bisher mit Accelerator besprochen haben, ist die gesamte Unternehmensklasse, es ist netzwerkorientiert, es ist ein Rechenzentrum, es ist in einem Unternehmen. Kann Akita seinen Weg am Rand finden, werde ich einfach das Basisbeispiel verwenden, kann es seinen Weg in eine Kamera finden, so dass die Kamera tatsächlich die Analytik durchführt und nur bei einer Sicherheitswarnung die benötigten Informationen zurücksendet oder wenn es ein Verhaltensmuster gibt, wenn ein Bild erkannt wird? Akita wird sehr skalierbar sein, es wird kein schrecklich großer IC sein, es wird extrem wenig Strom sein, und ob die Endnutzer oder die OEMs das Gerät benutzen würden oder ob sie zurückkommen und sagen würden:
"Wir" bauen wir unseren eigenen sehr großen IC auf, jetzt möchten wir Ihre IP lizensieren, "welche Art von Kreisen zurück zu einem Teil des Geschäftsmodells, als das Unternehmen im Jahr 2015 gegründet wurde. Ich denke, es war klug, dass wir" Wir haben einen Weg des Lebensbeweises eingeschlagen, ganzheitliche Lösungen, damit die Kunden sehen können, wie die Dinge funktionieren und welche Vorteile es hat, welche Leistungskraft sie haben.
Die Akita-Lösung könnte sicherlich ein Edge-fähiges Gerät sein. Stellen Sie sicher, dass ich dort keine Fragen verpasse. Es gab eine Frage über frühe Engagements mit Akita. Während wir unser Geschäft mit Bildverarbeitungsanwendungen und Überwachungsanwendungen aufbauen, können wir mit Studio und Accelerator ein sehr gutes, sehr profitables Geschäft mit hohem Wachstum aufbauen und Verbesserungen an Studio und Accelerator vornehmen. Frühe Engagements werden sie wiederum mit einigen der führenden autonomen Fahrzeug- oder Automobilhersteller zusammenführen, sie werden mit führenden Cyber-Sicherheitsunternehmen zusammen sein, sie werden mit führenden FinTech-Unternehmen zusammen sein.
Der Vorteil eines Kernels, gegen den wir Algorithmen ausführen können, besteht darin, dass wir zeigen können, wie wir mit den Benchmarks der Performance arbeiten. Deshalb müssen wir hier sehr früh zusammenarbeiten und Partnerschaften eingehen die Dinge, an denen wir gerade arbeiten. Wenn das FPGA auf den Markt kommt, wird es ein Entwicklungssystem geben, so dass die Leute tatsächlich anfangen können, sich auf der Akita-Plattform, auf dem FPGA und den dazugehörigen Entwicklungswerkzeugen zu entwickeln. Jetzt werden einige davon auf die Industrie ausgerichtet sein, und ein Teil wird sich auf Datenwissenschaftler richten. Jetzt gibt es eine große Welle der Datenwissenschaft, die ich nicht als Forschung bezeichnen würde, aber sie ist im akademischen Bereich, in Forschungslabors, die in großen Fortune-500-, -200- und -100-Unternehmen angesiedelt sind, aber es kommt eine Menge Innovation heraus Dort. Dieses Entwicklungssystem wird sowohl für reale Industriekunden als auch für Datenwissenschaftler ein frühes Engagement darstellen. Ich denke, das deckt ab, worüber ich in Bezug auf Akita sprechen wollte.
Es gibt viele Fragen, ich habe alle Fragen gelesen, ich kann Ihnen versichern, dass es viele Fragen über den Umsatz von 2018 gibt, wann bekommen wir Einnahmen? Auch hier geht es um den Verkaufstrichter. Wir haben tolle Designräume, wir brauchen mehr Füße auf der Straße, besonders im Gaming, wir brauchen die Zusammenarbeit mit Cyber sowie autonomes Fahrzeug und Fin Tech. Wir veröffentlichen keine Prognose, Sie wissen, wie wir reifen, wie die meisten Aktiengesellschaften es tun, wir geben Hinweise für das kommende Quartal, und ich denke nicht, dass es an dieser Stelle vorsichtig ist, die Zahlen rechtfertigen das nicht, Aber ich denke, wir werden im ersten Quartal deutliche Zuwächse sehen, wir werden im Laufe des Jahres ein gutes Wachstum sehen. Ich würde Sie auf ein gutes Modell hinweisen, das in unserer letzten Runde entwickelt wurde, was wir gemacht haben, was 21,5 Millionen $ war, es wurde mit Shaw and Partners gemacht. Der Research-Analyst ist sehr solide, er hat einen sehr schönen Bericht geschrieben, er hat ein Finanzmodell, er hat ein Erlösmodell. Ich denke nur an Brain Chip Studio und Brain Chip Accelerator, aber 2018 ist noch zu früh, um über den Akita-Umsatz nachzudenken, aber ich denke, dass ihr Modell im Jahr 2018 etwas in der Größenordnung von 7 Millionen Dollar Umsatz war.
Ich denke, es war ein schönes, grundlegendes Modell, Sie kennen die Konversion von Möglichkeiten in der Kasinobranche, die Umwandlung von Möglichkeiten in der Überwachung, also sind dies zwar nicht unsere Zahlen, aber das sind sicherlich Zahlen, auf die Sie schauen können. Die Chance des Unternehmens, profitabel zu werden, wissen Sie, das war eine andere Frage, 2018 wird das wirklich in gewisser Hinsicht abhängig sein, wie wollen Sie Profitabilität definieren? Betriebsgewinn, also eine Art stationärer Betriebsaufwand aus Ihrer Bruttomarge, ich denke, es gibt eine gute Gelegenheit mit der Art von Modell, das Shaw und Partner zusammengestellt haben, und ehrlich gesagt, wir mögen es immer, zu übertreffen, also würde ich nicht schauen Sie betrachten ihr Modell als Evangelium unbedingt, aber dann haben Sie den Akita, den Sie es Cap-Ex nennen könnten, ob wir es kapitalisieren können oder nicht, ob es durch die Einkommensaussage fließt oder nicht, aber wie Sie kommen Gegen Ende des Jahres, wenn wir unser physisches Design starten, platzieren und routen, wenn wir das Mast-Set kaufen, werden wir, wenn wir zum Kauf von Wafern gehen, zusätzliche Kosten über unsere laufenden Betriebskosten hinausgehen .
Jetzt, im Hinblick auf die Betriebskosten im laufenden Betrieb, schätze ich, dass wir gerade laufen, nur eine nominelle Zahl herausbringen, es ist ungefähr 700.000 $ pro Monat. Die große Mehrheit davon gehört sicherlich zu den technischen Ressourcen. Ich denke, es ist wichtig, ich hätte das erwähnen müssen, als wir über unseren Vorstand und unser Management gesprochen haben. Sie wissen, dass ein Teil der Herausforderung, ein öffentliches Unternehmen zu sein, in den Anfangsjahren ziemlich kostenintensiv ist . Wir können in einem Jahr zwischen $ 500.000 und $ 1.5 Millionen auf die Ausgaben ausgeben, um eine Aktiengesellschaft zu sein. Nun, wir akzeptieren, dass wir eine Aktiengesellschaft sein wollen, und wir wollen Shareholder Value schaffen, ich habe in früheren Ausschreibungen erwähnt, dass es im Jahr 2016 etwas in der Größenordnung von 140 Millionen Dollar gab Milliarden von Dollar in Gegenleistung bezahlt, und kein einziger öffentlicher Investor machte einen Groschen, weil sie alle Wagniskapital gesichert waren. Das Unternehmen entschied sich für die RTO, Geld in der Öffentlichkeit zu sammeln.
Es sind damit verbundene Kosten verbunden, die damit verbunden sind, aber es gibt Ihnen als Investoren die Möglichkeit, in einem wachstumsstarken Markt mit einem Unternehmen, das sich wirklich gut entwickelt, Kapital zu schlagen. Ich möchte das nur unterstreichen, denn dies ist eine Chance für Investoren des öffentlichen Marktes, die es ehrlich gesagt nirgendwo sonst gibt, aber wir müssen ein ganzes Team zusammenbringen, wir müssen Vertriebsmitarbeiter zusammenbringen, wir brauchen ein Management-Team in der Finanzorganisation die Einhaltung der ASX-Regeln. Ich gehe auf die letzte Folie, genau wie ein Einschlag, ein kleiner Spalt auf dem Bildschirm.
Die letzte Folie ist ein Abschluss, das Unternehmen ist gut kapitalisiert. Es gab eine Frage darüber, wie lange das Geld dauern wird, Sie wissen, bei 700.000 $ pro Monat, es ist einfach, die Mathematik zu machen, und Sie müssen auch, was Sie am besten beurteilen, wo Sie denken, wir gehen mit Einnahmen, die Unser Modell hat, wie gesagt, nominell etwa $ 7 Millionen eingenommen, wir würden gerne übertreffen, aber wir sind gut kapitalisiert, um die Akita-Entwicklung durchzustehen, ein großes Geschäft aufzubauen und es Vision, Überwachung in erster Linie zu nennen, aber auch Machine Vision, Saffron, Rockwell Collins. Wir sind gut in unserer inkrementellen Anzahl von Verkäufen im Verkauf, wahrscheinlich mehr Anwendungstechnik, wir werden Führungskräfte vor Ort auf allen drei Kontinenten haben, die wir jetzt gerade beanspruchen, wir werden Herstellervertreter in den Vereinigten Staaten einsetzen. Sie werden nicht bezahlt, es sei denn, sie buchen einen Auftrag, dh Sie essen, was Sie töten. Im Allgemeinen sind die technischen Mitarbeiter auch gut besetzt, wir brauchen wahrscheinlich einen Ingenieur hier, dort oder anderswo, wenn wir in das Akita FPGA Design kommen oder vielleicht weiter, Sie haben Test und Verifizierung sobald Sie anfangen Silikon zu bekommen, also Es gibt einige Disziplinen, die es heute im Unternehmen nicht gibt.
Wir haben kommerziell verfügbare Produkte für die Überwachung, wieder wissen Sie, Software kam im Juli, Hardware kam im September, wurde gut aufgenommen, Dutzende von Software fällt. Die Leute senden jetzt Anfragen für die Hardware und haben sie einem potenziellen Kunden übergeben. Nizza etablierte Kundenbasis, aber auch hier ist es sehr Frankreich-zentriert. Unser Ziel ist es, unsere Marktdurchdringung in den USA und in Europa zu beschleunigen und Greg und das Team, das wir in Australien aufbauen werden, zu unterstützen. Es ist eine sehr reife Umgebung für uns, im Cyberspace ist eine Menge los, in Fin Tech ist eine Menge los, in Australien läuft eine Menge Überwachung. Wir haben eine Präsenz, wir bekommen eine Menge Presse, das ist ein großartiger Markt für uns, in dem wir uns auszeichnen. Wir haben eine wachsende Pipeline, dann geben wir dir noch mehr echte Daten darüber, wenn wir in einem Monat oder so reden , aber ich bin sehr zufrieden mit den Ergebnissen, die wir hatten. Sie wissen von der Bekanntheit, die wir mit Studio erhalten haben, den Auszeichnungen, die wir mit Studio und Accelerator gewonnen haben.
Umsatzwachstum Routen '18, bin ich zuversichtlich, dass wir ein Umsatzwachstum gegenüber Quartalen Viertel für Quartal haben werden. Profitabilität, die ich gerade erwähnt habe, und ich denke, wir haben etwas über die Entwicklung von Akita erzählt. Ich hoffe, dass ich alle Fragen beantwortet habe, ich hoffe, ich habe Ihnen ein Gefühl für das Vertrauen gegeben, das dieses Management-Team hat, sowohl was die Produkte betrifft, die wir haben, als auch die wirklich sehr aufregende Akita-Entwicklung. Wir werden uns wahrscheinlich in einem weiteren Monat wieder melden, nachdem das 4C herausgekommen ist. Natürlich haben Sie immer Zugriff darauf, weitere Fragen an diese E-Mail-Adresse zu senden, und ich werde versuchen, so schnell wie möglich zu reagieren, oder jemand in meinem Auftrag sei so reaktionsschnell wie möglich.
Nochmals vielen Dank für Ihren Beitritt. Wir werden uns bald mit Ihnen unterhalten.
https://www.mastertraders.de/trader/der-mastertrader/mein-pl…
Dienstag, 02. Januar 2018 von Simon Betschinger
Mein Plan für 2018: Welcher neue Megatrend kommt nach NVIDIA?
Liebe Leser,
das Börsenjahr 2017 hatte mich sehr verwöhnt, dank NVIDIA. Meine Position ist mittlerweile über 500 % im Gewinn. Ich denke überhaupt nicht daran zu verkaufen, denn NVIDIA ist die Leader-Aktie eines neuen Megatrends, der noch in den Kinderschuhen steckt: Artificial Intelligence.
Über die Feiertrage hatte ich mich ausführlicher in die Themengebiete "Machine Learning" und "Deep Learning" eingelesen. Motiviert hatten mich vor allem Meldungen über die Google-KI AlphaZero, die sich in nur 4 Stunden Schach spielen komplett selbst beigebracht hat. Die Programmbibliothek, die Google für Künstliche Intelligenz Anwendungen nutzt, heißt TensorFlow und steht als Open Source Lösung bereit.
Auf jeden Fall weiß ich nun wie Deep Learning funktioniert. Es ist einfacher als gedacht. Der Software-Code für eine Künstliche Intelligenz, die handgeschriebene Zahlen erkennt, umfasst nur etwa 4 Seiten (Python). Die "Intelligenz", handgeschriebene Zahlen zu erkennen, bringt sich das neuronale Netz selbst bei. Der Aufwand besteht im Wesentlichen darin, die passenden Datensätze zusammenzutragen, auf Basis derer die Künstliches Intelligenz trainiert werden kann.
Ich bin der Überzeugung, dass Deep Learning das notwendige Instrumentarium dafür bietet, einer KI meinen Trading-Ansatz beizubringen und zwar die Art des Heavy-Tradings, die ich 2006 bis 2010 praktiziert habe. In diesen 5 Jahren hatte ich über 1 Millionen Euro Trading-Gewinne erzielt (die Bescheinigungen finden links neben dem Blog-Artikel). Ich hatte mich dann entschieden, dass ich hauptberuflich Unternehmer sein möchte und nicht Trader. Seitdem fahre ich einen mittelfristig ausgerichteten Handelsstil. Ich stelle mir nun vor, dass eine KI bei mehreren tausend Aktien gleichzeitig meine Handelsmethodik durchzieht. Die Vorstellung ist verlockend und seit einer Woche habe ich das Gefühl zu wissen wie man eine solche KI bauen könnte. Aber das soll jetzt nicht das Thema sein, heute möchte ich über einen neuen Trend zu sprechen kommen, der an der Börse zwangsläufig kommen muss: Artificial Intelligence Stocks!
NVIDIA ist nur der Vorreiter und Wegbereiter des neuen Megatrends Künstliche Intelligenz. NVIDIA hat 2017 mit der neuen Generation von GPUs eine leistungsfähige Hardware-Lösung bereit gestellt, die die Lernphase komplexer neuronaler Netze auf eine akzeptable Zeitspanne verkürzt. Es kommt hier auf die Rechenleistung an. Ein neuronales Netz lernt durch Versuch und Irrtum. Es ist aufgebaut wie ein menschliches Gehirn. Es besteht aus einer Vielzahl modellierter Neuronen, die allesamt lernen müssen wie sie mit den Inputdaten umgehen. Dieser Lernprozess braucht Rechenpower und seit dem Jahr 2017 steht diese Rechenpower erstmals zur Verfügung.
Meine Schlussfolgerung ist, dass nun eine Vielzahl von Software-Firmen Produkte vorstellen werden, die auf künstlicher Intelligenz basieren. Es kann nicht mehr lange dauern bis es los geht. Auch IPOs in diesem Bereich werden kommen. Jeden Monat kann es soweit sein. Was technisch möglich ist, wird auch gebaut. Ähnlich wie Krypowährungen liegen die die zukünftigen Möglichkeitsräume dieser Technologie komplett im Ungewissen. Jeder ahnt, das große Dinge mit Hilfe von künstlicher Intelligenz möglich sein werden, aber niemand kann exakt sagen in welche Richtung die Reise letztendlich gehen wird. Das ist die perfekte Rezeptur für einen Hype an der Börse.
Ich werde 2018 also alle Aktien mit Argusaugen beobachten, die im Bereich Künstliche Ingtelligenz mitmischen werden. Ich behalte meine Long-Position bei NVIDIA. Ich bin auch bereits bei Genpact long, einem IT-Dienstleister, der vorhandene KI-Technologien bei seinen Kunden implementiert, zum Beispiel bei Versicherungen, um die Bearbeitungen von Schadensmeldungen zu automatisieren. Neue Aktien, die für diesen Megatrend in Frage kommen, werde ich vor allem im Softwarebereich suchen, aber auch die ganzen IPOs muss ich im Blick behalten.
Ray Kurzweil, Leiter der technischen Entwicklung bei Google, geht davon aus, dass die erste KI im Jahr 2029 den Turing-Test bestehen wird, was bedeutet, dass sie einer Konversation nicht mehr von einem Menschen zu unterscheiden sein wird. Möglich machen sollen das die Fortschritte der Deep Learning Systeme.
Fazit: Der Anstieg der NVIDIA-Aktie war der Ausläufer des neuen Megatrends Künstliche Intelligenz. NVIDIA ist der Anbieter der Hardware-Systeme, auf denen komplexe neuronale Netze laufen können. NVIDIA hat den Weg bereitet für Software-Firmen und talentierte Software-Entwickler, die nun ihre eigenen KIs entwickeln können. Ich rechne damit, dass 2018 nach NVIDIA weitere Aktien aufkommen werden, die mit ersten Software-Lösungen auf KI-Basis den Markt aufrollen können. Ich möchte dabei sein!
Dienstag, 02. Januar 2018 von Simon Betschinger
Mein Plan für 2018: Welcher neue Megatrend kommt nach NVIDIA?
Liebe Leser,
das Börsenjahr 2017 hatte mich sehr verwöhnt, dank NVIDIA. Meine Position ist mittlerweile über 500 % im Gewinn. Ich denke überhaupt nicht daran zu verkaufen, denn NVIDIA ist die Leader-Aktie eines neuen Megatrends, der noch in den Kinderschuhen steckt: Artificial Intelligence.
Über die Feiertrage hatte ich mich ausführlicher in die Themengebiete "Machine Learning" und "Deep Learning" eingelesen. Motiviert hatten mich vor allem Meldungen über die Google-KI AlphaZero, die sich in nur 4 Stunden Schach spielen komplett selbst beigebracht hat. Die Programmbibliothek, die Google für Künstliche Intelligenz Anwendungen nutzt, heißt TensorFlow und steht als Open Source Lösung bereit.
Auf jeden Fall weiß ich nun wie Deep Learning funktioniert. Es ist einfacher als gedacht. Der Software-Code für eine Künstliche Intelligenz, die handgeschriebene Zahlen erkennt, umfasst nur etwa 4 Seiten (Python). Die "Intelligenz", handgeschriebene Zahlen zu erkennen, bringt sich das neuronale Netz selbst bei. Der Aufwand besteht im Wesentlichen darin, die passenden Datensätze zusammenzutragen, auf Basis derer die Künstliches Intelligenz trainiert werden kann.
Ich bin der Überzeugung, dass Deep Learning das notwendige Instrumentarium dafür bietet, einer KI meinen Trading-Ansatz beizubringen und zwar die Art des Heavy-Tradings, die ich 2006 bis 2010 praktiziert habe. In diesen 5 Jahren hatte ich über 1 Millionen Euro Trading-Gewinne erzielt (die Bescheinigungen finden links neben dem Blog-Artikel). Ich hatte mich dann entschieden, dass ich hauptberuflich Unternehmer sein möchte und nicht Trader. Seitdem fahre ich einen mittelfristig ausgerichteten Handelsstil. Ich stelle mir nun vor, dass eine KI bei mehreren tausend Aktien gleichzeitig meine Handelsmethodik durchzieht. Die Vorstellung ist verlockend und seit einer Woche habe ich das Gefühl zu wissen wie man eine solche KI bauen könnte. Aber das soll jetzt nicht das Thema sein, heute möchte ich über einen neuen Trend zu sprechen kommen, der an der Börse zwangsläufig kommen muss: Artificial Intelligence Stocks!
NVIDIA ist nur der Vorreiter und Wegbereiter des neuen Megatrends Künstliche Intelligenz. NVIDIA hat 2017 mit der neuen Generation von GPUs eine leistungsfähige Hardware-Lösung bereit gestellt, die die Lernphase komplexer neuronaler Netze auf eine akzeptable Zeitspanne verkürzt. Es kommt hier auf die Rechenleistung an. Ein neuronales Netz lernt durch Versuch und Irrtum. Es ist aufgebaut wie ein menschliches Gehirn. Es besteht aus einer Vielzahl modellierter Neuronen, die allesamt lernen müssen wie sie mit den Inputdaten umgehen. Dieser Lernprozess braucht Rechenpower und seit dem Jahr 2017 steht diese Rechenpower erstmals zur Verfügung.
Meine Schlussfolgerung ist, dass nun eine Vielzahl von Software-Firmen Produkte vorstellen werden, die auf künstlicher Intelligenz basieren. Es kann nicht mehr lange dauern bis es los geht. Auch IPOs in diesem Bereich werden kommen. Jeden Monat kann es soweit sein. Was technisch möglich ist, wird auch gebaut. Ähnlich wie Krypowährungen liegen die die zukünftigen Möglichkeitsräume dieser Technologie komplett im Ungewissen. Jeder ahnt, das große Dinge mit Hilfe von künstlicher Intelligenz möglich sein werden, aber niemand kann exakt sagen in welche Richtung die Reise letztendlich gehen wird. Das ist die perfekte Rezeptur für einen Hype an der Börse.
Ich werde 2018 also alle Aktien mit Argusaugen beobachten, die im Bereich Künstliche Ingtelligenz mitmischen werden. Ich behalte meine Long-Position bei NVIDIA. Ich bin auch bereits bei Genpact long, einem IT-Dienstleister, der vorhandene KI-Technologien bei seinen Kunden implementiert, zum Beispiel bei Versicherungen, um die Bearbeitungen von Schadensmeldungen zu automatisieren. Neue Aktien, die für diesen Megatrend in Frage kommen, werde ich vor allem im Softwarebereich suchen, aber auch die ganzen IPOs muss ich im Blick behalten.
Ray Kurzweil, Leiter der technischen Entwicklung bei Google, geht davon aus, dass die erste KI im Jahr 2029 den Turing-Test bestehen wird, was bedeutet, dass sie einer Konversation nicht mehr von einem Menschen zu unterscheiden sein wird. Möglich machen sollen das die Fortschritte der Deep Learning Systeme.
Fazit: Der Anstieg der NVIDIA-Aktie war der Ausläufer des neuen Megatrends Künstliche Intelligenz. NVIDIA ist der Anbieter der Hardware-Systeme, auf denen komplexe neuronale Netze laufen können. NVIDIA hat den Weg bereitet für Software-Firmen und talentierte Software-Entwickler, die nun ihre eigenen KIs entwickeln können. Ich rechne damit, dass 2018 nach NVIDIA weitere Aktien aufkommen werden, die mit ersten Software-Lösungen auf KI-Basis den Markt aufrollen können. Ich möchte dabei sein!
https://www.gsnmagazine.com/node/48817
Ein bisserl Werbung kann nicht schaden...
Approaching video forensics with fresh intelligence
Sun, 2017-12-03 09:38 AM
New AI technology that mimics the human brain can help law enforcement and intelligence organizations rapidly identify patterns, objects and faces in large amounts of archived and live streaming video
Video is a critical element in crime prevention and investigation, yet current law enforcement systems are increasingly unable to cope. The sheer volume of surveillance material captured and stored every day is staggering, and set to rise dramatically. Adding more cameras to gather more information will only ever be useful if processes to search and analyze the mountain of data keep pace. As it stands vital information may be missed because the vast majority of video is simply never viewed.
Information technology firm Cisco estimates than in 2021 it would take more than 5 million years to watch the amount of video traffic across the globe – each month. Market researcher IHS forecasts that 127 million surveillance cameras and 400,000 body-worn cameras will ship this year, in addition to the estimated 300 million cameras already deployed. By 2020 it is predicted there will be more than 1 billion cameras operated by smart cities worldwide, providing 30 billion frames of video per day. Internet video surveillance traffic alone increased 71 per cent in 2016 according to Cisco, and is set to increase sevenfold by 2021. Globally, 3.4 per cent of all video traffic crossing the internet will be video surveillance.
Give that a major problem for surveillance operators is directed attention fatigue, where the brain naturally alternates between periods of attention and distraction, it would require a superhuman effort to identify and classify all these images. What is required is a system that is never distracted and can work in conjunction with people to reduce errors, which is what artificial intelligence-driven video systems promise.
AI in video surveillance can potentially deliver four times the performance of conventional video search – in contrast to human vigilance, which studies have shown can degrade by 95 per cent after about 20 minutes.
The cost of deep learning
Since 2012, when AI video analytics took off, the systems trained to recognize objects and facial IDs from different types of image have proved expensive to run and slow to compute, and require large datasets to generate results. These systems, which are based on convolutional neural networks (CNNs), employ an AI technique known as ‘deep learning’. They excel at churning through data but lack the ability to refine and react to streams of information gathered from the surrounding environment – which the human brain is extremely good at.
What’s more, CNNs exhibit limitations including poor noise immunity, particularly when random pixels appear in an image due to noisy sensors or lens contamination. They can serve false classifications if the network becomes confused – for example by someone wearing glasses, or if it cannot find a new face in a crowd without a large set of labelled images relating to that face being added to the database. The network parameters of CNNs need careful adjustment, and even then the accuracy rate for correct image classification may not be sufficient for video surveillance applications.
Spiking neural networks
A relatively new approach is the spiking neural network (SNN), which simulates and models the different aspects of the human brain’s operation much more closely than a CNN.
For instance, a police department that is looking for a suspect in live video streams does not have thousands of images of that suspect; nor does it have weeks to train a CNN system. In an SNN-based system, it can find patterns and people in videos in milliseconds and from a single image – which, importantly, can be as small as 24 x 24 pixels: it doesn’t need to be high definition. The system excels in recognition in low-light, low-resolution, noisy environments, making it ideal for the large amount of previously installed video surveillance systems.
Unlike current CNN technologies that require extensive pre-labelled datasets and expensive cloud-based training and acceleration, an SNN system can be implemented in software with traditional computer processors (CPUs) and trained on-premises. The one-shot technology learns in real time and requires only modest processing power – typically a Windows- or Linux-based x86 desktop computer or server – as well as consuming little energy.
This enables a greater number of law enforcement organizations to capitalize on the opportunities offered by AI. It means AI algorithms can be used with legacy systems without requiring expensive hardware or infrastructure upgrades, and it can be deployed in the field in highly secure environments that may not have cloud connectivity.
Tasks that seemed impossible for machines just a few years ago are becoming almost routine, and SNN technology has perhaps the greatest potential to bring valuable new capabilities into mainstream automated video surveillance today.
About the author:
Bob Beachler is Senior Vice President of Marketing and Business Development at BrainChip. He can be reached at: rbeachler@brainchipinc.com
Ein bisserl Werbung kann nicht schaden...
Approaching video forensics with fresh intelligence
Sun, 2017-12-03 09:38 AM
New AI technology that mimics the human brain can help law enforcement and intelligence organizations rapidly identify patterns, objects and faces in large amounts of archived and live streaming video
Video is a critical element in crime prevention and investigation, yet current law enforcement systems are increasingly unable to cope. The sheer volume of surveillance material captured and stored every day is staggering, and set to rise dramatically. Adding more cameras to gather more information will only ever be useful if processes to search and analyze the mountain of data keep pace. As it stands vital information may be missed because the vast majority of video is simply never viewed.
Information technology firm Cisco estimates than in 2021 it would take more than 5 million years to watch the amount of video traffic across the globe – each month. Market researcher IHS forecasts that 127 million surveillance cameras and 400,000 body-worn cameras will ship this year, in addition to the estimated 300 million cameras already deployed. By 2020 it is predicted there will be more than 1 billion cameras operated by smart cities worldwide, providing 30 billion frames of video per day. Internet video surveillance traffic alone increased 71 per cent in 2016 according to Cisco, and is set to increase sevenfold by 2021. Globally, 3.4 per cent of all video traffic crossing the internet will be video surveillance.
Give that a major problem for surveillance operators is directed attention fatigue, where the brain naturally alternates between periods of attention and distraction, it would require a superhuman effort to identify and classify all these images. What is required is a system that is never distracted and can work in conjunction with people to reduce errors, which is what artificial intelligence-driven video systems promise.
AI in video surveillance can potentially deliver four times the performance of conventional video search – in contrast to human vigilance, which studies have shown can degrade by 95 per cent after about 20 minutes.
The cost of deep learning
Since 2012, when AI video analytics took off, the systems trained to recognize objects and facial IDs from different types of image have proved expensive to run and slow to compute, and require large datasets to generate results. These systems, which are based on convolutional neural networks (CNNs), employ an AI technique known as ‘deep learning’. They excel at churning through data but lack the ability to refine and react to streams of information gathered from the surrounding environment – which the human brain is extremely good at.
What’s more, CNNs exhibit limitations including poor noise immunity, particularly when random pixels appear in an image due to noisy sensors or lens contamination. They can serve false classifications if the network becomes confused – for example by someone wearing glasses, or if it cannot find a new face in a crowd without a large set of labelled images relating to that face being added to the database. The network parameters of CNNs need careful adjustment, and even then the accuracy rate for correct image classification may not be sufficient for video surveillance applications.
Spiking neural networks
A relatively new approach is the spiking neural network (SNN), which simulates and models the different aspects of the human brain’s operation much more closely than a CNN.
For instance, a police department that is looking for a suspect in live video streams does not have thousands of images of that suspect; nor does it have weeks to train a CNN system. In an SNN-based system, it can find patterns and people in videos in milliseconds and from a single image – which, importantly, can be as small as 24 x 24 pixels: it doesn’t need to be high definition. The system excels in recognition in low-light, low-resolution, noisy environments, making it ideal for the large amount of previously installed video surveillance systems.
Unlike current CNN technologies that require extensive pre-labelled datasets and expensive cloud-based training and acceleration, an SNN system can be implemented in software with traditional computer processors (CPUs) and trained on-premises. The one-shot technology learns in real time and requires only modest processing power – typically a Windows- or Linux-based x86 desktop computer or server – as well as consuming little energy.
This enables a greater number of law enforcement organizations to capitalize on the opportunities offered by AI. It means AI algorithms can be used with legacy systems without requiring expensive hardware or infrastructure upgrades, and it can be deployed in the field in highly secure environments that may not have cloud connectivity.
Tasks that seemed impossible for machines just a few years ago are becoming almost routine, and SNN technology has perhaps the greatest potential to bring valuable new capabilities into mainstream automated video surveillance today.
About the author:
Bob Beachler is Senior Vice President of Marketing and Business Development at BrainChip. He can be reached at: rbeachler@brainchipinc.com
BRN braucht natürlich keine Rechenpower ohne Ende...
Hallo,
Ich persönlich bin inzwischen /derzeit der Meinung, dass BRN zwar nicht unbedingt in 2018, aber in etwa fünf Jahren, wenn der HypeCycle vorüber ist, seinen Bereich dominieren wird - und der wird nach meinem derzeitigen Kenntnisstand nicht gering sein.
DeepLearning ist inzwischen massentauglich und ausgereift, weswegen der HypeCycle hier theoretisch ausbleiben bzw, schon übersprungen werden könnte...
Es ist tatsächlich so, dass BRN 2008 das erste grundlegendste Patent zum HardwareChip anmeldete.
Die Risiken sehe ich auch bei den Chinesen wegen Patentrechtsverletztungen und der augenscheinlichen Tatsache, dass dieser Chip nicht wirklich kompliziert aufgebaut ist - sein technischer Vorteil, der ihm zum Durchbruch in vielen Anwendungsbereichen ausserhalb der DeepLearning-Szenerie verhelfen sollte.
Und da er nicht zwingend programmiert werden muss, wie im DL mittels Metadaten durch Algorithmen üblich, welches ja durch die BigData-Flut erst massentauglich handlebar wurde - obwohl theoretisch schon mehrere Jahrzehnte alt,
hat er mehrere Vorteile gegenüber der programmierbaren und energie/ datenhungrigen Software-Variante.
Mal sehen, was die Großen wie Google, IBM, Intel, Samsung, Groq etc. in 2018 anzubieten haben...
Sofern sich die Konkurrenz also nicht etwas Besseres einfallen lässt, steht BRN ganz gut da.
D.h., Sitzfleisch ist hier angesagt.
Hier nun eine Übersetzung eines HC-Users - FactFinder, welcher etwas nachgeforscht hat zu den Patenten etc.
P.S.
Die Übersetzung wurde von DeepL erstellt, welches um Längen besser und schneller ist, als googleTranslate.
Und das Unternehmen hat dt. Wurzeln...
DeepL ist mir bei der Recherche nach News zum Bereich KI das erste Mal vor nicht einmal 2 Wochen über den Bildschirm gelaufen:
Ich akzeptiere, dass ich überreagiere auf Dinge, die ich in diesem Fall für wichtig halte, den Schutz des geistigen Eigentums von BRN.
In dieser neuen Welt, die sich entwickelt, ist jeder von einer Verletzung des geistigen Eigentums bedroht, wenn man bedenkt, dass China den Rest der Welt in diesem Bereich überhaupt nicht respektiert. Doch richtig gefundene Patente in den entwickelten Ländern sind immer noch vollstreckbar und die schlichte Tatsache, dass ein Unternehmen viel Geld hat, bedeutet nicht, dass sie sich über das Gesetz hinwegsetzen können. Ich bin sicher, dass Ihnen bekannt ist, dass Ubers Bullshit-Position, dass es sich irgendwie nicht um einen Taxidienst handelte, weil er im Cyberspace operierte, trotz seines Reichtums und der Qualität seiner Anwälte endgültig rückgängig gemacht wurde.
Eines der ersten Dokumente, die ich las, als ich BRN recherchierte, war ein Analystenbericht, und sein Hauptrisikofaktor für Investoren in BRN war, ob BRN in der Lage sein würde, seine IP richtig zu umzäunen.
Deshalb habe ich viel Zeit damit verbracht, mich mit diesem Thema zu beschäftigen, und obwohl ich kein Patentanwalt bin, hat BRN meiner Meinung nach alles Notwendige getan, um sein geistiges Eigentum zu schützen. Offensichtlich, wie Sie betonen, kann es sein geistiges Eigentum nicht schützen, es sei denn, es wird verletzt, und es kann durchaus sein, dass Loihi auf einem völlig anderen wissenschaftlichen Prinzip beruht, und da ich ursprünglich erklärt habe, wie ähnlich ihre Ansprüche sind, wird es interessant sein, wenn sie versuchen, ein Patent zu erwirken, was das Ergebnis einer solchen Anmeldung sein wird.
Das geistige Eigentum von BRN ist revolutionär, und ich möchte den folgenden Artikel aus dem Jahr 2013 jedem empfehlen, der sich für dieses Thema interessiert.
Angesichts der Tatsache, dass das BRN-Grundlagenpatent im Jahr 2008 erteilt wurde und erst 2013 Peter Vander Made's wissenschaftliches Theorem, wie es in diesem Artikel beschrieben wird, sowie eine Vielzahl anderer wichtiger Überlegungen, von denen nicht zuletzt die Produkte auf dem Markt sind und von Cisco, Safron und Rockwell Collins Mr. DiNardos Aussage, BRN habe "einen ziemlich guten Zaun um unsere IP", ist sehr lobenswert.
Ob ich "ganz narzisstisch darüber hinweggegangen bin", kann ich nicht kommentieren, denn ein Narziss zu sein, würde es mir per definitionem unmöglich machen, zu begreifen, dass ich tatsächlich narzisstisch bin. (By the way this is a narcissus' joke.)
Peter stellt auf der 24. Midwest Artificial Intelligence and Cognitive Science Conference vor.
New Albany, Indiana, 14. April 2013. Peter stellte heute auf der Midwest Artificial Intelligence and Cognitive Sciences Conference in Louisville, Kentucky, seinen Synthetic Neuro-Anatomy Chip für Anwendungen der Künstlichen Intelligenz vor. Während andere Vorträge sich auf mathematische Methoden konzentrierten, um Muster aus komplexen Datensätzen zu extrahieren, konzentrierte sich sein Vortrag auf strukturelle Fehler in traditionellen Technologien der Künstlichen Intelligenz und wie man diese Probleme mit neuen Technologien überwinden kann.
Der Fokus auf Intelligenz ist in der mathematischen Analyse verloren gegangen, die dazu dient, Muster aus Datensätzen zu extrahieren. Die Bedeutung des Wortes"Intelligenz" wurde auf etwas verwässert, das weitaus weniger ist als die ursprüngliche Absicht. Intelligentes Verhalten kann durch eine solche Analyse niemals erzeugt werden. Was heute als"Künstliche Intelligenz" bekannt ist, sollte als"Computational Analysis and Control" klassifiziert werden. Genetische Algorithmen' wurden einst als der Weg zur Intelligenz gefeiert, haben sich aber als nichts anderes erwiesen als Optimierungswerkzeuge, die lose auf einem evolutionären Modell basieren. Nach 70 Jahren Forschung und Entwicklung ist das menschliche Gehirn nach wie vor das einzige Beispiel für ein intelligentes System. Es ist an der Zeit, zur ursprünglichen Absicht der Künstlichen Intelligenz zurückzukehren und das Gehirn zurückzuentwickeln, um das Streben nach Intelligenz wieder in die Künstliche Intelligenz zu bringen.
Computer haben es schwer, die Funktionen des Gehirns nachzuahmen. Ein Supercomputer wie der IBM Blue Gene /P kann nur einen Bruchteil davon emulieren. Eine Simulation von 1,6 * 109 Neuronen und 8,87 * 1012 Synapsen läuft 643 mal langsamer als in Echtzeit. Das sind 0,155% der Leistung des Gehirns bei 0,5% seiner Kapazität. Es verbraucht 100.000-mal mehr Energie und ist mehr als 1000-mal so groß wie das Gehirn. Peter erklärte: "Je größer die Unterschiede in der Architektur sind, desto größer ist die Komplexität, ein Computersystem auf ein anderes Computersystem zu emulieren". Mit anderen Worten, die Komplexität der Software steigt linear mit den Unterschieden. Das Gehirn ist ungefähr so verschieden von einem Computer, wie es sein kann. Daher ist es unendlich aufwendig, die Funktion des Gehirns auf einem Computer nachzuahmen.
Peter begann seinen Vortrag, indem er die Unterschiede zwischen Gehirnarchitektur und Computerarchitektur hervorhob. Das Gehirn hat weder Prozessoren noch einen Adressbus. Die multiplen Datenbusse des Gehirns sind das Äquivalent von Millionen von Bits breit. Jede Zelle im Gehirn hat Synapsen, die elektrochemisches Analoggedächtnis sind. Hunderte von Terabyte Speicherplatz sind im Gehirn verteilt. Dieser Speicher wird direkt von Millionen von Eingangsimpulsen angesprochen und bildet einen riesigen assoziativen Speicher. Synapsen sind überall, also ist das Gedächtnis überall.
Wenn das Gehirn gebildet wird, baut DNA das Gerüst für das Lernen, das stattfinden soll. Fast alles, was wir tun und sagen, ist gelernt. Dies zeigt sich in den Gehirnen eineiiger Zwillinge, die die gleiche DNA besitzen. Das connectome des erwachsenen Gehirns solcher Zwillinge ist unterschiedlich und beweist, dass DNA nicht für seine Verdrahtung verantwortlich ist.
Peter fuhr dann fort, zwei kurze Videoclips zu zeigen. C3PO (Starwars), Rosie (The Jetsons), Andy (iRobot) und R2D2 sind nur Fantasien, aber könnte eine solche Robotertechnologie Realität werden? Der nächste Videoclip zeigt einen Toshiba-Roboter, der eine einfache Melodie auf einer Geige spielt. Der Roboter spielt diese einfache Melodie in der ersten Position und in der offenen Saite, was einen Geiger nicht beeindruckt (Peters Frau spielt Geige und einige andere Instrumente). Der Roboter ist im Grunde genommen eine CNC-Maschine, die so programmiert ist, dass sie die Bewegungen ausführt, die die Melodie spielen. Es ist nicht intelligent. Um genügend Rechenleistung zu haben, um komplexes Verhalten zu erzeugen, wie es in den Filmen zu sehen ist, müsste ein Computer etwa 4000 mal schneller sein als der schnellste Supercomputer.
Peter stellte dann seine neueste Erfindung vor, einen Schaltkreis, der die Aktionen einer Gehirnzelle perfekt nachahmt. Er sagte: "Die Lösung, die wir gefunden haben, ist kein Computer im herkömmlichen Sinne. Stattdessen handelt es sich um eine synthetische Neuroanatomie, die der Kleie nachempfunden ist und die Funktionen von Gehirnzellen und deren Speichermethode in etwa 8000 binären Logikgattern simuliert.
Das Design wurde in einem FPGA-Chip getestet und es hat sich gezeigt, dass es nicht programmiert, sondern gelernt hat, eine bestimmte Aufgabe zu erfüllen. Wenn 10.000 dieser künstlichen neuronalen Zellen auf einem einzigen Chip platziert werden, entsteht eine kompakte, energieeffiziente Hirnemulator-Komponente, die entweder im Stand-Alone-Modus oder als Koprozessor für einen Mikroprozessor verwendet werden kann. Es ermöglicht erstmals eine Echtzeit-Hirnemulation, auch auf kleinen PCs. Ein vollständig trainiertes Gerät enthält ein"Trainingsmodell", das über die Mikroprozessorschnittstelle in eine Bibliothek kopiert werden kann. Der Aufbau solcher Funktionsbibliotheken bietet einen Wachstumspfad, der schließlich zu intelligenten Robotern führen wird.
Das Bauteil kann in der Prothese, zur Verbesserung der Spracherkennung, in medizinischen Implantaten, in autonomen Robotern, als Koprozessor in Gaming-PCs und in vielen anderen Werkzeugen, die die sofortige Erkennung von erlernten Mustern erfordern, eingesetzt werden. Es eröffnet eine neue Ära des kognitiven Rechnens und ist vielleicht der bedeutendste Durchbruch des 21. Jahrhunderts.
Peter hat die Entwicklung und die biologische Basis seiner Erfindung in seinem neuen Buch "Higher Intelligence" beschrieben, das als E-Book oder Taschenbuch erhältlich ist.
Übersetzt mit www.DeepL.com/Translator
Ich persönlich bin inzwischen /derzeit der Meinung, dass BRN zwar nicht unbedingt in 2018, aber in etwa fünf Jahren, wenn der HypeCycle vorüber ist, seinen Bereich dominieren wird - und der wird nach meinem derzeitigen Kenntnisstand nicht gering sein.
DeepLearning ist inzwischen massentauglich und ausgereift, weswegen der HypeCycle hier theoretisch ausbleiben bzw, schon übersprungen werden könnte...
Es ist tatsächlich so, dass BRN 2008 das erste grundlegendste Patent zum HardwareChip anmeldete.
Die Risiken sehe ich auch bei den Chinesen wegen Patentrechtsverletztungen und der augenscheinlichen Tatsache, dass dieser Chip nicht wirklich kompliziert aufgebaut ist - sein technischer Vorteil, der ihm zum Durchbruch in vielen Anwendungsbereichen ausserhalb der DeepLearning-Szenerie verhelfen sollte.
Und da er nicht zwingend programmiert werden muss, wie im DL mittels Metadaten durch Algorithmen üblich, welches ja durch die BigData-Flut erst massentauglich handlebar wurde - obwohl theoretisch schon mehrere Jahrzehnte alt,
hat er mehrere Vorteile gegenüber der programmierbaren und energie/ datenhungrigen Software-Variante.
Mal sehen, was die Großen wie Google, IBM, Intel, Samsung, Groq etc. in 2018 anzubieten haben...
Sofern sich die Konkurrenz also nicht etwas Besseres einfallen lässt, steht BRN ganz gut da.
D.h., Sitzfleisch ist hier angesagt.
Hier nun eine Übersetzung eines HC-Users - FactFinder, welcher etwas nachgeforscht hat zu den Patenten etc.
P.S.
Die Übersetzung wurde von DeepL erstellt, welches um Längen besser und schneller ist, als googleTranslate.
Und das Unternehmen hat dt. Wurzeln...
DeepL ist mir bei der Recherche nach News zum Bereich KI das erste Mal vor nicht einmal 2 Wochen über den Bildschirm gelaufen:
Ich akzeptiere, dass ich überreagiere auf Dinge, die ich in diesem Fall für wichtig halte, den Schutz des geistigen Eigentums von BRN.
In dieser neuen Welt, die sich entwickelt, ist jeder von einer Verletzung des geistigen Eigentums bedroht, wenn man bedenkt, dass China den Rest der Welt in diesem Bereich überhaupt nicht respektiert. Doch richtig gefundene Patente in den entwickelten Ländern sind immer noch vollstreckbar und die schlichte Tatsache, dass ein Unternehmen viel Geld hat, bedeutet nicht, dass sie sich über das Gesetz hinwegsetzen können. Ich bin sicher, dass Ihnen bekannt ist, dass Ubers Bullshit-Position, dass es sich irgendwie nicht um einen Taxidienst handelte, weil er im Cyberspace operierte, trotz seines Reichtums und der Qualität seiner Anwälte endgültig rückgängig gemacht wurde.
Eines der ersten Dokumente, die ich las, als ich BRN recherchierte, war ein Analystenbericht, und sein Hauptrisikofaktor für Investoren in BRN war, ob BRN in der Lage sein würde, seine IP richtig zu umzäunen.
Deshalb habe ich viel Zeit damit verbracht, mich mit diesem Thema zu beschäftigen, und obwohl ich kein Patentanwalt bin, hat BRN meiner Meinung nach alles Notwendige getan, um sein geistiges Eigentum zu schützen. Offensichtlich, wie Sie betonen, kann es sein geistiges Eigentum nicht schützen, es sei denn, es wird verletzt, und es kann durchaus sein, dass Loihi auf einem völlig anderen wissenschaftlichen Prinzip beruht, und da ich ursprünglich erklärt habe, wie ähnlich ihre Ansprüche sind, wird es interessant sein, wenn sie versuchen, ein Patent zu erwirken, was das Ergebnis einer solchen Anmeldung sein wird.
Das geistige Eigentum von BRN ist revolutionär, und ich möchte den folgenden Artikel aus dem Jahr 2013 jedem empfehlen, der sich für dieses Thema interessiert.
Angesichts der Tatsache, dass das BRN-Grundlagenpatent im Jahr 2008 erteilt wurde und erst 2013 Peter Vander Made's wissenschaftliches Theorem, wie es in diesem Artikel beschrieben wird, sowie eine Vielzahl anderer wichtiger Überlegungen, von denen nicht zuletzt die Produkte auf dem Markt sind und von Cisco, Safron und Rockwell Collins Mr. DiNardos Aussage, BRN habe "einen ziemlich guten Zaun um unsere IP", ist sehr lobenswert.
Ob ich "ganz narzisstisch darüber hinweggegangen bin", kann ich nicht kommentieren, denn ein Narziss zu sein, würde es mir per definitionem unmöglich machen, zu begreifen, dass ich tatsächlich narzisstisch bin. (By the way this is a narcissus' joke.)
Peter stellt auf der 24. Midwest Artificial Intelligence and Cognitive Science Conference vor.
New Albany, Indiana, 14. April 2013. Peter stellte heute auf der Midwest Artificial Intelligence and Cognitive Sciences Conference in Louisville, Kentucky, seinen Synthetic Neuro-Anatomy Chip für Anwendungen der Künstlichen Intelligenz vor. Während andere Vorträge sich auf mathematische Methoden konzentrierten, um Muster aus komplexen Datensätzen zu extrahieren, konzentrierte sich sein Vortrag auf strukturelle Fehler in traditionellen Technologien der Künstlichen Intelligenz und wie man diese Probleme mit neuen Technologien überwinden kann.
Der Fokus auf Intelligenz ist in der mathematischen Analyse verloren gegangen, die dazu dient, Muster aus Datensätzen zu extrahieren. Die Bedeutung des Wortes"Intelligenz" wurde auf etwas verwässert, das weitaus weniger ist als die ursprüngliche Absicht. Intelligentes Verhalten kann durch eine solche Analyse niemals erzeugt werden. Was heute als"Künstliche Intelligenz" bekannt ist, sollte als"Computational Analysis and Control" klassifiziert werden. Genetische Algorithmen' wurden einst als der Weg zur Intelligenz gefeiert, haben sich aber als nichts anderes erwiesen als Optimierungswerkzeuge, die lose auf einem evolutionären Modell basieren. Nach 70 Jahren Forschung und Entwicklung ist das menschliche Gehirn nach wie vor das einzige Beispiel für ein intelligentes System. Es ist an der Zeit, zur ursprünglichen Absicht der Künstlichen Intelligenz zurückzukehren und das Gehirn zurückzuentwickeln, um das Streben nach Intelligenz wieder in die Künstliche Intelligenz zu bringen.
Computer haben es schwer, die Funktionen des Gehirns nachzuahmen. Ein Supercomputer wie der IBM Blue Gene /P kann nur einen Bruchteil davon emulieren. Eine Simulation von 1,6 * 109 Neuronen und 8,87 * 1012 Synapsen läuft 643 mal langsamer als in Echtzeit. Das sind 0,155% der Leistung des Gehirns bei 0,5% seiner Kapazität. Es verbraucht 100.000-mal mehr Energie und ist mehr als 1000-mal so groß wie das Gehirn. Peter erklärte: "Je größer die Unterschiede in der Architektur sind, desto größer ist die Komplexität, ein Computersystem auf ein anderes Computersystem zu emulieren". Mit anderen Worten, die Komplexität der Software steigt linear mit den Unterschieden. Das Gehirn ist ungefähr so verschieden von einem Computer, wie es sein kann. Daher ist es unendlich aufwendig, die Funktion des Gehirns auf einem Computer nachzuahmen.
Peter begann seinen Vortrag, indem er die Unterschiede zwischen Gehirnarchitektur und Computerarchitektur hervorhob. Das Gehirn hat weder Prozessoren noch einen Adressbus. Die multiplen Datenbusse des Gehirns sind das Äquivalent von Millionen von Bits breit. Jede Zelle im Gehirn hat Synapsen, die elektrochemisches Analoggedächtnis sind. Hunderte von Terabyte Speicherplatz sind im Gehirn verteilt. Dieser Speicher wird direkt von Millionen von Eingangsimpulsen angesprochen und bildet einen riesigen assoziativen Speicher. Synapsen sind überall, also ist das Gedächtnis überall.
Wenn das Gehirn gebildet wird, baut DNA das Gerüst für das Lernen, das stattfinden soll. Fast alles, was wir tun und sagen, ist gelernt. Dies zeigt sich in den Gehirnen eineiiger Zwillinge, die die gleiche DNA besitzen. Das connectome des erwachsenen Gehirns solcher Zwillinge ist unterschiedlich und beweist, dass DNA nicht für seine Verdrahtung verantwortlich ist.
Peter fuhr dann fort, zwei kurze Videoclips zu zeigen. C3PO (Starwars), Rosie (The Jetsons), Andy (iRobot) und R2D2 sind nur Fantasien, aber könnte eine solche Robotertechnologie Realität werden? Der nächste Videoclip zeigt einen Toshiba-Roboter, der eine einfache Melodie auf einer Geige spielt. Der Roboter spielt diese einfache Melodie in der ersten Position und in der offenen Saite, was einen Geiger nicht beeindruckt (Peters Frau spielt Geige und einige andere Instrumente). Der Roboter ist im Grunde genommen eine CNC-Maschine, die so programmiert ist, dass sie die Bewegungen ausführt, die die Melodie spielen. Es ist nicht intelligent. Um genügend Rechenleistung zu haben, um komplexes Verhalten zu erzeugen, wie es in den Filmen zu sehen ist, müsste ein Computer etwa 4000 mal schneller sein als der schnellste Supercomputer.
Peter stellte dann seine neueste Erfindung vor, einen Schaltkreis, der die Aktionen einer Gehirnzelle perfekt nachahmt. Er sagte: "Die Lösung, die wir gefunden haben, ist kein Computer im herkömmlichen Sinne. Stattdessen handelt es sich um eine synthetische Neuroanatomie, die der Kleie nachempfunden ist und die Funktionen von Gehirnzellen und deren Speichermethode in etwa 8000 binären Logikgattern simuliert.
Das Design wurde in einem FPGA-Chip getestet und es hat sich gezeigt, dass es nicht programmiert, sondern gelernt hat, eine bestimmte Aufgabe zu erfüllen. Wenn 10.000 dieser künstlichen neuronalen Zellen auf einem einzigen Chip platziert werden, entsteht eine kompakte, energieeffiziente Hirnemulator-Komponente, die entweder im Stand-Alone-Modus oder als Koprozessor für einen Mikroprozessor verwendet werden kann. Es ermöglicht erstmals eine Echtzeit-Hirnemulation, auch auf kleinen PCs. Ein vollständig trainiertes Gerät enthält ein"Trainingsmodell", das über die Mikroprozessorschnittstelle in eine Bibliothek kopiert werden kann. Der Aufbau solcher Funktionsbibliotheken bietet einen Wachstumspfad, der schließlich zu intelligenten Robotern führen wird.
Das Bauteil kann in der Prothese, zur Verbesserung der Spracherkennung, in medizinischen Implantaten, in autonomen Robotern, als Koprozessor in Gaming-PCs und in vielen anderen Werkzeugen, die die sofortige Erkennung von erlernten Mustern erfordern, eingesetzt werden. Es eröffnet eine neue Ära des kognitiven Rechnens und ist vielleicht der bedeutendste Durchbruch des 21. Jahrhunderts.
Peter hat die Entwicklung und die biologische Basis seiner Erfindung in seinem neuen Buch "Higher Intelligence" beschrieben, das als E-Book oder Taschenbuch erhältlich ist.
Übersetzt mit www.DeepL.com/Translator
Ein Interview kopiert von HC.
Keine genauen Daten...
Lou DiNardo is the CEO of BrainChip Holdings (ASX:BRN), an ASX listed company. He’s talking to us from Newport Beach, California where BrainChip has one of its offices; its Head Office I guess you’d have to say is in San Francisco and it’s got an office in Toulouse, France, and it listed on the ASX through a backdoor listing back in 2015.
I only learnt this at the end of the interview with but Lou, that BrainChip is the only pure play artificial intelligence listed company in the world. All of the AI companies otherwise, of which 140 were sold last year as a matter of fact, are all venture capital based and they’re not listed. He says it’s the only way to invest in a pure play AI company as a small investor on the stock exchange and it happens to be on the ASX.
It’s basically a hardware AI business, no software, which is profoundly important I think because it basically is a chip company. They make a chip that tries to emulate the way the brain works with neurons and synapses. The thing that was invented and patented by Peter Van Der Made, who’s an American guy who spent a lot of time in Australia. He came up with this way of copying the way the brain works in a chip, which reduces the amount of energy and reduces the amount of data that the chip needs to get in order to draw conclusions.
Basically it learns on the run, as the brain does, and it’s a really interesting business. They’re focusing at the moment on surveillance in casinos, railway stations, for police forces and so on, they’re starting to make sales that way. But I think there’s a lot of potential here. One of the questions I asked him was whether they can mine bitcoins with the thing and do it without using so much energy. He then went off into a long rave about that which was interesting, and also the question of how the BrainChip product works with quantum computing which he says is also quite huge.
I think this is a very, very interesting, possibly exciting business. They’ve just done a big capital raising last year, about $20 million dollars, and more importantly in some ways, they brought in a whole lot of Australian institutions onto the share registry. Now it’s institutionally held and it’s fully funded. They’ve done a series of capital raisings now, raised about $30 million and he says they’re now fully funded to break even which is good news. The stock’s about 20 cents and a really interesting little business.
Here’s Lou DiNardo the CEO of BrainChip Holdings.
Lou, I’m speaking to you from Newport Beach in California. Is that where the company is based or is it based in San Francisco, in Australia, or where is it based?
Yeah, the company is listed on the ASX, so certainly we have a big footprint and presence with the institutional and retail or individual investors in Australia. What we call our Head Office where myself, our CEO/CFO, Ryan Benton, as well as Senior Vice President of Marketing reside in San Francisco. We have two design centres, one is in Aliso Viejo, where you’re speaking to me from just outside of Newport Beach. We have about 14 employees here. They fundamentally do hardware design and then our founder, Peter Van Der Made as well as a couple of research scientists are here. Then we have our Toulouse facility, Toulouse, France, which is Southern France just at the foot of the Pyrenees Mountains. We another 13 or 14 people there that do algorithm development as well as software. We’re spread around wherever we can find the talent, but I think those are three primary physical locations. Of course, Australia’s always top of mind to us because that’s where our investors are.
Why are you listed on the ASX? Is it become the founder, Peter Van Der Made, spent some time in Sydney?
He’s frankly spent some time all over Australia. I know he was in Sydney, I think he was in Melbourne, I know he was in Brisbane. But he spent a lot of his time in Perth, out in Western Australia. He was teaching neuroscience at the University of Curtin. The reason for the ASX listing, it’s interesting as I’m sure you have kind of followed how technology companies get funded during their formative years. Peter had a prior company, a company called VCIS, which was Venture backed by Silicon Valley venture capitals. Built the company to be a very successful company. It was early stages of what we would call cyber security or malware protection.
When he sold the company the venture capital guys go through subsequently several rounds of funding, they took more and more ownership and at the end of the day they took the very much lion’s share of the proceeds from the transaction. Peter has had a passion for BrainChip for the better part of a decade or more. He sees it as a big idea, as do I and that’s why I joined the company. There was a reverse takeover of a mining – I guess you would call it resources company Asiana in September of 2015. Peter decided, you know what, I’m going to put this out in the public market and let public market investors enjoy the upside during that RTO in September ’15, AUD$4 million was raised, gave Peter enough capital to put a team together.
You can rent the offices here in Aliso Viejo and take what was in his head, what he really has a passion for in mimicking how the human brain works in Silicon, take it from his head to paper. It was an innovative and unique idea, at least from the standpoint that those of us who have grown up here in Silicon Valley went back to the market in April of ’16, raised another $4 million. That got him from paper to a piece of silicon, in what we call an FPGA, a programmable [6:54.2] silicon yet, but you know, emulate in an FPGA. That worked exceedingly well. Recognised at that point, having a neural network in Silicon, synthetic synapse and synthetic neurons, it’s great, it was a great achievement.
But you do need a kind of turnkey or full solution to demonstrate to customers that it actually works. So if you fast-forward from April ’16 to September ’16, the company acquired a company in Toulouse, France, called Spikenet. Spikenet also uses a spiking neural networks. They happen to do it in software, so simulated in software, and Peter and Anil, his co-founder, Anil Mankar who’s also here in Aliso Viejo. They acquired Spikenet with the intention of integrating the Spikenet simulated algorithms as well as use case where application level into an FPGA that could then be marketed, demonstrate proof of life and get marketed.
It was interesting that what they found in Spikenet was a very similar thinking about how to do neural more for computing with a spiking neural network which is much different than much of what you read about or hear about in the artificial intelligence. But they hard marquee customers. They had them marketing their software simulation to the equivalent of the Department of Homeland Security in France, the Paris Police Force, the Bordeaux Airport. Rockwell Collins, Saffron – really world class companies. The software and algorithms were battle hardened and the effort then from – I joined in late September, September 29th of 2016, and we took the next 6 months and basically integrated the software into a new silicon solution.
So, I suppose the essence of BrainChip in a way is the conversion of that kind of spiking software into hardware. You’ve got a hardware solution for what’s usually a software solution in fact?
That’s exactly right and we call it an accelerator. We took when I joined in in late September of ’16. Early October, we went out and raised another AUD$5.4 million dollars. It was done through a private placement. I think it was the first week of October in 2016. Then we took that capital and we took the software simulation of the spiking neural network, the algorithms and the application layer which allows people to interface. The guys at the police department, the law enforcement folks, they’re no scientists, they want a user interface. They want to be able to highlight a suspect and then, you know, whether it’s forensically look back at videos that are stores or sometimes in real time with live feeds. The real strength in vision systems, the real strength to the spiking neural network, without going into a whole bunch of the technical nuances, is that just like the human eye and your ability to process information in your brain.
We can work on very poor images, so low resolution cameras, dark environments. If you think about the Paris subway system as an example, those cameras are 20-25 years old. They’re melted in horrible places, it’s dimly lit and we can extract a face so we do facial protection. We extract to that image, we turn it into a spike map which is the same electrical impulses that your brain would receive from your ocular nerve. Then we can match that against a known set of terrorists. That’s fundamentally what we did…
I have trouble getting my head around how you can have artificial intelligence in hardware rather than software. That is a real jump, it seems to me.
It is a real jump and gosh, I’ve been doing semiconductor hardware for 35 years. I retired in October at 2015, has no intention of going back to work but when I got called and I met Pete I had the same chasm that I had to get over, but once you have the digital or synthetic synapse architecture thought through. Then the synthetic neuron – basically it’s digital logic. We put down a bunch of registers, they act like synapse, those registers dish data off to what we call neurons and all those synapse are all connected to all the neurons. Everything’s parallel processed.
If you run our software, which was the Spikenet software, now we call it BrainChip SAS. If you run that software on a server and let’s say you’re getting high definition feeds. You’re getting a minimum of 1080p and you’re getting 30 frames per second. The software on a high end intel processor can do maybe five channels simultaneously. If you run it on our hardware you can get somewhere between 16, maybe even 20 or 24 channels through the same server. We don’t do anything different, we put the same architecture that was simulated. We put it down in digital logic but because of the way we can do it in hardware, it’s something that’s five or six times faster than running the software on a CPU or even an Nvidia GPU and we can reduce the power by a factor of 10.
I was going to say, do you use much less energy as well?
It’s enormously less energy. If you run the software on, let’s say and Nvidia CPU or even an Intel CPU, you’re going to burn somewhere between 200-300 watts of power. To put that in its context, take a 100 watt light bulb, put two or three of them in a briefcase which is the size of a server and you’ll just see the thing melt down. The amount of heat dissipation is enormous. When you get into high-end GPUs they’re at least actively cooled with a fan and a heat [sink [13:34.8]. Sometimes they’re actually water cooled, where they’re putting cold water through the heat sink to keep things cold.
Our chip itself runs at 10 watts. We put it on a board, so it’s a plug in card into a server, and the entire card runs 35 watts. So, it’s something in the order of 10 times less power, 6 times the speed and frankly delivers on a promise for being able to extract an image that otherwise any traditional vision system or even a deep learning system just simply couldn’t do. That’s what the folks in Departments of Homeland Security and the police forces love about the product. It’s easy to use, able to extract an image from very poorly lit and low resolution environments. It’s very fast and it’s very low power.
A random thought just popped into my head. Could you mine bitcoins more cost effectively and without using so much energy? Would your chip do that better?
Well, it’s a really good question – and I always hate saying it’s a good question because I know that’s why you asked it. The difference between computing, and even in a GPU or a CPU, because we work like the brain, we’re not doing math. Your brain doesn’t really do 1 plus 1 equals 2. Your brain has a spike math that recognises I learned this when I was a kid, 1 plus 1 equals 2. We don’t do computation. That’s why it’s extremely low power. What we could do in crypto or just blockchain generally, we will never be the solution to calculate the transaction, 1 plus 1 equals 2. What we can do and what the technology is exceptional at is recognising competing patterns.
So as this crypto environment matures or blockchain more generally, because it’s not just with respect to currency, blockchain is being applied to many other avenues as well, is we can recognise repeating patterns. We could do that for Blockchain and we could say, if there was a very high density of transactions with a very similar pattern being executed, we could do it for cyber security where we could recognise patterns for denial of service attacks, malware attacks.
More generally, harkening back to crypto, fintech or financial technology generally. High frequency trading patterns, people want to know what those patterns are so they can forecast what their future transaction should be or they want to intersect somebody else that’s trying to do exactly the same thing. So, the technology is not about compute, it’s about recognising repeating patterns.
Just before we get onto some other matters, another thought that occurs to me is, what if we could combine your technology and Peter’s ideas with quantum computing?
That could be huge. There’s always going to be kind of a side by side environment. Even if we look at today, some of our engagements because of this ability to do vision exceptionally well – we’re being approached by major automobile manufacturers around the world. Detroit, Germany… Again, we’re never going to do the compute, we’re going to recognise very quickly and very efficiently a pattern. So, we likely will sit side by side during the short to mid term, we’ll sit side by side with a CPU or a GPU, they’ll be crunching numbers and we’ll be functioning like a brain doing the thinking…
But Lou, it just seems to me, just thinking about it, I mean the computing thing that CPUs do and have always done, and in fact the whole history of computing up to now has been an attempt to in a sense, replicate what the brain does, but to do it through computing. As you point out, that process of computing in order to replicate thinking is not really a good way to go about it. It just seems to me, studying your business and studying what Peter has thought of, what you do is much closer to how the brain operates, right?
What you have – and I guess a good slide in our investor deck – to date, for the last 50 years, everything we’ve done in digital electronics is based on what we call the von Neumann Architecture. A guy named von Neumann, I believe it was in the late 40s – I’d have to be corrected on that – it’s all serial processing. It’s instruction, fetch data from memory, process instruction, fetch data, process instruction, fetch data, process… And we’ve gotten away with that for 50 years because we’ve been able to follow Moore’s Law – logic gets smaller and smaller faster and faster… Intel CPUs, even in a laptop, are now running at 4 GHz clock speeds. That’s 4 billion cycles per second. So we’ve gotten away with kind of not mirroring what the brain does but trying to reinvent how we could process and come up with some other conclusions.
Peter’s view of it is that in order to advance our true artificial intelligence you need to process in parallel, just like the brain does, all of your synapse, all of the same electrical charges at all times. They get excited and the ones that get excited first and what we call intensity and temporal integrity, so they’re excited to a large extent and it lasts for a long period of time – long being fractions and fractions of a second. It fires off, it goes to a neuron and if enough of the same synapse are seeing the same event, that neuron gets excited and you go through – when we talk about layers, that’s when you go through layers of the neural network. Is it three layers, is it five layers? The human brain probably operates on seven layers.
The challenge with what’s gone on to date – and there’s been great use cases where it’s absolutely appropriate, but as people jump out of von Neumann serial processing and they’ve moved into convolutional neural networks, CNNs, or DNNs, there’s a whole variety of things. They still let themselves processing in a computing fashion, everything’s done mathematically. The spiking neural network doesn’t do that, the first thing we do is we convert every input that we see and it could be data from a stock transaction, it could be a visual input from a standard pixel based camera. First thing we do is we turn it into spikes. When you go to spikes you need a small fraction of the information.
We have a really cool demo where we fire up a video and it looks like a noisy screen, just looks like a bit of white noise. Then we start to pixelate and fill it in. The average human being – and I’ve done this for hundreds of people now, within 5 or 10% of the data your brain recognises what the image is. You’ll know it’s an eagle or it’s a fox or it’s a train. If you’re doing that in a computing architecture, before you could make your decision and move on, you’d have to get 100% of the data. When people ask, how can you be faster than an Nvidia CPU? It’s because we only need 5% of the data. At 5% of the data the synapse triggers or fires and it sends the information off to the neuron.
So you’re right, we’re moving into an entire – this is probably the most disruptive technology I’ve seen in 35 years and I’ve worked for some of the best semiconductor companies in the world. They started in devices, went to linear technology… I came back to work because this is just darn exciting.
Tell us about sales you’ve made.
We introduced our first commercial product on – let me get my dates right – July 17th. That was the software. When I joined in September of ’16 it was clear that the Software that had been developed by the Spikenet team was really kind of customised, it had a little bit here for this customer and a little bit there. We decided to retrench and what we call refactor the software, bring it all up to kind of current code, make it very user friendly. We introduced on July 17th, the software and then on September 10th we introduced the software accelerator where we ported the software to the hardware. Historic sales, call it $1 million bucks or less US. We don’t publish or forecast…
But have you made any sales at all?
Oh yeah, we have. We’ve had recurring revenue with the Paris Police Force. I’ll use US language because I can’t speak French, their Department of Homeland Security. We’ve got installations at the Paris Police Force, the Paris department of homeland security. They continue to buy products. We’re installed at the Bordeaux airport. We do perimeter intrusion. If people hop over a fence or go near an airplane when they’re not supposed to, we do that pattern recognition. We’re live in one casino. It’s interesting that when the casinos figured out that we can recognise a pattern off of a junk old camera 3 metres up or 5 metres up, they engaged us to basically count cards in casinos, who won, who lost, did the deal get paid off properly or not?
So your processes can count cards?
Yeah, we can count cards and chips, from the eye in the sky. 5 metres up we can recognise an ace, a king, a queen… There’s an application. We collaborate with someone that knows the casino industry because we don’t want to have to be calling on casinos. But yes, we have a product called Game Outcome – ace, king, queen, 2, 3, 4, she won, he lost, did the dealer moved the chips in the right direction so that it got paid off properly or not? That’s called Game Outcome. Game Statistics takes the same data and said, ‘John sat at the table for four hours, he played 72 hands, he won 30 and he lost 40 – maybe we should comp him dinner and try and keep him in the casino.’
The casino operators give away a whole lot of money and one large casino engagement we have in Las Vegas said directly to me that they give away $30 million dollars a year US in complementary services, show tickets, rooms and dinners.
But only to losers, right?
Well, their own estimate was 50% goes to the wrong people because they don’t know. They don’t have any analytics. They got a pit boss with a scratch pad trying to walk around and keep up with it and people have player cards but they’re all swapping player cards. Now we give them real time analytics and eventually that will be attached to facial recognition which is one of the strong suits, so not only do we know it was a player at spot number one, we’ll actually know which player it was and when he gets up and he goes to another table, we’ll figure that out as well.
At this point it’s about vision. I don’t want to miss one major point, and that’s about vision, because it’s one of the most straight forward applications and areas to apply to technology. We’ve got great traction, got a great customer base. The products really only came out in the 3Q17. The development that we’re working on now, we came back to the market again in November and we raised AUD$19.5 million. Frankly, it was well over-subscribed. We have capacity limitations as to how many shares we can issue, but we raised $19.5m which is all still sitting on the balance sheet.
But we have launched a product development we call Akida. Akida happens to mean spike in Japanese. It is a next generation standalone neural processor, we call it an NSOC, which is a neuromorphic system on a chip. This will really be I think the world’s first truly and fully integrated neuromorphic processor. It might sound audacious, but yes, it’s going to compete with Intel, it’s going to compete with IBM, it’s going to compete with Nvidia. We have the neural networking core which is our next generation architecture and learning rules. We have that up and running coming out of research going into development.
We expect to have it emulated in an FPGA sometime around mid-year and we’re going to go into building our own integrated circuit some time late in F18. So, we’re moving from an FPGA which it works and it’s a great way to get to market. It’s not the most cost effective way to get to market. It certainly doesn’t give you the lowest power or the highest speed or the greatest density. It’s great for what we have in vision systems. But he Akida development is really the future of the company.
Can we just talk about cash now…?
Sure.
As you say, you raised some cash last year and it seems to me what you did then was relatively transformative, not just in the cash you raised, but also the institutional shareholders that you brought onto a register. But it does seem to me that before that you were about to run out of money. According to the September Q you were burning about $2 million a quarter and you had less than $5 million in the banks. So, as we say in Australia, you were on the bones of your a at that point.
[Laughs] Yes, it’s a fine line as to when you go out and raise the cash. I wanted to get the commercial product up into the marketplace. I wanted to be able to speak to them, I wanted to be able to speak with the opportunity and the customers that we were engaged with. The Australian market is extremely receptive to this story. When you think about real technology companies that have – I mean this in a good way – that also have a centre of gravity that’s in Silicon Valley with very seasoned Silicon Valley executives running the company. We have half of our board in Australia, we have half of our board in the US with independent directors. Yeah, we take it up to the wire. We were close, we were close…
Yeah, you were close.
We knew there was demand and you’re right, I think two important things which you just touched on, we are fully funded now. We have enough capital to build our revision system with our BrainChip studio product and the accelerator hardware. It’s also enough capital to get us through the development of the IC. It puts shareholders’ mind at ease with respect to when’s the next capital raise? Well, you know what, we have enough capital. And as you said, maybe as important or maybe more importantly, we have changed the composition of the shareholder register. I think we brought in 21 new institutional investors. I’m not allowed to name names…
Are they Australian institutions or American?
No, at this point they’re all Australian. I decided not to bring it to the US market yet. There’s such an appetite in Australia. And again, we were way, way over-subscribed and the institutions that came in, you know, they’re dominant names. Names that everybody knows, loves and trusts. There’s long term holders, you know, you’re not flipping in and out of the stock. I mean, there’s always some that do. But between us I’ve done three raises since I joined in September. I did one in October of ’16, I did one in May of ’17 and one in November of ’17. Got us fully funded and I think we’ve probably added 30 institutions.
The capital structure remains interesting, and again this harkens back to one of your first questions about why do a back door listing? Peter Van Der Made and Anil and at the time the CEO, he had to leave for personal health reasons. There were meaningful investors in Asiana which was the target of the RTO. Primarily Metals X and then some syndicate around Metals X. Between those five or six shareholders, they’re something around about 65% of the stock. It’s highly concentrated in long term investment. Metals X has been very, very loyal. Of course Peter, Anil and Robert Mitro, the former CEO, if you looked at some of our press releases, when you do a reverse takeover there’s a mandatory – I think it’s an ASX listing requirement – there’s a mandatory two year escrow period on any of the shares that are part of the RTO.
On September 22nd I think it was 361 million, it was well over 350 million – I think it was 361 million shares came out of escrow. I happened to be in Australia at the time, not raising money but just talking to institutional investors and everybody was a little skittish. All of a sudden there’s 360 plus million shares that hit the marketplace that previously couldn’t be traded. So I made five phone calls and I forget what the date was – you could check the ASX press releases. It was just before we raised the money. I think it was probably October 17 – October/early November – made five phone calls to those major shareholders and I put back into escrow I think it was 403 million shares. We actually put back into escrow more shares that came out of escrow.
I saw that in your announcement too, I thought that was amazing! That was really something, that was.
Yeah, it calmed people’s nerves…
You kind of had to do though didn’t you, because you were about to raise $20-30 million bucks?
Yeah, you had to. How can you raise money when you’ve got all this float out there? And none of these people were sellers. I mean I thought I was going to have to put on my salesman shoes and they were literally very, very easy phone calls.
I’m going to have to end soon, but what is the exit strategy? I mean, is the plan to setup an auction between Intel, Nvidia and Qualcomm and see what price you can get or do you think you can eventually become one of them?
I get asked that question a lot and this is my fourth time as a public company CEO, a couple of Nasdaq and one New York Stock Exchange. Frankly, all three of those companies ended up being acquired, but my philosophy is build the best company you can. Build the best products, address the growth markets, drive consistent profitability and let the chips fall where they go. I think, you know, to try to architect a company for an exit in the way of M&A, it’s kind of a fool’s errand. Companies don’t get sold, companies get bought. Those that get sold, they get sold at sub-optimal exits because that’s all they’re saying, all that matters is getting sold.
Our goal is to build a company with an enduring brand, the leader in neuromorphic computing, and is somebody going to come in and put us in play? There was 140 acquisitions of AI companies in 2016. I think the value our share [34:50.8] have is of those 140 which was billions and billions of dollars in consideration, not a single public market investor made a dollar because all of those companies were backed by venture capitalists in the US and they’ve harvested great upside. What I tell our investors is this is your only pure play AI company that’s publicly listed.
Oh is that right? I didn’t realise that. Is that so?
Yeah. You could buy Google, you could buy Tesla, you could buy a whole bunch of AI players, but if you look for a publicly listed pure play AI company, whether it’s ASX, Toronto Exchange, Nasdaq, New York Stock Exchange, there is no pure play AI company for public market investors to put their money into.
And it’s on the ASX, there you go.
Exactly.
Well, it’s been great talking to you, Lou. I have to go but it’s been fantastic, thank you very much for your time.
Thank you very much, any time.
That was Lou DiNardo, the CEO of BrainChip Holdings.
Keine genauen Daten...
Lou DiNardo is the CEO of BrainChip Holdings (ASX:BRN), an ASX listed company. He’s talking to us from Newport Beach, California where BrainChip has one of its offices; its Head Office I guess you’d have to say is in San Francisco and it’s got an office in Toulouse, France, and it listed on the ASX through a backdoor listing back in 2015.
I only learnt this at the end of the interview with but Lou, that BrainChip is the only pure play artificial intelligence listed company in the world. All of the AI companies otherwise, of which 140 were sold last year as a matter of fact, are all venture capital based and they’re not listed. He says it’s the only way to invest in a pure play AI company as a small investor on the stock exchange and it happens to be on the ASX.
It’s basically a hardware AI business, no software, which is profoundly important I think because it basically is a chip company. They make a chip that tries to emulate the way the brain works with neurons and synapses. The thing that was invented and patented by Peter Van Der Made, who’s an American guy who spent a lot of time in Australia. He came up with this way of copying the way the brain works in a chip, which reduces the amount of energy and reduces the amount of data that the chip needs to get in order to draw conclusions.
Basically it learns on the run, as the brain does, and it’s a really interesting business. They’re focusing at the moment on surveillance in casinos, railway stations, for police forces and so on, they’re starting to make sales that way. But I think there’s a lot of potential here. One of the questions I asked him was whether they can mine bitcoins with the thing and do it without using so much energy. He then went off into a long rave about that which was interesting, and also the question of how the BrainChip product works with quantum computing which he says is also quite huge.
I think this is a very, very interesting, possibly exciting business. They’ve just done a big capital raising last year, about $20 million dollars, and more importantly in some ways, they brought in a whole lot of Australian institutions onto the share registry. Now it’s institutionally held and it’s fully funded. They’ve done a series of capital raisings now, raised about $30 million and he says they’re now fully funded to break even which is good news. The stock’s about 20 cents and a really interesting little business.
Here’s Lou DiNardo the CEO of BrainChip Holdings.
Lou, I’m speaking to you from Newport Beach in California. Is that where the company is based or is it based in San Francisco, in Australia, or where is it based?
Yeah, the company is listed on the ASX, so certainly we have a big footprint and presence with the institutional and retail or individual investors in Australia. What we call our Head Office where myself, our CEO/CFO, Ryan Benton, as well as Senior Vice President of Marketing reside in San Francisco. We have two design centres, one is in Aliso Viejo, where you’re speaking to me from just outside of Newport Beach. We have about 14 employees here. They fundamentally do hardware design and then our founder, Peter Van Der Made as well as a couple of research scientists are here. Then we have our Toulouse facility, Toulouse, France, which is Southern France just at the foot of the Pyrenees Mountains. We another 13 or 14 people there that do algorithm development as well as software. We’re spread around wherever we can find the talent, but I think those are three primary physical locations. Of course, Australia’s always top of mind to us because that’s where our investors are.
Why are you listed on the ASX? Is it become the founder, Peter Van Der Made, spent some time in Sydney?
He’s frankly spent some time all over Australia. I know he was in Sydney, I think he was in Melbourne, I know he was in Brisbane. But he spent a lot of his time in Perth, out in Western Australia. He was teaching neuroscience at the University of Curtin. The reason for the ASX listing, it’s interesting as I’m sure you have kind of followed how technology companies get funded during their formative years. Peter had a prior company, a company called VCIS, which was Venture backed by Silicon Valley venture capitals. Built the company to be a very successful company. It was early stages of what we would call cyber security or malware protection.
When he sold the company the venture capital guys go through subsequently several rounds of funding, they took more and more ownership and at the end of the day they took the very much lion’s share of the proceeds from the transaction. Peter has had a passion for BrainChip for the better part of a decade or more. He sees it as a big idea, as do I and that’s why I joined the company. There was a reverse takeover of a mining – I guess you would call it resources company Asiana in September of 2015. Peter decided, you know what, I’m going to put this out in the public market and let public market investors enjoy the upside during that RTO in September ’15, AUD$4 million was raised, gave Peter enough capital to put a team together.
You can rent the offices here in Aliso Viejo and take what was in his head, what he really has a passion for in mimicking how the human brain works in Silicon, take it from his head to paper. It was an innovative and unique idea, at least from the standpoint that those of us who have grown up here in Silicon Valley went back to the market in April of ’16, raised another $4 million. That got him from paper to a piece of silicon, in what we call an FPGA, a programmable [6:54.2] silicon yet, but you know, emulate in an FPGA. That worked exceedingly well. Recognised at that point, having a neural network in Silicon, synthetic synapse and synthetic neurons, it’s great, it was a great achievement.
But you do need a kind of turnkey or full solution to demonstrate to customers that it actually works. So if you fast-forward from April ’16 to September ’16, the company acquired a company in Toulouse, France, called Spikenet. Spikenet also uses a spiking neural networks. They happen to do it in software, so simulated in software, and Peter and Anil, his co-founder, Anil Mankar who’s also here in Aliso Viejo. They acquired Spikenet with the intention of integrating the Spikenet simulated algorithms as well as use case where application level into an FPGA that could then be marketed, demonstrate proof of life and get marketed.
It was interesting that what they found in Spikenet was a very similar thinking about how to do neural more for computing with a spiking neural network which is much different than much of what you read about or hear about in the artificial intelligence. But they hard marquee customers. They had them marketing their software simulation to the equivalent of the Department of Homeland Security in France, the Paris Police Force, the Bordeaux Airport. Rockwell Collins, Saffron – really world class companies. The software and algorithms were battle hardened and the effort then from – I joined in late September, September 29th of 2016, and we took the next 6 months and basically integrated the software into a new silicon solution.
So, I suppose the essence of BrainChip in a way is the conversion of that kind of spiking software into hardware. You’ve got a hardware solution for what’s usually a software solution in fact?
That’s exactly right and we call it an accelerator. We took when I joined in in late September of ’16. Early October, we went out and raised another AUD$5.4 million dollars. It was done through a private placement. I think it was the first week of October in 2016. Then we took that capital and we took the software simulation of the spiking neural network, the algorithms and the application layer which allows people to interface. The guys at the police department, the law enforcement folks, they’re no scientists, they want a user interface. They want to be able to highlight a suspect and then, you know, whether it’s forensically look back at videos that are stores or sometimes in real time with live feeds. The real strength in vision systems, the real strength to the spiking neural network, without going into a whole bunch of the technical nuances, is that just like the human eye and your ability to process information in your brain.
We can work on very poor images, so low resolution cameras, dark environments. If you think about the Paris subway system as an example, those cameras are 20-25 years old. They’re melted in horrible places, it’s dimly lit and we can extract a face so we do facial protection. We extract to that image, we turn it into a spike map which is the same electrical impulses that your brain would receive from your ocular nerve. Then we can match that against a known set of terrorists. That’s fundamentally what we did…
I have trouble getting my head around how you can have artificial intelligence in hardware rather than software. That is a real jump, it seems to me.
It is a real jump and gosh, I’ve been doing semiconductor hardware for 35 years. I retired in October at 2015, has no intention of going back to work but when I got called and I met Pete I had the same chasm that I had to get over, but once you have the digital or synthetic synapse architecture thought through. Then the synthetic neuron – basically it’s digital logic. We put down a bunch of registers, they act like synapse, those registers dish data off to what we call neurons and all those synapse are all connected to all the neurons. Everything’s parallel processed.
If you run our software, which was the Spikenet software, now we call it BrainChip SAS. If you run that software on a server and let’s say you’re getting high definition feeds. You’re getting a minimum of 1080p and you’re getting 30 frames per second. The software on a high end intel processor can do maybe five channels simultaneously. If you run it on our hardware you can get somewhere between 16, maybe even 20 or 24 channels through the same server. We don’t do anything different, we put the same architecture that was simulated. We put it down in digital logic but because of the way we can do it in hardware, it’s something that’s five or six times faster than running the software on a CPU or even an Nvidia GPU and we can reduce the power by a factor of 10.
I was going to say, do you use much less energy as well?
It’s enormously less energy. If you run the software on, let’s say and Nvidia CPU or even an Intel CPU, you’re going to burn somewhere between 200-300 watts of power. To put that in its context, take a 100 watt light bulb, put two or three of them in a briefcase which is the size of a server and you’ll just see the thing melt down. The amount of heat dissipation is enormous. When you get into high-end GPUs they’re at least actively cooled with a fan and a heat [sink [13:34.8]. Sometimes they’re actually water cooled, where they’re putting cold water through the heat sink to keep things cold.
Our chip itself runs at 10 watts. We put it on a board, so it’s a plug in card into a server, and the entire card runs 35 watts. So, it’s something in the order of 10 times less power, 6 times the speed and frankly delivers on a promise for being able to extract an image that otherwise any traditional vision system or even a deep learning system just simply couldn’t do. That’s what the folks in Departments of Homeland Security and the police forces love about the product. It’s easy to use, able to extract an image from very poorly lit and low resolution environments. It’s very fast and it’s very low power.
A random thought just popped into my head. Could you mine bitcoins more cost effectively and without using so much energy? Would your chip do that better?
Well, it’s a really good question – and I always hate saying it’s a good question because I know that’s why you asked it. The difference between computing, and even in a GPU or a CPU, because we work like the brain, we’re not doing math. Your brain doesn’t really do 1 plus 1 equals 2. Your brain has a spike math that recognises I learned this when I was a kid, 1 plus 1 equals 2. We don’t do computation. That’s why it’s extremely low power. What we could do in crypto or just blockchain generally, we will never be the solution to calculate the transaction, 1 plus 1 equals 2. What we can do and what the technology is exceptional at is recognising competing patterns.
So as this crypto environment matures or blockchain more generally, because it’s not just with respect to currency, blockchain is being applied to many other avenues as well, is we can recognise repeating patterns. We could do that for Blockchain and we could say, if there was a very high density of transactions with a very similar pattern being executed, we could do it for cyber security where we could recognise patterns for denial of service attacks, malware attacks.
More generally, harkening back to crypto, fintech or financial technology generally. High frequency trading patterns, people want to know what those patterns are so they can forecast what their future transaction should be or they want to intersect somebody else that’s trying to do exactly the same thing. So, the technology is not about compute, it’s about recognising repeating patterns.
Just before we get onto some other matters, another thought that occurs to me is, what if we could combine your technology and Peter’s ideas with quantum computing?
That could be huge. There’s always going to be kind of a side by side environment. Even if we look at today, some of our engagements because of this ability to do vision exceptionally well – we’re being approached by major automobile manufacturers around the world. Detroit, Germany… Again, we’re never going to do the compute, we’re going to recognise very quickly and very efficiently a pattern. So, we likely will sit side by side during the short to mid term, we’ll sit side by side with a CPU or a GPU, they’ll be crunching numbers and we’ll be functioning like a brain doing the thinking…
But Lou, it just seems to me, just thinking about it, I mean the computing thing that CPUs do and have always done, and in fact the whole history of computing up to now has been an attempt to in a sense, replicate what the brain does, but to do it through computing. As you point out, that process of computing in order to replicate thinking is not really a good way to go about it. It just seems to me, studying your business and studying what Peter has thought of, what you do is much closer to how the brain operates, right?
What you have – and I guess a good slide in our investor deck – to date, for the last 50 years, everything we’ve done in digital electronics is based on what we call the von Neumann Architecture. A guy named von Neumann, I believe it was in the late 40s – I’d have to be corrected on that – it’s all serial processing. It’s instruction, fetch data from memory, process instruction, fetch data, process instruction, fetch data, process… And we’ve gotten away with that for 50 years because we’ve been able to follow Moore’s Law – logic gets smaller and smaller faster and faster… Intel CPUs, even in a laptop, are now running at 4 GHz clock speeds. That’s 4 billion cycles per second. So we’ve gotten away with kind of not mirroring what the brain does but trying to reinvent how we could process and come up with some other conclusions.
Peter’s view of it is that in order to advance our true artificial intelligence you need to process in parallel, just like the brain does, all of your synapse, all of the same electrical charges at all times. They get excited and the ones that get excited first and what we call intensity and temporal integrity, so they’re excited to a large extent and it lasts for a long period of time – long being fractions and fractions of a second. It fires off, it goes to a neuron and if enough of the same synapse are seeing the same event, that neuron gets excited and you go through – when we talk about layers, that’s when you go through layers of the neural network. Is it three layers, is it five layers? The human brain probably operates on seven layers.
The challenge with what’s gone on to date – and there’s been great use cases where it’s absolutely appropriate, but as people jump out of von Neumann serial processing and they’ve moved into convolutional neural networks, CNNs, or DNNs, there’s a whole variety of things. They still let themselves processing in a computing fashion, everything’s done mathematically. The spiking neural network doesn’t do that, the first thing we do is we convert every input that we see and it could be data from a stock transaction, it could be a visual input from a standard pixel based camera. First thing we do is we turn it into spikes. When you go to spikes you need a small fraction of the information.
We have a really cool demo where we fire up a video and it looks like a noisy screen, just looks like a bit of white noise. Then we start to pixelate and fill it in. The average human being – and I’ve done this for hundreds of people now, within 5 or 10% of the data your brain recognises what the image is. You’ll know it’s an eagle or it’s a fox or it’s a train. If you’re doing that in a computing architecture, before you could make your decision and move on, you’d have to get 100% of the data. When people ask, how can you be faster than an Nvidia CPU? It’s because we only need 5% of the data. At 5% of the data the synapse triggers or fires and it sends the information off to the neuron.
So you’re right, we’re moving into an entire – this is probably the most disruptive technology I’ve seen in 35 years and I’ve worked for some of the best semiconductor companies in the world. They started in devices, went to linear technology… I came back to work because this is just darn exciting.
Tell us about sales you’ve made.
We introduced our first commercial product on – let me get my dates right – July 17th. That was the software. When I joined in September of ’16 it was clear that the Software that had been developed by the Spikenet team was really kind of customised, it had a little bit here for this customer and a little bit there. We decided to retrench and what we call refactor the software, bring it all up to kind of current code, make it very user friendly. We introduced on July 17th, the software and then on September 10th we introduced the software accelerator where we ported the software to the hardware. Historic sales, call it $1 million bucks or less US. We don’t publish or forecast…
But have you made any sales at all?
Oh yeah, we have. We’ve had recurring revenue with the Paris Police Force. I’ll use US language because I can’t speak French, their Department of Homeland Security. We’ve got installations at the Paris Police Force, the Paris department of homeland security. They continue to buy products. We’re installed at the Bordeaux airport. We do perimeter intrusion. If people hop over a fence or go near an airplane when they’re not supposed to, we do that pattern recognition. We’re live in one casino. It’s interesting that when the casinos figured out that we can recognise a pattern off of a junk old camera 3 metres up or 5 metres up, they engaged us to basically count cards in casinos, who won, who lost, did the deal get paid off properly or not?
So your processes can count cards?
Yeah, we can count cards and chips, from the eye in the sky. 5 metres up we can recognise an ace, a king, a queen… There’s an application. We collaborate with someone that knows the casino industry because we don’t want to have to be calling on casinos. But yes, we have a product called Game Outcome – ace, king, queen, 2, 3, 4, she won, he lost, did the dealer moved the chips in the right direction so that it got paid off properly or not? That’s called Game Outcome. Game Statistics takes the same data and said, ‘John sat at the table for four hours, he played 72 hands, he won 30 and he lost 40 – maybe we should comp him dinner and try and keep him in the casino.’
The casino operators give away a whole lot of money and one large casino engagement we have in Las Vegas said directly to me that they give away $30 million dollars a year US in complementary services, show tickets, rooms and dinners.
But only to losers, right?
Well, their own estimate was 50% goes to the wrong people because they don’t know. They don’t have any analytics. They got a pit boss with a scratch pad trying to walk around and keep up with it and people have player cards but they’re all swapping player cards. Now we give them real time analytics and eventually that will be attached to facial recognition which is one of the strong suits, so not only do we know it was a player at spot number one, we’ll actually know which player it was and when he gets up and he goes to another table, we’ll figure that out as well.
At this point it’s about vision. I don’t want to miss one major point, and that’s about vision, because it’s one of the most straight forward applications and areas to apply to technology. We’ve got great traction, got a great customer base. The products really only came out in the 3Q17. The development that we’re working on now, we came back to the market again in November and we raised AUD$19.5 million. Frankly, it was well over-subscribed. We have capacity limitations as to how many shares we can issue, but we raised $19.5m which is all still sitting on the balance sheet.
But we have launched a product development we call Akida. Akida happens to mean spike in Japanese. It is a next generation standalone neural processor, we call it an NSOC, which is a neuromorphic system on a chip. This will really be I think the world’s first truly and fully integrated neuromorphic processor. It might sound audacious, but yes, it’s going to compete with Intel, it’s going to compete with IBM, it’s going to compete with Nvidia. We have the neural networking core which is our next generation architecture and learning rules. We have that up and running coming out of research going into development.
We expect to have it emulated in an FPGA sometime around mid-year and we’re going to go into building our own integrated circuit some time late in F18. So, we’re moving from an FPGA which it works and it’s a great way to get to market. It’s not the most cost effective way to get to market. It certainly doesn’t give you the lowest power or the highest speed or the greatest density. It’s great for what we have in vision systems. But he Akida development is really the future of the company.
Can we just talk about cash now…?
Sure.
As you say, you raised some cash last year and it seems to me what you did then was relatively transformative, not just in the cash you raised, but also the institutional shareholders that you brought onto a register. But it does seem to me that before that you were about to run out of money. According to the September Q you were burning about $2 million a quarter and you had less than $5 million in the banks. So, as we say in Australia, you were on the bones of your a at that point.
[Laughs] Yes, it’s a fine line as to when you go out and raise the cash. I wanted to get the commercial product up into the marketplace. I wanted to be able to speak to them, I wanted to be able to speak with the opportunity and the customers that we were engaged with. The Australian market is extremely receptive to this story. When you think about real technology companies that have – I mean this in a good way – that also have a centre of gravity that’s in Silicon Valley with very seasoned Silicon Valley executives running the company. We have half of our board in Australia, we have half of our board in the US with independent directors. Yeah, we take it up to the wire. We were close, we were close…
Yeah, you were close.
We knew there was demand and you’re right, I think two important things which you just touched on, we are fully funded now. We have enough capital to build our revision system with our BrainChip studio product and the accelerator hardware. It’s also enough capital to get us through the development of the IC. It puts shareholders’ mind at ease with respect to when’s the next capital raise? Well, you know what, we have enough capital. And as you said, maybe as important or maybe more importantly, we have changed the composition of the shareholder register. I think we brought in 21 new institutional investors. I’m not allowed to name names…
Are they Australian institutions or American?
No, at this point they’re all Australian. I decided not to bring it to the US market yet. There’s such an appetite in Australia. And again, we were way, way over-subscribed and the institutions that came in, you know, they’re dominant names. Names that everybody knows, loves and trusts. There’s long term holders, you know, you’re not flipping in and out of the stock. I mean, there’s always some that do. But between us I’ve done three raises since I joined in September. I did one in October of ’16, I did one in May of ’17 and one in November of ’17. Got us fully funded and I think we’ve probably added 30 institutions.
The capital structure remains interesting, and again this harkens back to one of your first questions about why do a back door listing? Peter Van Der Made and Anil and at the time the CEO, he had to leave for personal health reasons. There were meaningful investors in Asiana which was the target of the RTO. Primarily Metals X and then some syndicate around Metals X. Between those five or six shareholders, they’re something around about 65% of the stock. It’s highly concentrated in long term investment. Metals X has been very, very loyal. Of course Peter, Anil and Robert Mitro, the former CEO, if you looked at some of our press releases, when you do a reverse takeover there’s a mandatory – I think it’s an ASX listing requirement – there’s a mandatory two year escrow period on any of the shares that are part of the RTO.
On September 22nd I think it was 361 million, it was well over 350 million – I think it was 361 million shares came out of escrow. I happened to be in Australia at the time, not raising money but just talking to institutional investors and everybody was a little skittish. All of a sudden there’s 360 plus million shares that hit the marketplace that previously couldn’t be traded. So I made five phone calls and I forget what the date was – you could check the ASX press releases. It was just before we raised the money. I think it was probably October 17 – October/early November – made five phone calls to those major shareholders and I put back into escrow I think it was 403 million shares. We actually put back into escrow more shares that came out of escrow.
I saw that in your announcement too, I thought that was amazing! That was really something, that was.
Yeah, it calmed people’s nerves…
You kind of had to do though didn’t you, because you were about to raise $20-30 million bucks?
Yeah, you had to. How can you raise money when you’ve got all this float out there? And none of these people were sellers. I mean I thought I was going to have to put on my salesman shoes and they were literally very, very easy phone calls.
I’m going to have to end soon, but what is the exit strategy? I mean, is the plan to setup an auction between Intel, Nvidia and Qualcomm and see what price you can get or do you think you can eventually become one of them?
I get asked that question a lot and this is my fourth time as a public company CEO, a couple of Nasdaq and one New York Stock Exchange. Frankly, all three of those companies ended up being acquired, but my philosophy is build the best company you can. Build the best products, address the growth markets, drive consistent profitability and let the chips fall where they go. I think, you know, to try to architect a company for an exit in the way of M&A, it’s kind of a fool’s errand. Companies don’t get sold, companies get bought. Those that get sold, they get sold at sub-optimal exits because that’s all they’re saying, all that matters is getting sold.
Our goal is to build a company with an enduring brand, the leader in neuromorphic computing, and is somebody going to come in and put us in play? There was 140 acquisitions of AI companies in 2016. I think the value our share [34:50.8] have is of those 140 which was billions and billions of dollars in consideration, not a single public market investor made a dollar because all of those companies were backed by venture capitalists in the US and they’ve harvested great upside. What I tell our investors is this is your only pure play AI company that’s publicly listed.
Oh is that right? I didn’t realise that. Is that so?
Yeah. You could buy Google, you could buy Tesla, you could buy a whole bunch of AI players, but if you look for a publicly listed pure play AI company, whether it’s ASX, Toronto Exchange, Nasdaq, New York Stock Exchange, there is no pure play AI company for public market investors to put their money into.
And it’s on the ASX, there you go.
Exactly.
Well, it’s been great talking to you, Lou. I have to go but it’s been fantastic, thank you very much for your time.
Thank you very much, any time.
That was Lou DiNardo, the CEO of BrainChip Holdings.
DeepL hilft:
Lou DiNardo ist CEO von BrainChip Holdings (ASX:BRN), einem an der ASX notierten Unternehmen. Er spricht mit uns von Newport Beach, Kalifornien, wo BrainChip eines seiner Büros hat; seine Hauptgeschäftsstelle, schätze ich, dass man sagen muss, ist in San Francisco und es hat ein Büro in Toulouse, Frankreich, und es ist auf der ASX durch eine Hintertür gelistet, die bereits 2015 gelistet wurde.
Das habe ich erst am Ende des Interviews mit Lou erfahren, dass BrainChip das einzige reinrassige Unternehmen ist, das an der Börse notiert ist. Alle anderen AI-Gesellschaften, von denen 140 letztes Jahr verkauft wurden, sind alle Venture-Capital-Gesellschaften und nicht börsennotiert. Er sagt, dass es der einzige Weg ist, in eine reine KI-Firma als kleiner Investor an der Börse zu investieren, und es ist zufällig an der ASX.
Es ist im Grunde genommen ein Hardware-KI-Geschäft, keine Software, was zutiefst wichtig ist, denke ich, weil es im Grunde genommen ein Chip-Unternehmen ist. Sie stellen einen Chip her, der versucht, die Funktionsweise des Gehirns mit Neuronen und Synapsen nachzuahmen. Die Sache, die von Peter Van Der Made erfunden und patentiert wurde, der ein Amerikaner ist, der viel Zeit in Australien verbracht hat. Er erfand diese Methode, um die Funktionsweise des Gehirns in einem Chip zu kopieren, was die Energiemenge reduziert und die Datenmenge reduziert, die der Chip benötigt, um Schlussfolgerungen ziehen zu können.
Grundsätzlich lernt es auf der Flucht, wie das Gehirn, und es ist ein wirklich interessantes Geschäft. Sie konzentrieren sich im Moment auf die Überwachung in Kasinos, Bahnhöfen, für Polizeikräfte und so weiter, sie fangen an, auf diese Weise Verkäufe zu machen. Aber ich denke, dass es hier viel Potenzial gibt. Eine der Fragen, die ich ihm gestellt habe, war, ob sie mit dem Ding Bitmünzen abbauen können, und zwar ohne so viel Energie zu verbrauchen. Er ging dann in eine lange Rave über das, was interessant war, und auch die Frage, wie das BrainChip-Produkt mit Quanten-Computing arbeitet, die er sagt, ist auch ziemlich groß.
Ich denke, das ist ein sehr, sehr interessantes, möglicherweise aufregendes Geschäft. Sie haben gerade eine große Kapitalbeschaffung letztes Jahr, ungefähr $20 Million Dollar getan, und wichtiger in einigen Weisen, holten sie in eine vollständige Menge australische Anstalten auf das Anteilregister. Jetzt wird es institutionell gehalten und ist voll finanziert. Sie haben jetzt eine Reihe von Kapitalerhöhungen durchgeführt, etwa 30 Millionen Dollar gesammelt und er sagt, dass sie jetzt vollständig finanziert sind, um die Gewinnschwelle zu erreichen, was eine gute Nachricht ist. Die Aktie ist etwa 20 Cent wert und ein wirklich interessantes kleines Geschäft.
Hier ist Lou DiNardo, der CEO von BrainChip Holdings.
Lou, ich spreche mit dir aus Newport Beach in Kalifornien. Ist das der Ort, an dem das Unternehmen seinen Sitz hat, oder hat es seinen Sitz in San Francisco, in Australien, oder wo hat es seinen Sitz?
Ja, das Unternehmen ist an der ASX gelistet, also haben wir sicherlich einen großen Fußabdruck und Präsenz bei institutionellen Investoren und Privatanlegern oder Privatanlegern in Australien. Was wir unsere Zentrale nennen, wo ich selbst, unser CEO/CFO, Ryan Benton, sowie Senior Vice President of Marketing, in San Francisco residieren. Wir haben zwei Designzentren, eines davon befindet sich in Aliso Viejo, wo Sie von außerhalb von Newport Beach aus mit mir sprechen. Wir haben hier etwa 14 Mitarbeiter. Sie machen im Grunde genommen Hardware-Design und dann sind unser Gründer, Peter Van Der Made, sowie ein paar Forscher hier. Dann haben wir unser Werk in Toulouse, Toulouse, Frankreich, Südfrankreich, am Fuße der Pyrenäen. Wir haben dort noch 13 oder 14 Leute, die sowohl Algorithmenentwicklung als auch Software machen. Wir sind überall dort verteilt, wo wir das Talent finden können, aber ich denke, das sind drei primäre physische Orte. Natürlich steht Australien für uns immer im Vordergrund, denn dort sind unsere Investoren zu Hause.
Warum sind Sie an der ASX gelistet? Wird es der Gründer, Peter Van Der Made, der einige Zeit in Sydney verbracht hat?
Er hat offen gesagt einige Zeit in ganz Australien verbracht. Ich weiß, dass er in Sydney war, ich glaube, er war in Melbourne, ich weiß, dass er in Brisbane war. Aber er verbrachte einen Großteil seiner Zeit in Perth, draußen in Westaustralien. Er lehrte Neurowissenschaften an der University of Curtin. Der Grund für die ASX Notierung, es ist interessant, da ich sicher bin, dass Sie Art von gefolgt haben, wie Technologieunternehmen während ihrer prägenden Jahre finanziert erhalten. Peter hatte eine Vorgängerfirma, eine Firma namens VCIS, die von Silicon Valley Venture Capitals unterstützt wurde. Baute das Unternehmen zu einem sehr erfolgreichen Unternehmen auf. Es war eine frühe Phase dessen, was wir Cybersicherheit oder Malware-Schutz nennen würden.
Als er das Unternehmen verkaufte, durchliefen die Venture-Capital-Kerle anschließend mehrere Finanzierungsrunden, nahmen sie immer mehr Besitz und nahmen am Ende des Tages den weitaus größten Teil des Erlöses aus der Transaktion ein. Peter hat eine Leidenschaft für BrainChip für die meiste Zeit eines Jahrzehnts oder länger gehabt. Er sieht es als eine große Idee, genau wie ich, und deshalb bin ich in die Firma eingetreten. Es gab eine umgekehrte Übernahme eines Bergwerks - ich schätze, Sie würden es als Rohstoffunternehmen Asiana im September 2015 bezeichnen.
Peter entschied, Sie wissen schon, was, ich werde das auf dem öffentlichen Markt veröffentlichen und den Investoren des öffentlichen Marktes die Möglichkeit geben, während dieser RTO im September die Vorteile zu genießen. 15, AUD$4 Millionen wurden eingeworben, und Peter hat genug Kapital zur Verfügung gestellt, um ein Team zusammenzustellen.
Sie können die Büros hier in Aliso Viejo mieten und nehmen, was in seinem Kopf war, wofür er wirklich eine Leidenschaft hat, wenn er nachahmt, wie das menschliche Gehirn in Silicon arbeitet, nehmen Sie es von seinem Kopf zu Papier. Es war eine innovative und einzigartige Idee, zumindest vom Standpunkt aus gesehen, dass diejenigen von uns, die hier im Silicon Valley aufgewachsen sind, im April von 16 Jahren auf den Markt zurückkehrten und weitere 4 Millionen Dollar aufbrachten. Das brachte ihn von Papier zu einem Stück Silizium, in dem, was wir ein FPGA nennen, ein programmierbares[6:54.2]-Silizium, aber wissen Sie, in einem FPGA emulieren. Das hat außerordentlich gut funktioniert. Zu diesem Zeitpunkt erkannt, mit einem neuronalen Netzwerk aus Silizium, synthetischen Synapsen und synthetischen Neuronen, ist es großartig, es war eine großartige Leistung.
Aber Sie brauchen eine Art schlüsselfertige oder komplette Lösung, um den Kunden zu zeigen, dass sie tatsächlich funktioniert. Wenn Sie also vom 16. April bis zum 16. September vorspulen, hat das Unternehmen ein Unternehmen in Toulouse, Frankreich, mit dem Namen Spikenet erworben. Spikenet verwendet auch ein neuronales Spiking-Netzwerk. Sie tun es zufällig in Software, so simuliert in Software, und Peter und Anil, sein Mitbegründer, Anil Mankar, der auch hier in Aliso Viejo ist. Sie erwarben Spikenet mit der Absicht, die simulierten Algorithmen von Spikenet zu integrieren, sowie den Anwendungsfall, bei dem die Applikationsebene in ein FPGA integriert wurde, das dann vermarktet werden konnte, den Beweis des Lebens erbrachte und vermarktet wurde.
Es war interessant, dass das, was sie in Spikenet gefunden haben, ein sehr ähnliches Denken darüber war, wie man neural mehr für die Datenverarbeitung mit einem neuronalen Spiking-Netzwerk tun kann, das sich wesentlich von dem unterscheidet, was man in der künstlichen Intelligenz liest oder hört. Aber sie sind harte Zeltkunden. Sie ließen sie ihre Softwaresimulationen an das französische Heimatschutzministerium, die Pariser Polizei und den Flughafen Bordeaux vermarkten. Rockwell Collins, Safran - wirklich Weltklasse-Unternehmen. Die Software und Algorithmen waren kampferprobt und die Anstrengung dann von - ich trat Ende September, 29. September 2016 bei, und wir nahmen die nächsten 6 Monate in Anspruch und integrierten die Software im Grunde genommen in eine neue Siliziumlösung.
Also, ich nehme an, dass das Wesen von BrainChip in gewisser Weise die Umwandlung dieser Art von Spiking-Software in Hardware ist. Sie haben eine Hardwarelösung für eine Softwarelösung, die in der Regel eine Softwarelösung ist?
Das ist genau richtig und wir nennen es Beschleuniger. Wir haben es genommen, als ich Ende September mit 16 Jahren zu uns kam. Anfang Oktober gingen wir hinaus und sammelten weitere AUD$5,4 Millionen Dollar. Dies geschah im Rahmen einer Privatplatzierung. Ich glaube, es war die erste Oktoberwoche 2016. Dann nahmen wir dieses Kapital und wir nahmen die Softwaresimulation des neuronalen Netzes, die Algorithmen und die Anwendungsschicht, die es den Menschen erlaubt, sich zu verbinden. Die Jungs bei der Polizei, die Polizei, die Leute von der Strafverfolgung, sie sind keine Wissenschaftler, sie wollen eine Benutzeroberfläche. Sie wollen in der Lage sein, einen Verdächtigen hervorzuheben, und dann, Sie wissen schon, ob es sich dabei um einen forensischen Blick zurück auf Videos handelt, die in Geschäften oder manchmal in Echtzeit mit Live-Feeds gespeichert sind. Die wirkliche Stärke von Visionssystemen, die wirkliche Stärke des neuronalen Netzes, ohne in eine ganze Reihe technischer Nuancen einzusteigen, ist genau wie das menschliche Auge und Ihre Fähigkeit, Informationen in Ihrem Gehirn zu verarbeiten.
Wir können an sehr schlechten Bildern arbeiten, also an Kameras mit niedriger Auflösung und dunklen Umgebungen. Wenn Sie an das Pariser U-Bahn-System als Beispiel denken, sind diese Kameras 20-25 Jahre alt. Sie sind an schrecklichen Orten geschmolzen, es ist schwach beleuchtet und wir können ein Gesicht extrahieren, so dass wir Gesichtsschutz machen. Wir extrahieren zu diesem Bild, wir verwandeln es in eine Spike-Karte, die dieselben elektrischen Impulse enthält, die Ihr Gehirn von Ihrem Augennerv empfangen würde. Dann können wir das mit einer bekannten Gruppe von Terroristen vergleichen. Das ist im Grunde genommen das, was wir getan haben....
Ich habe Mühe, meinen Kopf darüber zu bekommen, wie man künstliche Intelligenz in Hardware und nicht in Software einsetzen kann. Das ist ein echter Sprung, wie mir scheint.
Es ist ein echter Jump and Gosh, ich mache seit 35 Jahren Halbleiter-Hardware. Ich zog mich im Oktober 2015 in den Ruhestand zurück, hat keine Absicht, wieder zur Arbeit zu gehen, aber als ich angerufen wurde und Pete traf, hatte ich die gleiche Kluft, die ich überwinden musste, aber sobald man die digitale oder synthetische Synapsenarchitektur durchdacht hat. Dann das synthetische Neuron - im Grunde genommen ist es digitale Logik. Wir legen einen Haufen von Registern nieder, sie verhalten sich wie Synapsen, diese Register geben die Daten an das weiter, was wir Neuronen nennen, und all diese Synapsen sind alle mit allen Neuronen verbunden. Alles wird parallel verarbeitet.
Wenn Sie unsere Software, die die Spikenet-Software war, verwenden, nennen wir sie jetzt BrainChip SAS. Wenn Sie diese Software auf einem Server laufen lassen und sagen wir, Sie bekommen High Definition Feeds. Sie erhalten ein Minimum von 1080p und Sie erhalten 30 Bilder pro Sekunde.
Die Software auf einem High-End Intel-Prozessor kann vielleicht fünf Kanäle gleichzeitig nutzen. Wenn Sie es auf unserer Hardware laufen lassen, können Sie zwischen 16, vielleicht sogar 20 oder 24 Kanäle über den gleichen Server erreichen. Wir machen nichts anderes, wir setzen die gleiche Architektur ein, die simuliert wurde. Wir haben es in der digitalen Logik abgelegt, aber wegen der Art und Weise, wie wir es in der Hardware machen können, ist es etwas, das fünf- oder sechsmal schneller ist, als die Software auf einer CPU oder sogar einem Nvidia-Grafikprozessor laufen zu lassen, und wir können die Leistung um den Faktor 10 reduzieren.
Ich wollte sagen, verbrauchen Sie auch viel weniger Energie?
Es ist enorm weniger Energie. Wenn Sie die Software auf, sagen wir, Nvidia-CPU oder sogar eine Intel-CPU laufen lassen, werden Sie irgendwo zwischen 200-300 Watt Leistung brennen. Um das in seinen Kontext zu stellen, nehmen Sie eine 100 Watt Glühbirne, legen Sie zwei oder drei von ihnen in eine Aktentasche, die die Größe eines Servers hat, und Sie werden sehen, wie das Ding schmilzt. Die Wärmeabfuhr ist enorm hoch. Wenn man in High-End-Grafikprozessoren einsteigt, werden sie zumindest aktiv mit einem Lüfter und einer Wärmesenke gekühlt[13:34.8]. Manchmal sind sie sogar wassergekühlt, wo sie kaltes Wasser durch den Kühlkörper leiten, um die Dinge kalt zu halten.
Unser Chip selbst läuft mit 10 Watt. Wir haben es auf ein Board gesteckt, also ist es eine Einsteckkarte in einen Server, und die gesamte Karte hat eine Leistung von 35 Watt. Also, es ist etwas in der Größenordnung von 10 mal weniger Leistung, 6 mal schneller und hält offen gesagt ein Versprechen, ein Bild extrahieren zu können, das sonst jedes herkömmliche Visionssystem oder sogar ein tiefes Lernsystem einfach nicht leisten könnte. Das ist es, was die Leute in den Ministerien für Heimatschutz und die Polizei über das Produkt lieben. Es ist einfach zu bedienen und in der Lage, ein Bild aus sehr schlecht beleuchteten und niedrig auflösenden Umgebungen zu extrahieren. Es ist sehr schnell und sehr stromsparend.
Ein zufälliger Gedanke kam mir gerade in den Sinn. Könnten Sie Bitcoins kostengünstiger und ohne großen Energieaufwand abbauen? Würde Ihr Chip das besser machen?
Nun, es ist eine wirklich gute Frage - und ich hasse es immer zu sagen, dass es eine gute Frage ist, weil ich weiß, dass du sie deshalb gestellt hast. Der Unterschied zwischen Computing und sogar in einem Grafikprozessor oder einer CPU, weil wir wie das Gehirn arbeiten, machen wir keine Mathematik. Dein Gehirn macht nicht wirklich eins plus eins plus eins gleich zwei. Ihr Gehirn hat eine Spike-Mathematik, die erkennt, dass ich das gelernt habe, als ich ein Kind war, 1 plus 1 ist gleich 2. Wir machen keine Berechnungen. Deshalb ist es extrem stromsparend. Was wir in der Kryptotechnik oder einfach nur in der Blockkette im Allgemeinen tun könnten, werden wir nie die Lösung sein, um die Transaktion zu berechnen, 1 plus 1 ist gleich 2. Was wir tun können und was die Technologie außergewöhnlich ist, ist das Erkennen von konkurrierenden Mustern.
So wie diese Kryptoumgebung reift oder Blockkette allgemein, weil sie nicht nur in Bezug auf die Währung, sondern auch auf viele andere Wege angewandt wird, können wir wiederkehrende Muster erkennen. Wir könnten das für Blockchain tun und wir könnten sagen, wenn es eine sehr hohe Dichte von Transaktionen mit einem sehr ähnlichen Muster gäbe, das ausgeführt wird, könnten wir es für die Cybersicherheit tun, wo wir Muster für Denial-of-Service-Angriffe, Malware-Angriffe erkennen könnten.
Allgemeiner gesagt, zurück zur Krypto-, Fintech- oder Finanztechnologie im Allgemeinen. Hochfrequenzhandelsmuster, Leute wollen wissen, was diese Muster sind, damit sie voraussagen können, was ihre zukünftige Transaktion sein sollte, oder sie wollen jemand anderes kreuzen, der versucht, genau das Gleiche zu tun. Bei der Technologie geht es also nicht um Rechnen, sondern um das Erkennen von sich wiederholenden Mustern.
Kurz bevor wir uns mit anderen Dingen befassen, fällt mir noch ein anderer Gedanke ein: Was wäre, wenn wir Ihre Technologie und Peters Ideen mit Quantencomputing kombinieren könnten?
Das könnte riesig werden. Es wird immer eine Art Nebeneinanderumgebung geben. Auch wenn wir uns heute einige unserer Engagements wegen dieser Fähigkeit, Visionen außergewöhnlich gut zu machen, ansehen - wir werden von großen Automobilherstellern auf der ganzen Welt angesprochen. Detroit, Deutschland... Wiederum werden wir nie die Berechnung durchführen, wir werden sehr schnell und sehr effizient ein Muster erkennen. So werden wir wahrscheinlich während der kurzen bis mittleren Frist Seite an Seite sitzen, wir werden Seite an Seite mit einer CPU oder einem GPU sitzen, sie werden Zahlen knirschen und wir werden wie ein Gehirn funktionieren, das das Denken macht....
Aber Lou, es scheint mir nur so, ich denke nur darüber nach, ich meine das, was CPUs tun und immer getan haben, und tatsächlich war die ganze Geschichte des Rechnens bis jetzt ein Versuch, in gewisser Weise das zu replizieren, was das Gehirn tut, aber es durch Computing zu tun. Wie Sie betonen, ist dieser Prozess des Rechnens, um das Denken zu replizieren, nicht wirklich ein guter Weg, um es in Angriff zu nehmen. Es scheint mir nur so, als ob ich dein Geschäft studiere und studiere, woran Peter gedacht hat, was du tust, ist viel näher an der Funktionsweise des Gehirns, richtig?
Was Sie haben - und ich vermute, eine gute Rutschbahn in unserem Investorendeck -, basiert in den letzten 50 Jahren alles, was wir in der digitalen Elektronik gemacht haben, auf dem, was wir von Neumann-Architektur nennen.
Ein Typ namens von Neumann, ich glaube, es war in den späten 40er Jahren - da müsste ich korrigiert werden - es ist alles serielle Verarbeitung. Es ist Anweisung, Daten aus dem Speicher holen, Prozessanweisung, Daten aus dem Speicher holen, Daten holen, Prozessanweisung, Daten holen, Daten holen, Prozess... Und damit sind wir seit 50 Jahren davongekommen, weil wir Moores Gesetz befolgen konnten - die Logik wird immer kleiner und kleiner, immer schneller und schneller... Intel-CPUs, sogar in einem Laptop, laufen jetzt mit 4 GHz Taktfrequenz. Das sind 4 Milliarden Zyklen pro Sekunde. Also sind wir davongekommen, nicht das zu spiegeln, was das Gehirn tut, sondern zu versuchen, neu zu erfinden, wie wir es verarbeiten könnten, und andere Schlussfolgerungen zu ziehen.
Peters Ansicht ist, dass man, um unsere wahre künstliche Intelligenz voranzubringen, parallel verarbeiten muss, genau wie das Gehirn, all Ihre Synapsen, all die gleichen elektrischen Ladungen zu jeder Zeit. Sie werden erregt und diejenigen, die zuerst erregt werden, und was wir Intensität und zeitliche Integrität nennen, so dass sie zu einem großen Teil erregt sind und es für eine lange Zeitspanne dauert - lange Zeit, die Bruchteile und Bruchteile von Sekunden sind. Es feuert ab, es geht zu einem Neuron und wenn genug von der gleichen Synapse das gleiche Ereignis sehen, wird dieses Neuron aufgeregt und man geht durch - wenn wir über Schichten sprechen, dann geht man durch Schichten des neuronalen Netzes. Sind es drei Schichten, sind es fünf Schichten? Das menschliche Gehirn operiert wahrscheinlich auf sieben Ebenen.
Die Herausforderung mit dem, was bis jetzt passiert ist - und es gab große Anwendungsfälle, in denen es absolut angemessen ist, aber als die Leute aus der seriellen Verarbeitung von Neumann herausspringen und sie in Faltungsneuronale Netze, CNNs oder DNNs eingewandert sind, gibt es eine ganze Reihe von Dingen. Sie lassen sich immer noch rechnerisch verarbeiten, alles wird mathematisch gemacht. Das neuronale Spiking-Netzwerk macht das nicht, das erste, was wir tun, ist, dass wir jeden Eingang, den wir sehen, konvertieren und es könnten Daten aus einer Börsentransaktion sein, es könnte ein visueller Eingang von einer Standard-Pixelkamera sein. Das erste, was wir tun, ist, es in Stacheln zu verwandeln. Wenn Sie zu den Spitzen gehen, benötigen Sie einen kleinen Bruchteil der Informationen.
Wir haben eine wirklich coole Demo, in der wir ein Video starten und es sieht aus wie ein lauter Bildschirm, sieht nur aus wie ein bisschen weißes Rauschen. Dann fangen wir an zu pixeln und füllen es aus. Der durchschnittliche Mensch - und das habe ich jetzt für Hunderte von Menschen getan, innerhalb von 5 oder 10% der Daten erkennt Ihr Gehirn, was das Bild ist. Du wirst wissen, dass es ein Adler, ein Fuchs oder ein Zug ist. Wenn Sie das in einer Computing-Architektur tun, bevor Sie Ihre Entscheidung treffen und weitermachen können, müssen Sie 100% der Daten erhalten. Wenn Leute fragen, wie kann man schneller sein als eine Nvidia CPU? Das liegt daran, dass wir nur 5% der Daten benötigen. Bei 5% der Daten löst die Synapse aus oder feuert und sendet die Information an das Neuron.
Sie haben also Recht, wir ziehen in ein Ganzes ein - das ist wahrscheinlich die störendste Technologie, die ich seit 35 Jahren gesehen habe, und ich habe für einige der besten Halbleiterfirmen der Welt gearbeitet. Sie begannen mit Geräten, gingen zur Lineartechnik... Ich kam zurück zur Arbeit, weil das einfach verdammt aufregend ist.
Erzählen Sie uns von Ihren Verkäufen.
Wir haben unser erstes kommerzielles Produkt am 17. Juli vorgestellt - lassen Sie mich meine Daten richtig machen. Das war die Software. Als ich im September des 16. September zu Spikenet kam, war klar, dass die Software, die vom Spikenet-Team entwickelt worden war, wirklich maßgeschneidert war, sie hatte ein bisschen hier für diesen Kunden und ein bisschen dort. Wir haben uns entschieden, die Software zu retrench und das, was wir Refactor nennen, auf den neuesten Stand zu bringen und sie sehr benutzerfreundlich zu machen. Wir haben am 17. Juli die Software vorgestellt und am 10. September den Software-Beschleuniger, mit dem wir die Software auf die Hardware portiert haben. Historische Verkäufe, nennen Sie es $1 Million Dollar oder weniger US. Wir veröffentlichen oder prognostizieren nicht....
Aber haben Sie überhaupt irgendwelche Verkäufe getätigt?
Oh ja, das haben wir. Wir hatten wiederkehrende Umsätze mit der Pariser Polizei. Ich benutze US-Sprache, weil ich kein Französisch spreche, ihr Heimatschutzministerium. Wir haben Installationen bei der Pariser Polizei, dem Pariser Heimatschutzministerium. Sie kaufen weiterhin Produkte. Wir sind auf dem Flughafen von Bordeaux installiert. Wir haben eine Eindringlingsalarm. Wenn Leute über einen Zaun springen oder in die Nähe eines Flugzeugs gehen, wenn sie es nicht sollen, dann machen wir diese Mustererkennung. Wir sind live in einem Casino. Es ist interessant, dass, als die Kasinos herausfanden, dass wir ein Muster aus einer alten Schrottkamera in 3 Meter Höhe oder 5 Meter Höhe erkennen können, sie uns damit beauftragten, im Grunde genommen Karten in Kasinos zu zählen, die gewonnen haben, die verloren haben, die verloren haben, wurde der Deal richtig bezahlt oder nicht?
Ihre Prozesse können also Karten zählen?
Ja, wir können Karten und Chips zählen, vom Auge des Himmels aus. In 5 Metern Höhe erkennen wir ein Ass, einen König, eine Königin... Es gibt eine Bewerbung. Wir arbeiten mit jemandem zusammen, der die Casino-Branche kennt, weil wir nicht auf Casinos zurückgreifen wollen.
Aber ja, wir haben ein Produkt namens Game Outcome - Ass, König, König, Königin, 2, 3, 4, sie gewann, er verlor, hat der Dealer die Chips in die richtige Richtung bewegt, so dass sie richtig bezahlt wurden oder nicht? Das nennt sich Game Outcome. Die Spielstatistik nimmt die gleichen Daten und sagt:"John saß vier Stunden lang am Tisch, er spielte 72 Hände, er gewann 30 und verlor 40 - vielleicht sollten wir ihn zum Abendessen einladen und versuchen, ihn im Casino zu behalten".
Die Kasinobetreiber verschenken eine ganze Menge Geld und ein großes Kasino-Engagement, das wir in Las Vegas haben, sagte direkt zu mir, dass sie $30 Millionen Dollar pro Jahr in ergänzenden Dienstleistungen, Showtickets, Zimmern und Abendessen verschenken.
Aber nur für Verlierer, richtig?
Nun, ihre eigene Schätzung war, dass 50% an die falschen Leute geht, weil sie es nicht wissen. Sie haben keine Analysen. Sie haben einen Boxenboss mit einem Scratchpad, der versucht, herumzulaufen und mit ihm Schritt zu halten, und die Leute haben Spielerkarten, aber sie tauschen alle Spielerkarten aus. Jetzt geben wir ihnen Echtzeit-Analysen und schließlich wird das an die Gesichtserkennung angehängt, die eine der Stärken ist, also wissen wir nicht nur, dass es ein Spieler auf Platz eins war, wir wissen auch, welcher Spieler es war, und wenn er aufsteht und an einen anderen Tisch geht, werden wir das auch herausfinden.
An diesem Punkt geht es um Visionen. Ich möchte einen wichtigen Punkt nicht verpassen, und dabei geht es um Vision, denn es ist eine der einfachsten Anwendungen und Bereiche, die man in der Technologie anwenden kann. Wir haben eine großartige Traktion und einen großartigen Kundenstamm. Die Produkte kamen eigentlich erst im 3Q17 heraus. Die Entwicklung, an der wir gerade arbeiten, haben wir im November wieder auf den Markt gebracht und 19,5 Mio. AUD eingeworben. Ehrlich gesagt, es war weit überzeichnet. Wir haben Kapazitätsbeschränkungen hinsichtlich der Anzahl der Aktien, die wir ausgeben können, aber wir haben 19,5 Mio. Dollar aufgebracht, die alle noch immer in der Bilanz stehen.
Aber wir haben eine Produktentwicklung gestartet, die wir Akida nennen. Akida bedeutet zufällig Spike auf Japanisch. Es ist ein eigenständiger neuronaler Prozessor der nächsten Generation, wir nennen ihn NSOC, das ist ein neuromorphes System auf einem Chip. Das wird wirklich der erste wirklich voll integrierte neuromorphe Prozessor der Welt sein. Es mag verwegen klingen, aber ja, es wird mit Intel konkurrieren, es wird mit IBM konkurrieren, es wird mit Nvidia konkurrieren. Wir haben den neuronalen Netzwerkkern, der unsere Architektur und Lernregeln der nächsten Generation ist. Wir haben das alles im Griff, wenn wir aus der Forschung in die Entwicklung gehen.
Wir gehen davon aus, dass es irgendwann Mitte des Jahres in einem FPGA emuliert wird, und wir werden in die Entwicklung eines eigenen integrierten Schaltkreises gehen, der einige Zeit später in F18 eingebaut wird. Wir gehen also von einem FPGA aus, das es funktioniert, und es ist ein großartiger Weg, um auf den Markt zu kommen. Es ist nicht der kostengünstigste Weg, um auf den Markt zu kommen. Es gibt Ihnen sicherlich nicht die geringste Leistung oder die höchste Geschwindigkeit oder die größte Dichte. Es ist großartig für das, was wir in Bildverarbeitungssystemen haben. Aber die Akida-Entwicklung ist wirklich die Zukunft des Unternehmens.
Können wir jetzt einfach über Bargeld reden...?
Sicher.
Wie Sie sagen, haben Sie letztes Jahr etwas Bargeld aufgebracht, und es scheint mir, dass das, was Sie damals getan haben, relativ transformativ war, und zwar nicht nur in Bezug auf das Bargeld, das Sie aufgebracht haben, sondern auch in Bezug auf die institutionellen Aktionäre, die Sie in ein Register aufgenommen haben. Aber ich habe den Eindruck, dass Ihnen vorher das Geld ausgegangen ist. Entsprechend dem September Q verbrannten Sie ungefähr $2 Million ein Viertel und Sie hatten weniger als $5 Million in den Banken. Also, wie wir in Australien sagen, waren Sie zu diesem Zeitpunkt auf den Knochen Ihrer a a.
Ja, es ist ein schmaler Grat, wenn du rausgehst und das Geld auftreibst. Ich wollte das kommerzielle Produkt auf den Markt bringen. Ich wollte mit ihnen sprechen können, ich wollte mit der Gelegenheit und den Kunden, mit denen wir zu tun hatten, sprechen können. Der australische Markt ist sehr empfänglich für diese Geschichte. Wenn man an reale Technologieunternehmen denkt, die - das meine ich gut gemeint - auch einen Schwerpunkt haben, der im Silicon Valley liegt, mit sehr erfahrenen Führungskräften aus dem Silicon Valley, die das Unternehmen leiten. Wir haben die Hälfte unseres Vorstands in Australien, wir haben die Hälfte unseres Vorstands in den USA mit unabhängigen Direktoren. Ja, wir bringen es bis zur Absperrung. Wir waren nah dran, wir waren nah dran....
Ja, du warst nah dran.
Wir wussten, dass es Nachfrage gab, und Sie haben Recht, ich denke, zwei wichtige Dinge, die Sie gerade angesprochen haben, wir sind jetzt voll finanziert. Wir haben genug Kapital, um unser Revisionssystem mit unserem BrainChip-Studio-Produkt und der Beschleuniger-Hardware aufzubauen. Es ist auch genug Kapital, um uns durch die Entwicklung des ICs zu führen. Es beruhigt die Aktionäre, wenn es um die Frage geht, wann die nächste Kapitalerhöhung ansteht. Nun, weißt du was, wir haben genug Kapital. Und wie Sie sagten, vielleicht als wichtig oder vielleicht noch wichtiger, haben wir die Zusammensetzung des Aktionärsregisters geändert. Ich glaube, wir haben 21 neue institutionelle Investoren gewonnen. Ich darf keine Namen nennen....
Sind es australische Institutionen oder amerikanische?
Nein, im Moment sind sie alle Australier. Ich habe mich entschieden, es noch nicht auf den US-Markt zu bringen.
Es gibt so einen Appetit in Australien. Und wieder waren wir weit, weit überzeichnet und die Institutionen, die hereingekommen sind, wissen Sie, das sind dominante Namen. Namen, die jeder kennt, liebt und vertraut. Es gibt Langzeit-Inhaber, weißt du, du flippst nicht in und aus dem Lager. Ich meine, es gibt immer welche, die das tun. Aber zwischen uns habe ich drei Erhöhungen gemacht, seit ich im September beigetreten bin. Ich habe einen im Oktober von 16, einen im Mai von 17 und einen im November von 17 gemacht. Wir haben uns voll finanziert und ich denke, dass wir wahrscheinlich 30 Institutionen hinzugefügt haben.
Die Kapitalstruktur ist nach wie vor interessant, und auch hier geht es wieder um eine Ihrer ersten Fragen, warum eine Hintertürauflistung? Peter Van Der Made und Anil und seinerzeit CEO, musste er aus gesundheitlichen Gründen gehen. Es gab bedeutende Investoren in Asiana, die das Ziel der RTO waren. Hauptsächlich Metals X und dann einige Syndikate um Metals X. Zwischen diesen fünf oder sechs Aktionären liegen sie bei etwa 65% der Aktien. Es ist hoch konzentriert auf langfristige Investitionen. Metalle X war sehr, sehr loyal. Natürlich sind Peter, Anil und Robert Mitro, der frühere CEO, wenn Sie sich einige unserer Pressemitteilungen angesehen haben, wenn Sie eine umgekehrte Übernahme durchführen, dann gibt es eine obligatorische - ich denke, es ist eine ASX-Listing-Anforderung - es gibt eine obligatorische zweijährige Treuhandperiode für alle Aktien, die Teil der RTO sind.
Am 22. September, glaube ich, waren es 361 Millionen, es waren weit über 350 Millionen - ich glaube, es waren 361 Millionen Aktien, die aus dem Treuhandkonto kamen. Ich war damals zufällig in Australien und habe kein Geld gesammelt, sondern nur mit institutionellen Anlegern gesprochen, und alle waren etwas nervös. Plötzlich gibt es 360 plus Millionen Aktien, die auf dem Marktplatz landen und bisher nicht gehandelt werden konnten. So machte ich fünf Telefonate und vergesse das Datum - man konnte die ASX-Pressemitteilungen einsehen. Es war kurz bevor wir das Geld gesammelt haben. Ich denke, es war wahrscheinlich der 17. Oktober - Oktober/Anfang November - machte fünf Telefonanrufe an diese Großaktionäre und ich legte zurück in Escrow Ich denke, es waren 403 Millionen Aktien. Wir haben tatsächlich mehr Aktien, die aus dem Treuhandkonto stammen, in das Treuhandkonto zurückgelegt.
Ich habe das auch in Ihrer Ankündigung gesehen, ich fand das erstaunlich! Das war wirklich etwas, das war es.
Ja, es beruhigte die Nerven der Leute....
Du musstest es irgendwie tun, obwohl du es nicht getan hast, weil du im Begriff warst, 20 bis 30 Millionen Dollar aufzubringen?
Ja, das musstest du. Wie kann man Geld auftreiben, wenn man all diese Wagen da draußen hat? Und keiner dieser Leute war Verkäufer. Ich meine, ich dachte, ich müsste meine Verkäufer-Schuhe anziehen und sie waren buchstäblich sehr, sehr einfache Telefonanrufe.
Ich werde bald enden müssen, aber was ist die Ausstiegsstrategie? Ich meine, ist der Plan, eine Auktion zwischen Intel, Nvidia und Qualcomm einzurichten und zu sehen, welchen Preis Sie bekommen können, oder glauben Sie, dass Sie letztendlich einer von ihnen werden können?
Diese Frage wird mir oft gestellt, und dies ist mein viertes Mal als CEO eines börsennotierten Unternehmens, ein paar Nasdaqs und eine New Yorker Börse. Ehrlich gesagt, alle drei dieser Unternehmen wurden schließlich übernommen, aber meine Philosophie ist es, die beste Firma aufzubauen, die Sie haben können. Bauen Sie die besten Produkte, adressieren Sie die Wachstumsmärkte, sorgen Sie für eine konstante Rentabilität und lassen Sie die Chips fallen, wo sie hingehören. Ich denke, Sie wissen, um zu versuchen, ein Unternehmen für einen Exit im Sinne von M&A zu entwerfen, ist es eine Art Narrengang. Unternehmen werden nicht verkauft, sondern gekauft. Diejenigen, die verkauft werden, werden an suboptimalen Ausgängen verkauft, weil das alles ist, was sie sagen, alles, was zählt, ist, verkauft zu werden.
Unser Ziel ist es, ein Unternehmen mit einer dauerhaften Marke aufzubauen, dem Marktführer im Bereich des neuromorphen Computing, und wird jemand kommen und uns ins Spiel bringen? Im Jahr 2016 wurden 140 AI-Gesellschaften erworben. Ich denke, dass der Wert, den unsere Aktie[34:50.8] hat, von jenen 140 ist, die Milliarden und Milliarden von Dollar in Betracht gezogen wurden, nicht ein einziger öffentlicher Marktinvestor machte einen Dollar, weil alle diese Unternehmen von Risikokapitalgebern in den USA unterstützt wurden und sie haben große Vorteile geerntet. Was ich unseren Investoren sage, ist, dass dies Ihre einzige reine KI-Firma ist, die an der Börse notiert ist.
Oh, ist das richtig? Das war mir nicht klar. Ist das so?
Ja. Du könntest Google kaufen, du könntest Tesla kaufen, du könntest eine ganze Reihe von KI-Spielern kaufen, aber wenn du nach einer öffentlich gelisteten reinen Spiel-KI-Firma suchst, ob es ASX, Toronto Exchange, Nasdaq, New York Stock Exchange ist, gibt es keine reine Spiel-KI-Firma, in die öffentliche Marktinvestoren ihr Geld investieren können.
Und es ist auf der ASX, da haben wir es.
Genau.
Nun, es war toll, mit dir zu reden, Lou. Ich muss gehen, aber es war fantastisch, vielen Dank für Ihre Zeit.
Vielen Dank, jederzeit.
Das war Lou DiNardo, der CEO von BrainChip Holdings.
Übersetzt mit www.DeepL.com/Translator
Übersetzt mit www.DeepL.com/Translator
Lou DiNardo ist CEO von BrainChip Holdings (ASX:BRN), einem an der ASX notierten Unternehmen. Er spricht mit uns von Newport Beach, Kalifornien, wo BrainChip eines seiner Büros hat; seine Hauptgeschäftsstelle, schätze ich, dass man sagen muss, ist in San Francisco und es hat ein Büro in Toulouse, Frankreich, und es ist auf der ASX durch eine Hintertür gelistet, die bereits 2015 gelistet wurde.
Das habe ich erst am Ende des Interviews mit Lou erfahren, dass BrainChip das einzige reinrassige Unternehmen ist, das an der Börse notiert ist. Alle anderen AI-Gesellschaften, von denen 140 letztes Jahr verkauft wurden, sind alle Venture-Capital-Gesellschaften und nicht börsennotiert. Er sagt, dass es der einzige Weg ist, in eine reine KI-Firma als kleiner Investor an der Börse zu investieren, und es ist zufällig an der ASX.
Es ist im Grunde genommen ein Hardware-KI-Geschäft, keine Software, was zutiefst wichtig ist, denke ich, weil es im Grunde genommen ein Chip-Unternehmen ist. Sie stellen einen Chip her, der versucht, die Funktionsweise des Gehirns mit Neuronen und Synapsen nachzuahmen. Die Sache, die von Peter Van Der Made erfunden und patentiert wurde, der ein Amerikaner ist, der viel Zeit in Australien verbracht hat. Er erfand diese Methode, um die Funktionsweise des Gehirns in einem Chip zu kopieren, was die Energiemenge reduziert und die Datenmenge reduziert, die der Chip benötigt, um Schlussfolgerungen ziehen zu können.
Grundsätzlich lernt es auf der Flucht, wie das Gehirn, und es ist ein wirklich interessantes Geschäft. Sie konzentrieren sich im Moment auf die Überwachung in Kasinos, Bahnhöfen, für Polizeikräfte und so weiter, sie fangen an, auf diese Weise Verkäufe zu machen. Aber ich denke, dass es hier viel Potenzial gibt. Eine der Fragen, die ich ihm gestellt habe, war, ob sie mit dem Ding Bitmünzen abbauen können, und zwar ohne so viel Energie zu verbrauchen. Er ging dann in eine lange Rave über das, was interessant war, und auch die Frage, wie das BrainChip-Produkt mit Quanten-Computing arbeitet, die er sagt, ist auch ziemlich groß.
Ich denke, das ist ein sehr, sehr interessantes, möglicherweise aufregendes Geschäft. Sie haben gerade eine große Kapitalbeschaffung letztes Jahr, ungefähr $20 Million Dollar getan, und wichtiger in einigen Weisen, holten sie in eine vollständige Menge australische Anstalten auf das Anteilregister. Jetzt wird es institutionell gehalten und ist voll finanziert. Sie haben jetzt eine Reihe von Kapitalerhöhungen durchgeführt, etwa 30 Millionen Dollar gesammelt und er sagt, dass sie jetzt vollständig finanziert sind, um die Gewinnschwelle zu erreichen, was eine gute Nachricht ist. Die Aktie ist etwa 20 Cent wert und ein wirklich interessantes kleines Geschäft.
Hier ist Lou DiNardo, der CEO von BrainChip Holdings.
Lou, ich spreche mit dir aus Newport Beach in Kalifornien. Ist das der Ort, an dem das Unternehmen seinen Sitz hat, oder hat es seinen Sitz in San Francisco, in Australien, oder wo hat es seinen Sitz?
Ja, das Unternehmen ist an der ASX gelistet, also haben wir sicherlich einen großen Fußabdruck und Präsenz bei institutionellen Investoren und Privatanlegern oder Privatanlegern in Australien. Was wir unsere Zentrale nennen, wo ich selbst, unser CEO/CFO, Ryan Benton, sowie Senior Vice President of Marketing, in San Francisco residieren. Wir haben zwei Designzentren, eines davon befindet sich in Aliso Viejo, wo Sie von außerhalb von Newport Beach aus mit mir sprechen. Wir haben hier etwa 14 Mitarbeiter. Sie machen im Grunde genommen Hardware-Design und dann sind unser Gründer, Peter Van Der Made, sowie ein paar Forscher hier. Dann haben wir unser Werk in Toulouse, Toulouse, Frankreich, Südfrankreich, am Fuße der Pyrenäen. Wir haben dort noch 13 oder 14 Leute, die sowohl Algorithmenentwicklung als auch Software machen. Wir sind überall dort verteilt, wo wir das Talent finden können, aber ich denke, das sind drei primäre physische Orte. Natürlich steht Australien für uns immer im Vordergrund, denn dort sind unsere Investoren zu Hause.
Warum sind Sie an der ASX gelistet? Wird es der Gründer, Peter Van Der Made, der einige Zeit in Sydney verbracht hat?
Er hat offen gesagt einige Zeit in ganz Australien verbracht. Ich weiß, dass er in Sydney war, ich glaube, er war in Melbourne, ich weiß, dass er in Brisbane war. Aber er verbrachte einen Großteil seiner Zeit in Perth, draußen in Westaustralien. Er lehrte Neurowissenschaften an der University of Curtin. Der Grund für die ASX Notierung, es ist interessant, da ich sicher bin, dass Sie Art von gefolgt haben, wie Technologieunternehmen während ihrer prägenden Jahre finanziert erhalten. Peter hatte eine Vorgängerfirma, eine Firma namens VCIS, die von Silicon Valley Venture Capitals unterstützt wurde. Baute das Unternehmen zu einem sehr erfolgreichen Unternehmen auf. Es war eine frühe Phase dessen, was wir Cybersicherheit oder Malware-Schutz nennen würden.
Als er das Unternehmen verkaufte, durchliefen die Venture-Capital-Kerle anschließend mehrere Finanzierungsrunden, nahmen sie immer mehr Besitz und nahmen am Ende des Tages den weitaus größten Teil des Erlöses aus der Transaktion ein. Peter hat eine Leidenschaft für BrainChip für die meiste Zeit eines Jahrzehnts oder länger gehabt. Er sieht es als eine große Idee, genau wie ich, und deshalb bin ich in die Firma eingetreten. Es gab eine umgekehrte Übernahme eines Bergwerks - ich schätze, Sie würden es als Rohstoffunternehmen Asiana im September 2015 bezeichnen.
Peter entschied, Sie wissen schon, was, ich werde das auf dem öffentlichen Markt veröffentlichen und den Investoren des öffentlichen Marktes die Möglichkeit geben, während dieser RTO im September die Vorteile zu genießen. 15, AUD$4 Millionen wurden eingeworben, und Peter hat genug Kapital zur Verfügung gestellt, um ein Team zusammenzustellen.
Sie können die Büros hier in Aliso Viejo mieten und nehmen, was in seinem Kopf war, wofür er wirklich eine Leidenschaft hat, wenn er nachahmt, wie das menschliche Gehirn in Silicon arbeitet, nehmen Sie es von seinem Kopf zu Papier. Es war eine innovative und einzigartige Idee, zumindest vom Standpunkt aus gesehen, dass diejenigen von uns, die hier im Silicon Valley aufgewachsen sind, im April von 16 Jahren auf den Markt zurückkehrten und weitere 4 Millionen Dollar aufbrachten. Das brachte ihn von Papier zu einem Stück Silizium, in dem, was wir ein FPGA nennen, ein programmierbares[6:54.2]-Silizium, aber wissen Sie, in einem FPGA emulieren. Das hat außerordentlich gut funktioniert. Zu diesem Zeitpunkt erkannt, mit einem neuronalen Netzwerk aus Silizium, synthetischen Synapsen und synthetischen Neuronen, ist es großartig, es war eine großartige Leistung.
Aber Sie brauchen eine Art schlüsselfertige oder komplette Lösung, um den Kunden zu zeigen, dass sie tatsächlich funktioniert. Wenn Sie also vom 16. April bis zum 16. September vorspulen, hat das Unternehmen ein Unternehmen in Toulouse, Frankreich, mit dem Namen Spikenet erworben. Spikenet verwendet auch ein neuronales Spiking-Netzwerk. Sie tun es zufällig in Software, so simuliert in Software, und Peter und Anil, sein Mitbegründer, Anil Mankar, der auch hier in Aliso Viejo ist. Sie erwarben Spikenet mit der Absicht, die simulierten Algorithmen von Spikenet zu integrieren, sowie den Anwendungsfall, bei dem die Applikationsebene in ein FPGA integriert wurde, das dann vermarktet werden konnte, den Beweis des Lebens erbrachte und vermarktet wurde.
Es war interessant, dass das, was sie in Spikenet gefunden haben, ein sehr ähnliches Denken darüber war, wie man neural mehr für die Datenverarbeitung mit einem neuronalen Spiking-Netzwerk tun kann, das sich wesentlich von dem unterscheidet, was man in der künstlichen Intelligenz liest oder hört. Aber sie sind harte Zeltkunden. Sie ließen sie ihre Softwaresimulationen an das französische Heimatschutzministerium, die Pariser Polizei und den Flughafen Bordeaux vermarkten. Rockwell Collins, Safran - wirklich Weltklasse-Unternehmen. Die Software und Algorithmen waren kampferprobt und die Anstrengung dann von - ich trat Ende September, 29. September 2016 bei, und wir nahmen die nächsten 6 Monate in Anspruch und integrierten die Software im Grunde genommen in eine neue Siliziumlösung.
Also, ich nehme an, dass das Wesen von BrainChip in gewisser Weise die Umwandlung dieser Art von Spiking-Software in Hardware ist. Sie haben eine Hardwarelösung für eine Softwarelösung, die in der Regel eine Softwarelösung ist?
Das ist genau richtig und wir nennen es Beschleuniger. Wir haben es genommen, als ich Ende September mit 16 Jahren zu uns kam. Anfang Oktober gingen wir hinaus und sammelten weitere AUD$5,4 Millionen Dollar. Dies geschah im Rahmen einer Privatplatzierung. Ich glaube, es war die erste Oktoberwoche 2016. Dann nahmen wir dieses Kapital und wir nahmen die Softwaresimulation des neuronalen Netzes, die Algorithmen und die Anwendungsschicht, die es den Menschen erlaubt, sich zu verbinden. Die Jungs bei der Polizei, die Polizei, die Leute von der Strafverfolgung, sie sind keine Wissenschaftler, sie wollen eine Benutzeroberfläche. Sie wollen in der Lage sein, einen Verdächtigen hervorzuheben, und dann, Sie wissen schon, ob es sich dabei um einen forensischen Blick zurück auf Videos handelt, die in Geschäften oder manchmal in Echtzeit mit Live-Feeds gespeichert sind. Die wirkliche Stärke von Visionssystemen, die wirkliche Stärke des neuronalen Netzes, ohne in eine ganze Reihe technischer Nuancen einzusteigen, ist genau wie das menschliche Auge und Ihre Fähigkeit, Informationen in Ihrem Gehirn zu verarbeiten.
Wir können an sehr schlechten Bildern arbeiten, also an Kameras mit niedriger Auflösung und dunklen Umgebungen. Wenn Sie an das Pariser U-Bahn-System als Beispiel denken, sind diese Kameras 20-25 Jahre alt. Sie sind an schrecklichen Orten geschmolzen, es ist schwach beleuchtet und wir können ein Gesicht extrahieren, so dass wir Gesichtsschutz machen. Wir extrahieren zu diesem Bild, wir verwandeln es in eine Spike-Karte, die dieselben elektrischen Impulse enthält, die Ihr Gehirn von Ihrem Augennerv empfangen würde. Dann können wir das mit einer bekannten Gruppe von Terroristen vergleichen. Das ist im Grunde genommen das, was wir getan haben....
Ich habe Mühe, meinen Kopf darüber zu bekommen, wie man künstliche Intelligenz in Hardware und nicht in Software einsetzen kann. Das ist ein echter Sprung, wie mir scheint.
Es ist ein echter Jump and Gosh, ich mache seit 35 Jahren Halbleiter-Hardware. Ich zog mich im Oktober 2015 in den Ruhestand zurück, hat keine Absicht, wieder zur Arbeit zu gehen, aber als ich angerufen wurde und Pete traf, hatte ich die gleiche Kluft, die ich überwinden musste, aber sobald man die digitale oder synthetische Synapsenarchitektur durchdacht hat. Dann das synthetische Neuron - im Grunde genommen ist es digitale Logik. Wir legen einen Haufen von Registern nieder, sie verhalten sich wie Synapsen, diese Register geben die Daten an das weiter, was wir Neuronen nennen, und all diese Synapsen sind alle mit allen Neuronen verbunden. Alles wird parallel verarbeitet.
Wenn Sie unsere Software, die die Spikenet-Software war, verwenden, nennen wir sie jetzt BrainChip SAS. Wenn Sie diese Software auf einem Server laufen lassen und sagen wir, Sie bekommen High Definition Feeds. Sie erhalten ein Minimum von 1080p und Sie erhalten 30 Bilder pro Sekunde.
Die Software auf einem High-End Intel-Prozessor kann vielleicht fünf Kanäle gleichzeitig nutzen. Wenn Sie es auf unserer Hardware laufen lassen, können Sie zwischen 16, vielleicht sogar 20 oder 24 Kanäle über den gleichen Server erreichen. Wir machen nichts anderes, wir setzen die gleiche Architektur ein, die simuliert wurde. Wir haben es in der digitalen Logik abgelegt, aber wegen der Art und Weise, wie wir es in der Hardware machen können, ist es etwas, das fünf- oder sechsmal schneller ist, als die Software auf einer CPU oder sogar einem Nvidia-Grafikprozessor laufen zu lassen, und wir können die Leistung um den Faktor 10 reduzieren.
Ich wollte sagen, verbrauchen Sie auch viel weniger Energie?
Es ist enorm weniger Energie. Wenn Sie die Software auf, sagen wir, Nvidia-CPU oder sogar eine Intel-CPU laufen lassen, werden Sie irgendwo zwischen 200-300 Watt Leistung brennen. Um das in seinen Kontext zu stellen, nehmen Sie eine 100 Watt Glühbirne, legen Sie zwei oder drei von ihnen in eine Aktentasche, die die Größe eines Servers hat, und Sie werden sehen, wie das Ding schmilzt. Die Wärmeabfuhr ist enorm hoch. Wenn man in High-End-Grafikprozessoren einsteigt, werden sie zumindest aktiv mit einem Lüfter und einer Wärmesenke gekühlt[13:34.8]. Manchmal sind sie sogar wassergekühlt, wo sie kaltes Wasser durch den Kühlkörper leiten, um die Dinge kalt zu halten.
Unser Chip selbst läuft mit 10 Watt. Wir haben es auf ein Board gesteckt, also ist es eine Einsteckkarte in einen Server, und die gesamte Karte hat eine Leistung von 35 Watt. Also, es ist etwas in der Größenordnung von 10 mal weniger Leistung, 6 mal schneller und hält offen gesagt ein Versprechen, ein Bild extrahieren zu können, das sonst jedes herkömmliche Visionssystem oder sogar ein tiefes Lernsystem einfach nicht leisten könnte. Das ist es, was die Leute in den Ministerien für Heimatschutz und die Polizei über das Produkt lieben. Es ist einfach zu bedienen und in der Lage, ein Bild aus sehr schlecht beleuchteten und niedrig auflösenden Umgebungen zu extrahieren. Es ist sehr schnell und sehr stromsparend.
Ein zufälliger Gedanke kam mir gerade in den Sinn. Könnten Sie Bitcoins kostengünstiger und ohne großen Energieaufwand abbauen? Würde Ihr Chip das besser machen?
Nun, es ist eine wirklich gute Frage - und ich hasse es immer zu sagen, dass es eine gute Frage ist, weil ich weiß, dass du sie deshalb gestellt hast. Der Unterschied zwischen Computing und sogar in einem Grafikprozessor oder einer CPU, weil wir wie das Gehirn arbeiten, machen wir keine Mathematik. Dein Gehirn macht nicht wirklich eins plus eins plus eins gleich zwei. Ihr Gehirn hat eine Spike-Mathematik, die erkennt, dass ich das gelernt habe, als ich ein Kind war, 1 plus 1 ist gleich 2. Wir machen keine Berechnungen. Deshalb ist es extrem stromsparend. Was wir in der Kryptotechnik oder einfach nur in der Blockkette im Allgemeinen tun könnten, werden wir nie die Lösung sein, um die Transaktion zu berechnen, 1 plus 1 ist gleich 2. Was wir tun können und was die Technologie außergewöhnlich ist, ist das Erkennen von konkurrierenden Mustern.
So wie diese Kryptoumgebung reift oder Blockkette allgemein, weil sie nicht nur in Bezug auf die Währung, sondern auch auf viele andere Wege angewandt wird, können wir wiederkehrende Muster erkennen. Wir könnten das für Blockchain tun und wir könnten sagen, wenn es eine sehr hohe Dichte von Transaktionen mit einem sehr ähnlichen Muster gäbe, das ausgeführt wird, könnten wir es für die Cybersicherheit tun, wo wir Muster für Denial-of-Service-Angriffe, Malware-Angriffe erkennen könnten.
Allgemeiner gesagt, zurück zur Krypto-, Fintech- oder Finanztechnologie im Allgemeinen. Hochfrequenzhandelsmuster, Leute wollen wissen, was diese Muster sind, damit sie voraussagen können, was ihre zukünftige Transaktion sein sollte, oder sie wollen jemand anderes kreuzen, der versucht, genau das Gleiche zu tun. Bei der Technologie geht es also nicht um Rechnen, sondern um das Erkennen von sich wiederholenden Mustern.
Kurz bevor wir uns mit anderen Dingen befassen, fällt mir noch ein anderer Gedanke ein: Was wäre, wenn wir Ihre Technologie und Peters Ideen mit Quantencomputing kombinieren könnten?
Das könnte riesig werden. Es wird immer eine Art Nebeneinanderumgebung geben. Auch wenn wir uns heute einige unserer Engagements wegen dieser Fähigkeit, Visionen außergewöhnlich gut zu machen, ansehen - wir werden von großen Automobilherstellern auf der ganzen Welt angesprochen. Detroit, Deutschland... Wiederum werden wir nie die Berechnung durchführen, wir werden sehr schnell und sehr effizient ein Muster erkennen. So werden wir wahrscheinlich während der kurzen bis mittleren Frist Seite an Seite sitzen, wir werden Seite an Seite mit einer CPU oder einem GPU sitzen, sie werden Zahlen knirschen und wir werden wie ein Gehirn funktionieren, das das Denken macht....
Aber Lou, es scheint mir nur so, ich denke nur darüber nach, ich meine das, was CPUs tun und immer getan haben, und tatsächlich war die ganze Geschichte des Rechnens bis jetzt ein Versuch, in gewisser Weise das zu replizieren, was das Gehirn tut, aber es durch Computing zu tun. Wie Sie betonen, ist dieser Prozess des Rechnens, um das Denken zu replizieren, nicht wirklich ein guter Weg, um es in Angriff zu nehmen. Es scheint mir nur so, als ob ich dein Geschäft studiere und studiere, woran Peter gedacht hat, was du tust, ist viel näher an der Funktionsweise des Gehirns, richtig?
Was Sie haben - und ich vermute, eine gute Rutschbahn in unserem Investorendeck -, basiert in den letzten 50 Jahren alles, was wir in der digitalen Elektronik gemacht haben, auf dem, was wir von Neumann-Architektur nennen.
Ein Typ namens von Neumann, ich glaube, es war in den späten 40er Jahren - da müsste ich korrigiert werden - es ist alles serielle Verarbeitung. Es ist Anweisung, Daten aus dem Speicher holen, Prozessanweisung, Daten aus dem Speicher holen, Daten holen, Prozessanweisung, Daten holen, Daten holen, Prozess... Und damit sind wir seit 50 Jahren davongekommen, weil wir Moores Gesetz befolgen konnten - die Logik wird immer kleiner und kleiner, immer schneller und schneller... Intel-CPUs, sogar in einem Laptop, laufen jetzt mit 4 GHz Taktfrequenz. Das sind 4 Milliarden Zyklen pro Sekunde. Also sind wir davongekommen, nicht das zu spiegeln, was das Gehirn tut, sondern zu versuchen, neu zu erfinden, wie wir es verarbeiten könnten, und andere Schlussfolgerungen zu ziehen.
Peters Ansicht ist, dass man, um unsere wahre künstliche Intelligenz voranzubringen, parallel verarbeiten muss, genau wie das Gehirn, all Ihre Synapsen, all die gleichen elektrischen Ladungen zu jeder Zeit. Sie werden erregt und diejenigen, die zuerst erregt werden, und was wir Intensität und zeitliche Integrität nennen, so dass sie zu einem großen Teil erregt sind und es für eine lange Zeitspanne dauert - lange Zeit, die Bruchteile und Bruchteile von Sekunden sind. Es feuert ab, es geht zu einem Neuron und wenn genug von der gleichen Synapse das gleiche Ereignis sehen, wird dieses Neuron aufgeregt und man geht durch - wenn wir über Schichten sprechen, dann geht man durch Schichten des neuronalen Netzes. Sind es drei Schichten, sind es fünf Schichten? Das menschliche Gehirn operiert wahrscheinlich auf sieben Ebenen.
Die Herausforderung mit dem, was bis jetzt passiert ist - und es gab große Anwendungsfälle, in denen es absolut angemessen ist, aber als die Leute aus der seriellen Verarbeitung von Neumann herausspringen und sie in Faltungsneuronale Netze, CNNs oder DNNs eingewandert sind, gibt es eine ganze Reihe von Dingen. Sie lassen sich immer noch rechnerisch verarbeiten, alles wird mathematisch gemacht. Das neuronale Spiking-Netzwerk macht das nicht, das erste, was wir tun, ist, dass wir jeden Eingang, den wir sehen, konvertieren und es könnten Daten aus einer Börsentransaktion sein, es könnte ein visueller Eingang von einer Standard-Pixelkamera sein. Das erste, was wir tun, ist, es in Stacheln zu verwandeln. Wenn Sie zu den Spitzen gehen, benötigen Sie einen kleinen Bruchteil der Informationen.
Wir haben eine wirklich coole Demo, in der wir ein Video starten und es sieht aus wie ein lauter Bildschirm, sieht nur aus wie ein bisschen weißes Rauschen. Dann fangen wir an zu pixeln und füllen es aus. Der durchschnittliche Mensch - und das habe ich jetzt für Hunderte von Menschen getan, innerhalb von 5 oder 10% der Daten erkennt Ihr Gehirn, was das Bild ist. Du wirst wissen, dass es ein Adler, ein Fuchs oder ein Zug ist. Wenn Sie das in einer Computing-Architektur tun, bevor Sie Ihre Entscheidung treffen und weitermachen können, müssen Sie 100% der Daten erhalten. Wenn Leute fragen, wie kann man schneller sein als eine Nvidia CPU? Das liegt daran, dass wir nur 5% der Daten benötigen. Bei 5% der Daten löst die Synapse aus oder feuert und sendet die Information an das Neuron.
Sie haben also Recht, wir ziehen in ein Ganzes ein - das ist wahrscheinlich die störendste Technologie, die ich seit 35 Jahren gesehen habe, und ich habe für einige der besten Halbleiterfirmen der Welt gearbeitet. Sie begannen mit Geräten, gingen zur Lineartechnik... Ich kam zurück zur Arbeit, weil das einfach verdammt aufregend ist.
Erzählen Sie uns von Ihren Verkäufen.
Wir haben unser erstes kommerzielles Produkt am 17. Juli vorgestellt - lassen Sie mich meine Daten richtig machen. Das war die Software. Als ich im September des 16. September zu Spikenet kam, war klar, dass die Software, die vom Spikenet-Team entwickelt worden war, wirklich maßgeschneidert war, sie hatte ein bisschen hier für diesen Kunden und ein bisschen dort. Wir haben uns entschieden, die Software zu retrench und das, was wir Refactor nennen, auf den neuesten Stand zu bringen und sie sehr benutzerfreundlich zu machen. Wir haben am 17. Juli die Software vorgestellt und am 10. September den Software-Beschleuniger, mit dem wir die Software auf die Hardware portiert haben. Historische Verkäufe, nennen Sie es $1 Million Dollar oder weniger US. Wir veröffentlichen oder prognostizieren nicht....
Aber haben Sie überhaupt irgendwelche Verkäufe getätigt?
Oh ja, das haben wir. Wir hatten wiederkehrende Umsätze mit der Pariser Polizei. Ich benutze US-Sprache, weil ich kein Französisch spreche, ihr Heimatschutzministerium. Wir haben Installationen bei der Pariser Polizei, dem Pariser Heimatschutzministerium. Sie kaufen weiterhin Produkte. Wir sind auf dem Flughafen von Bordeaux installiert. Wir haben eine Eindringlingsalarm. Wenn Leute über einen Zaun springen oder in die Nähe eines Flugzeugs gehen, wenn sie es nicht sollen, dann machen wir diese Mustererkennung. Wir sind live in einem Casino. Es ist interessant, dass, als die Kasinos herausfanden, dass wir ein Muster aus einer alten Schrottkamera in 3 Meter Höhe oder 5 Meter Höhe erkennen können, sie uns damit beauftragten, im Grunde genommen Karten in Kasinos zu zählen, die gewonnen haben, die verloren haben, die verloren haben, wurde der Deal richtig bezahlt oder nicht?
Ihre Prozesse können also Karten zählen?
Ja, wir können Karten und Chips zählen, vom Auge des Himmels aus. In 5 Metern Höhe erkennen wir ein Ass, einen König, eine Königin... Es gibt eine Bewerbung. Wir arbeiten mit jemandem zusammen, der die Casino-Branche kennt, weil wir nicht auf Casinos zurückgreifen wollen.
Aber ja, wir haben ein Produkt namens Game Outcome - Ass, König, König, Königin, 2, 3, 4, sie gewann, er verlor, hat der Dealer die Chips in die richtige Richtung bewegt, so dass sie richtig bezahlt wurden oder nicht? Das nennt sich Game Outcome. Die Spielstatistik nimmt die gleichen Daten und sagt:"John saß vier Stunden lang am Tisch, er spielte 72 Hände, er gewann 30 und verlor 40 - vielleicht sollten wir ihn zum Abendessen einladen und versuchen, ihn im Casino zu behalten".
Die Kasinobetreiber verschenken eine ganze Menge Geld und ein großes Kasino-Engagement, das wir in Las Vegas haben, sagte direkt zu mir, dass sie $30 Millionen Dollar pro Jahr in ergänzenden Dienstleistungen, Showtickets, Zimmern und Abendessen verschenken.
Aber nur für Verlierer, richtig?
Nun, ihre eigene Schätzung war, dass 50% an die falschen Leute geht, weil sie es nicht wissen. Sie haben keine Analysen. Sie haben einen Boxenboss mit einem Scratchpad, der versucht, herumzulaufen und mit ihm Schritt zu halten, und die Leute haben Spielerkarten, aber sie tauschen alle Spielerkarten aus. Jetzt geben wir ihnen Echtzeit-Analysen und schließlich wird das an die Gesichtserkennung angehängt, die eine der Stärken ist, also wissen wir nicht nur, dass es ein Spieler auf Platz eins war, wir wissen auch, welcher Spieler es war, und wenn er aufsteht und an einen anderen Tisch geht, werden wir das auch herausfinden.
An diesem Punkt geht es um Visionen. Ich möchte einen wichtigen Punkt nicht verpassen, und dabei geht es um Vision, denn es ist eine der einfachsten Anwendungen und Bereiche, die man in der Technologie anwenden kann. Wir haben eine großartige Traktion und einen großartigen Kundenstamm. Die Produkte kamen eigentlich erst im 3Q17 heraus. Die Entwicklung, an der wir gerade arbeiten, haben wir im November wieder auf den Markt gebracht und 19,5 Mio. AUD eingeworben. Ehrlich gesagt, es war weit überzeichnet. Wir haben Kapazitätsbeschränkungen hinsichtlich der Anzahl der Aktien, die wir ausgeben können, aber wir haben 19,5 Mio. Dollar aufgebracht, die alle noch immer in der Bilanz stehen.
Aber wir haben eine Produktentwicklung gestartet, die wir Akida nennen. Akida bedeutet zufällig Spike auf Japanisch. Es ist ein eigenständiger neuronaler Prozessor der nächsten Generation, wir nennen ihn NSOC, das ist ein neuromorphes System auf einem Chip. Das wird wirklich der erste wirklich voll integrierte neuromorphe Prozessor der Welt sein. Es mag verwegen klingen, aber ja, es wird mit Intel konkurrieren, es wird mit IBM konkurrieren, es wird mit Nvidia konkurrieren. Wir haben den neuronalen Netzwerkkern, der unsere Architektur und Lernregeln der nächsten Generation ist. Wir haben das alles im Griff, wenn wir aus der Forschung in die Entwicklung gehen.
Wir gehen davon aus, dass es irgendwann Mitte des Jahres in einem FPGA emuliert wird, und wir werden in die Entwicklung eines eigenen integrierten Schaltkreises gehen, der einige Zeit später in F18 eingebaut wird. Wir gehen also von einem FPGA aus, das es funktioniert, und es ist ein großartiger Weg, um auf den Markt zu kommen. Es ist nicht der kostengünstigste Weg, um auf den Markt zu kommen. Es gibt Ihnen sicherlich nicht die geringste Leistung oder die höchste Geschwindigkeit oder die größte Dichte. Es ist großartig für das, was wir in Bildverarbeitungssystemen haben. Aber die Akida-Entwicklung ist wirklich die Zukunft des Unternehmens.
Können wir jetzt einfach über Bargeld reden...?
Sicher.
Wie Sie sagen, haben Sie letztes Jahr etwas Bargeld aufgebracht, und es scheint mir, dass das, was Sie damals getan haben, relativ transformativ war, und zwar nicht nur in Bezug auf das Bargeld, das Sie aufgebracht haben, sondern auch in Bezug auf die institutionellen Aktionäre, die Sie in ein Register aufgenommen haben. Aber ich habe den Eindruck, dass Ihnen vorher das Geld ausgegangen ist. Entsprechend dem September Q verbrannten Sie ungefähr $2 Million ein Viertel und Sie hatten weniger als $5 Million in den Banken. Also, wie wir in Australien sagen, waren Sie zu diesem Zeitpunkt auf den Knochen Ihrer a a.
Ja, es ist ein schmaler Grat, wenn du rausgehst und das Geld auftreibst. Ich wollte das kommerzielle Produkt auf den Markt bringen. Ich wollte mit ihnen sprechen können, ich wollte mit der Gelegenheit und den Kunden, mit denen wir zu tun hatten, sprechen können. Der australische Markt ist sehr empfänglich für diese Geschichte. Wenn man an reale Technologieunternehmen denkt, die - das meine ich gut gemeint - auch einen Schwerpunkt haben, der im Silicon Valley liegt, mit sehr erfahrenen Führungskräften aus dem Silicon Valley, die das Unternehmen leiten. Wir haben die Hälfte unseres Vorstands in Australien, wir haben die Hälfte unseres Vorstands in den USA mit unabhängigen Direktoren. Ja, wir bringen es bis zur Absperrung. Wir waren nah dran, wir waren nah dran....
Ja, du warst nah dran.
Wir wussten, dass es Nachfrage gab, und Sie haben Recht, ich denke, zwei wichtige Dinge, die Sie gerade angesprochen haben, wir sind jetzt voll finanziert. Wir haben genug Kapital, um unser Revisionssystem mit unserem BrainChip-Studio-Produkt und der Beschleuniger-Hardware aufzubauen. Es ist auch genug Kapital, um uns durch die Entwicklung des ICs zu führen. Es beruhigt die Aktionäre, wenn es um die Frage geht, wann die nächste Kapitalerhöhung ansteht. Nun, weißt du was, wir haben genug Kapital. Und wie Sie sagten, vielleicht als wichtig oder vielleicht noch wichtiger, haben wir die Zusammensetzung des Aktionärsregisters geändert. Ich glaube, wir haben 21 neue institutionelle Investoren gewonnen. Ich darf keine Namen nennen....
Sind es australische Institutionen oder amerikanische?
Nein, im Moment sind sie alle Australier. Ich habe mich entschieden, es noch nicht auf den US-Markt zu bringen.
Es gibt so einen Appetit in Australien. Und wieder waren wir weit, weit überzeichnet und die Institutionen, die hereingekommen sind, wissen Sie, das sind dominante Namen. Namen, die jeder kennt, liebt und vertraut. Es gibt Langzeit-Inhaber, weißt du, du flippst nicht in und aus dem Lager. Ich meine, es gibt immer welche, die das tun. Aber zwischen uns habe ich drei Erhöhungen gemacht, seit ich im September beigetreten bin. Ich habe einen im Oktober von 16, einen im Mai von 17 und einen im November von 17 gemacht. Wir haben uns voll finanziert und ich denke, dass wir wahrscheinlich 30 Institutionen hinzugefügt haben.
Die Kapitalstruktur ist nach wie vor interessant, und auch hier geht es wieder um eine Ihrer ersten Fragen, warum eine Hintertürauflistung? Peter Van Der Made und Anil und seinerzeit CEO, musste er aus gesundheitlichen Gründen gehen. Es gab bedeutende Investoren in Asiana, die das Ziel der RTO waren. Hauptsächlich Metals X und dann einige Syndikate um Metals X. Zwischen diesen fünf oder sechs Aktionären liegen sie bei etwa 65% der Aktien. Es ist hoch konzentriert auf langfristige Investitionen. Metalle X war sehr, sehr loyal. Natürlich sind Peter, Anil und Robert Mitro, der frühere CEO, wenn Sie sich einige unserer Pressemitteilungen angesehen haben, wenn Sie eine umgekehrte Übernahme durchführen, dann gibt es eine obligatorische - ich denke, es ist eine ASX-Listing-Anforderung - es gibt eine obligatorische zweijährige Treuhandperiode für alle Aktien, die Teil der RTO sind.
Am 22. September, glaube ich, waren es 361 Millionen, es waren weit über 350 Millionen - ich glaube, es waren 361 Millionen Aktien, die aus dem Treuhandkonto kamen. Ich war damals zufällig in Australien und habe kein Geld gesammelt, sondern nur mit institutionellen Anlegern gesprochen, und alle waren etwas nervös. Plötzlich gibt es 360 plus Millionen Aktien, die auf dem Marktplatz landen und bisher nicht gehandelt werden konnten. So machte ich fünf Telefonate und vergesse das Datum - man konnte die ASX-Pressemitteilungen einsehen. Es war kurz bevor wir das Geld gesammelt haben. Ich denke, es war wahrscheinlich der 17. Oktober - Oktober/Anfang November - machte fünf Telefonanrufe an diese Großaktionäre und ich legte zurück in Escrow Ich denke, es waren 403 Millionen Aktien. Wir haben tatsächlich mehr Aktien, die aus dem Treuhandkonto stammen, in das Treuhandkonto zurückgelegt.
Ich habe das auch in Ihrer Ankündigung gesehen, ich fand das erstaunlich! Das war wirklich etwas, das war es.
Ja, es beruhigte die Nerven der Leute....
Du musstest es irgendwie tun, obwohl du es nicht getan hast, weil du im Begriff warst, 20 bis 30 Millionen Dollar aufzubringen?
Ja, das musstest du. Wie kann man Geld auftreiben, wenn man all diese Wagen da draußen hat? Und keiner dieser Leute war Verkäufer. Ich meine, ich dachte, ich müsste meine Verkäufer-Schuhe anziehen und sie waren buchstäblich sehr, sehr einfache Telefonanrufe.
Ich werde bald enden müssen, aber was ist die Ausstiegsstrategie? Ich meine, ist der Plan, eine Auktion zwischen Intel, Nvidia und Qualcomm einzurichten und zu sehen, welchen Preis Sie bekommen können, oder glauben Sie, dass Sie letztendlich einer von ihnen werden können?
Diese Frage wird mir oft gestellt, und dies ist mein viertes Mal als CEO eines börsennotierten Unternehmens, ein paar Nasdaqs und eine New Yorker Börse. Ehrlich gesagt, alle drei dieser Unternehmen wurden schließlich übernommen, aber meine Philosophie ist es, die beste Firma aufzubauen, die Sie haben können. Bauen Sie die besten Produkte, adressieren Sie die Wachstumsmärkte, sorgen Sie für eine konstante Rentabilität und lassen Sie die Chips fallen, wo sie hingehören. Ich denke, Sie wissen, um zu versuchen, ein Unternehmen für einen Exit im Sinne von M&A zu entwerfen, ist es eine Art Narrengang. Unternehmen werden nicht verkauft, sondern gekauft. Diejenigen, die verkauft werden, werden an suboptimalen Ausgängen verkauft, weil das alles ist, was sie sagen, alles, was zählt, ist, verkauft zu werden.
Unser Ziel ist es, ein Unternehmen mit einer dauerhaften Marke aufzubauen, dem Marktführer im Bereich des neuromorphen Computing, und wird jemand kommen und uns ins Spiel bringen? Im Jahr 2016 wurden 140 AI-Gesellschaften erworben. Ich denke, dass der Wert, den unsere Aktie[34:50.8] hat, von jenen 140 ist, die Milliarden und Milliarden von Dollar in Betracht gezogen wurden, nicht ein einziger öffentlicher Marktinvestor machte einen Dollar, weil alle diese Unternehmen von Risikokapitalgebern in den USA unterstützt wurden und sie haben große Vorteile geerntet. Was ich unseren Investoren sage, ist, dass dies Ihre einzige reine KI-Firma ist, die an der Börse notiert ist.
Oh, ist das richtig? Das war mir nicht klar. Ist das so?
Ja. Du könntest Google kaufen, du könntest Tesla kaufen, du könntest eine ganze Reihe von KI-Spielern kaufen, aber wenn du nach einer öffentlich gelisteten reinen Spiel-KI-Firma suchst, ob es ASX, Toronto Exchange, Nasdaq, New York Stock Exchange ist, gibt es keine reine Spiel-KI-Firma, in die öffentliche Marktinvestoren ihr Geld investieren können.
Und es ist auf der ASX, da haben wir es.
Genau.
Nun, es war toll, mit dir zu reden, Lou. Ich muss gehen, aber es war fantastisch, vielen Dank für Ihre Zeit.
Vielen Dank, jederzeit.
Das war Lou DiNardo, der CEO von BrainChip Holdings.
Übersetzt mit www.DeepL.com/Translator
Übersetzt mit www.DeepL.com/Translator
https://hotcopper.com.au/threads/brn-to-the-moon-before-june…
...
Lucky for you Rise someone has posted it on a German site
https://www.wallstreet-online.de/diskussion/1265618-61-70/tc…
...
Die Mehrzahl der heutigen Thread-Leser dürften somit heute Australier sein, wegen dem von bain veröffentlichten Interview von Alan Kohler mit DiNaro, welches auf HC nicht mehr verfügbar ist...
Welcome and thx bain & others
...
Lucky for you Rise someone has posted it on a German site
https://www.wallstreet-online.de/diskussion/1265618-61-70/tc…
...
Die Mehrzahl der heutigen Thread-Leser dürften somit heute Australier sein, wegen dem von bain veröffentlichten Interview von Alan Kohler mit DiNaro, welches auf HC nicht mehr verfügbar ist...
Welcome and thx bain & others
++++++++++++++++
Fool zu 3 Mythen in der KI
https://www.fool.de/mehr/3-mythen-der-kuenstlichen-intellige…
Fool zu 3 Mythen in der KI
https://www.fool.de/mehr/3-mythen-der-kuenstlichen-intellige…
Update
L. DiNardo macht keine halben Sachen, habe ich den Eindruck.
Durch den Deal mit dem Casinoausrüster hat man nun stetige Einnahmen und wenn das so weitergeht mit den Deals, brauchts keine KE mehr.
Klein anfangen und Geld verdienen in der Nische, genauso mag ich das.
http://www.finnewsnetwork.com.au/Presentations/BrainChip/Feb…
L. DiNardo macht keine halben Sachen, habe ich den Eindruck.
Durch den Deal mit dem Casinoausrüster hat man nun stetige Einnahmen und wenn das so weitergeht mit den Deals, brauchts keine KE mehr.
Klein anfangen und Geld verdienen in der Nische, genauso mag ich das.
http://www.finnewsnetwork.com.au/Presentations/BrainChip/Feb…
Das ist schon eine Hausnummer, wenn eine - wenn auch kleine - Nasdaq Firma eine Pressemitteilung folgender Art herausgibt:
From GPI website
Apologies if already posted
News Releases
News Releases
Gaming Partners International Corporation, BrainChip Inc., and Xuvi, LLC Signed Licensing and Development Agreement
Jan 31, 2018
5:20pm
NORTH LAS VEGAS, Nev., Jan. 31, 2018 /PRNewswire/ -- Gaming Partners International Corporation (NASDAQ: GPIC), a worldwide leading provider of casino table products, currency, and radio frequency identification (RFID) solutions, has entered global licensing and development agreements to develop an advanced Automated Table Solution (ATS) with BrainChip Holdings Ltd. (ASX: BRN), a leading developer of accelerated solutions for artificial intelligence (AI) applications, and with Xuvi, LLC, a data science company that uses immersive data analytics and automation for intelligent data-driven decisions.
"We look forward to partnering with GPI to bring table game automation technology to casino operators," said Arun Rajaraman, CEO at Xuvi. "The combined technology will empower casinos with predictive analytics, real-time and accurate comp decisions, secure table currency, protect table games from fraud, improve productivity, and optimize revenues, all using immersive data analytics and artificial intelligence."
BrainChip's President, Louis DiNardo commented, "GPI has very deep expertise in casino game operations, a broad base of existing customers, and a premier global sales and service team that will bring these products to market. Our Artificial Intelligence expertise is well suited to address the challenges of achieving high quality video analytics in the difficult casino environment. We are very excited about this development."
Greg Gronau, GPI's President and CEO commented, "With our new Automated Table Solution (ATS), GPI will leverage BrainChip visioning technologies, Xuvi's immersive data analytics, and GPI's radio frequency identification to provide currency security, game protection and trend analysis, accurate comping, and marketing automation. GPI acknowledges this is a major step forward in developing the Automated Table Solution."
About Gaming Partners International Corporation (NASDAQ:GPIC)GPIC manufactures and supplies casino table game equipment to licensed casinos worldwide. Under the brand names of Paulson®, Bourgogne et Grasset®, Gemaco®, Dolphin® and Bud Jones®, GPIC provides casino currency, including chips, plaques and jetons; playing cards; table layouts; gaming furniture and table accessories; dice; and roulette wheels. GPIC pioneered the use of security features like radio frequency identification device (RFID) technology in casino currency, and offers RFID solutions including RFID readers, software, and displays. Headquartered in North Las Vegas, Nevada, GPIC also has facilities in Beaune, France; San Luis Rio Colorado, Mexico; Blue Springs, Missouri; Atlantic City, New Jersey; Gulfport, Mississippi; and Macau S.A.R., China. For additional information, please visit www.gpigaming.com.
About Xuvi, LLC:Xuvi, LLC is a Las Vegas, NV based data science company - empowering gaming, retail and hospitality operators with immersive data analytics & automation to engage consumers, increase operational efficiency, and optimize revenues using artificial intelligence. Xuvi's easy-to-use BeamStudio™ platform (powered by SpendScore™ - a patent-pending guest valuation scoring index) harnesses big data & machine learning to deliver enterprise-wide predictive insights, prescriptive automation, real-time trend detection and optimizes marketing re-investment, guest valuation, equipment and service yield management, staffing levels, inventory levels and fraud prevention. For more information, visit www.xuvi.com.
About BrainChip Holdings Ltd (ASX:BRN)BrainChip Holdings Ltd. is a leading provider of software and hardware-accelerated solutions for Advanced artificial intelligence and machine learning applications. The Company has developed a revolutionary new spiking neural network technology that can learn autonomously, evolve and associate information just like the human brain. The technology, which is proprietary, is fast, completely digital and consumes very low power. The Company provides software and hardware solutions that address the high-performance requirements in civil surveillance, gaming, facial recognition and visual inspection systems. For more information, visit www.brainchipinc.com.
From GPI website
Apologies if already posted
News Releases
News Releases
Gaming Partners International Corporation, BrainChip Inc., and Xuvi, LLC Signed Licensing and Development Agreement
Jan 31, 2018
5:20pm
NORTH LAS VEGAS, Nev., Jan. 31, 2018 /PRNewswire/ -- Gaming Partners International Corporation (NASDAQ: GPIC), a worldwide leading provider of casino table products, currency, and radio frequency identification (RFID) solutions, has entered global licensing and development agreements to develop an advanced Automated Table Solution (ATS) with BrainChip Holdings Ltd. (ASX: BRN), a leading developer of accelerated solutions for artificial intelligence (AI) applications, and with Xuvi, LLC, a data science company that uses immersive data analytics and automation for intelligent data-driven decisions.
"We look forward to partnering with GPI to bring table game automation technology to casino operators," said Arun Rajaraman, CEO at Xuvi. "The combined technology will empower casinos with predictive analytics, real-time and accurate comp decisions, secure table currency, protect table games from fraud, improve productivity, and optimize revenues, all using immersive data analytics and artificial intelligence."
BrainChip's President, Louis DiNardo commented, "GPI has very deep expertise in casino game operations, a broad base of existing customers, and a premier global sales and service team that will bring these products to market. Our Artificial Intelligence expertise is well suited to address the challenges of achieving high quality video analytics in the difficult casino environment. We are very excited about this development."
Greg Gronau, GPI's President and CEO commented, "With our new Automated Table Solution (ATS), GPI will leverage BrainChip visioning technologies, Xuvi's immersive data analytics, and GPI's radio frequency identification to provide currency security, game protection and trend analysis, accurate comping, and marketing automation. GPI acknowledges this is a major step forward in developing the Automated Table Solution."
About Gaming Partners International Corporation (NASDAQ:GPIC)GPIC manufactures and supplies casino table game equipment to licensed casinos worldwide. Under the brand names of Paulson®, Bourgogne et Grasset®, Gemaco®, Dolphin® and Bud Jones®, GPIC provides casino currency, including chips, plaques and jetons; playing cards; table layouts; gaming furniture and table accessories; dice; and roulette wheels. GPIC pioneered the use of security features like radio frequency identification device (RFID) technology in casino currency, and offers RFID solutions including RFID readers, software, and displays. Headquartered in North Las Vegas, Nevada, GPIC also has facilities in Beaune, France; San Luis Rio Colorado, Mexico; Blue Springs, Missouri; Atlantic City, New Jersey; Gulfport, Mississippi; and Macau S.A.R., China. For additional information, please visit www.gpigaming.com.
About Xuvi, LLC:Xuvi, LLC is a Las Vegas, NV based data science company - empowering gaming, retail and hospitality operators with immersive data analytics & automation to engage consumers, increase operational efficiency, and optimize revenues using artificial intelligence. Xuvi's easy-to-use BeamStudio™ platform (powered by SpendScore™ - a patent-pending guest valuation scoring index) harnesses big data & machine learning to deliver enterprise-wide predictive insights, prescriptive automation, real-time trend detection and optimizes marketing re-investment, guest valuation, equipment and service yield management, staffing levels, inventory levels and fraud prevention. For more information, visit www.xuvi.com.
About BrainChip Holdings Ltd (ASX:BRN)BrainChip Holdings Ltd. is a leading provider of software and hardware-accelerated solutions for Advanced artificial intelligence and machine learning applications. The Company has developed a revolutionary new spiking neural network technology that can learn autonomously, evolve and associate information just like the human brain. The technology, which is proprietary, is fast, completely digital and consumes very low power. The Company provides software and hardware solutions that address the high-performance requirements in civil surveillance, gaming, facial recognition and visual inspection systems. For more information, visit www.brainchipinc.com.
Die Tage gab es einen Link in der AI Szene über die MIT Forscher, welche wohl einen Durchbruch erzielt hätten im Bereich eines möglichen Konkurrenzchipdesigns mit Silizium/Germanium.
Der Testsatz hatte eine Handschriftenerkennungsrate von 95%
PVDM dazu an einen HC-Frager:
this is the response I got from Peter VDM on the article.
Our SSN design is way ahead if this. We don't bother emulating the exact behavior of an analog synapse. We found that it adds nothing to the computational power of the neuron. Our digital synapses work just as well and on handwritten digits (MNIST) we get excellent results of 97% or better. There is a lot of hype and misinformation out there. We focus on practical applications of our technology while most others are still playing with neuron models in order to figure out their performance and how to apply these networks. We built highly accurate neuron and synapse models in the past, in 2008-2010 and found that we could reduce the model without any performance penalty.
Best regards
Peter
Der Testsatz hatte eine Handschriftenerkennungsrate von 95%
PVDM dazu an einen HC-Frager:
this is the response I got from Peter VDM on the article.
Our SSN design is way ahead if this. We don't bother emulating the exact behavior of an analog synapse. We found that it adds nothing to the computational power of the neuron. Our digital synapses work just as well and on handwritten digits (MNIST) we get excellent results of 97% or better. There is a lot of hype and misinformation out there. We focus on practical applications of our technology while most others are still playing with neuron models in order to figure out their performance and how to apply these networks. We built highly accurate neuron and synapse models in the past, in 2008-2010 and found that we could reduce the model without any performance penalty.
Best regards
Peter
Webinar
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo, provides a Dec Qtr 2017 update covering sales and licensing, new hires and AKIDA development.
So, I'm here in San Francisco at our headquarters office with Ryan Benton, our chief financial officer. As you know, it's late January, early February, which is what we indicated we would do in the next conference call. We did the December call really as a one off, and I think you should expect that we'll do each of these calls coincident with each of the quarterly updates. I've been doing this since 2001 on a quarterly basis. I think it's a great way to interact with shareholders, bring people up to date. News flow can be a little bit lumpy. We can't plan news flow to be smooth. It happens when it happens. But I think that having a regularly scheduled call, in this case, I think it's great that we take questions in advance and I try to incorporate those into the prepared comments.
I'm going to move forward. I hope that technically things are working well. Slide two is nothing more than the standard disclaimer. You can take it, read it at your convenience. I'm sure you've both seen it before. We certainly present it at each of the quarterly updates and I'm sure you've seen it with other companies, as well. So, moving forward, I only have two slides that I prepared, but I have a whole bunch more in the way of commentary that goes with each of these slides. So, what we're going to talk about, again, some will feel duplicative to what we talked about in December, because this is a December quarter update. I do take the luxury here of doing kind of post quarter end stuff. We've got a month since the end of the quarter, and I think it's always good to cover those things that happened since the end of the quarter and certainly many of the questions that I've received are with respect to things that have happened since the end of the quarter.
So, we'll talk a little bit about the European automobile manufacturer to which we shipped our first accelerator card and a little bit about Greg Ryan, who's the sales director in Australia and what traction and things we've got going on in Australia. We'll talk a little bit more about the use of funds from the AUD$21.5 million that was raised. We'll talk about the continued sales growth that we expect with original equipment manufacturers, system integrators, and other partners. We'll talk about AKIDA, which is really the end game for the company with respect to having a universal, called neuromorphic system on a chip. Posts to quarter end. And I think one of the most important things for us to talk about today is the development and licensing agreement, which we signed with Gaming Partners International, and post quarter end, which just came out this morning, our afternoon, your morning depending on where you are, was the appointment of Luis Coello as our European sales director.
So, with that in mind, let me just go through these things kind of one at a time. When we talk about the shipment of that first accelerator card to a major European automobile manufacturer, that has progressed very, very nicely. We're not in a position to name names, but it is a European, major, it's kind of like Detroit. In Europe, you've got three majors, they all happen to be German. That's moving nicely and has actually come to a point where we're engaging in a dialogue about a joint development agreement. The accelerator card demonstrates what we can do in a supervised learning mode. When you think about ADAS, or advanced driver assisted systems, that goes from level one all the way to level five, which is a fully autonomous vehicle that really begs for the kind of capability and capacity that AKIDA can deliver, and I think as we discussed in the last call, our goal with the AKIDA development, and I will talk about the development itself in a moment, when we talk about the AKIDA development, the best case for any development of a processor as complex as this is that you have close collaboration with what we'll call a lighthouse customer, someone that gives you guidance as to what the hooks are, what the ins and outs need to be such that when the product comes out, you've got a baked in customer who's giving you guidance along the way.
So, we're very pleased with the development around that European automobile manufacturer and their goal to get a development agreement in place with us. Not our idea, it was their idea. Further to that, not out of Europe, but out of Detroit, we're expecting an order for an accelerator card out of one of the top three in Detroit, similar trajectory. They want to play with the card, they want to understand how the spiking neural network works with respect to supervised learning as well as get educated and help educate us on what could be done with AKIDA in that development process when the product comes out that there's actually another potential end customer in play.
So, overall, as we embarked on the AKIDA development, we laid out a course of ADAS, autonomous vehicles, find close collaboration with majors in the industry. I think we've really done a great job there. In some respects, they found us and in some respects, we went hunting for them. So, I think overall, that's gone very well. We'll report on that again next quarter, and we'll talk about AKIDA, I'll get a little bit more into where we are in that development.
The appointment of Greg Ryan, as we talked about in December, was kind of a major step forward for us in Australia. There's a whole lot of money being spent in Australia for surveillance and infrastructure. We need feet on the ground in Australia. Greg's done a great job in his first couple of months engaging with law enforcement and civil authorities, things are moving well. We do have to put some engineering resources there to back him up. In Australia, the focus is short and medium term, get the revenue.
When it comes to ADAS or autonomous vehicles, there's really not a lot of collaboration for us. There is some good collaboration or good partners that we could collaborate in the cybersecurity arena and probably in the fintech or financial technology arena as well.
I'm going to jump down to the last bullet and then come back. Just this morning, we announced the appointment of Luis Coello as European sales director. He comes to us with a very, very deep experience in civil surveillance. His last assignment, last tenure was at Teleste, which is one of the major system integrators in Europe. He will start on the job tomorrow. I mentioned this in our last call in December. Europe takes a little bit of time to disconnect from your current employer and moved on. So, we've had this moving along for the better part of the last four or five weeks. He has now left his prior employer and starts with us tomorrow.
He's located in Barcelona, which frankly is a very nice location for us. We have a strong presence in France, as you know. Department of Homeland Security, the Paris police force, the Bordeaux airport, but really spreading our wings and getting into the civil surveillance, law enforcement agencies throughout Europe, including the UK, Spain, Italy, throughout the pan European, the potential account base for us is really what Luis's goal is. So, I think at this point, we have Tom Stengall here in North America well steeped in the surveillance industry, Greg Ryan in Australia, and Luis Coello in Europe. So, we have filled out the senior management team in the sales force to take the products that we introduce, the BrainChip studio product, which was introduced in July of 2017, and the BrainChip accelerator that was released in September and take those to market, drive revenues, drive sales growth while we develop the AKIDA product.
Going back to bullet number three, frankly this is the same bullet that we had when we talked in September, but I wanted to put a little bit more colour around it. We raised AUD$21.5 million, and I do think based on some of the questions that I've received, I think it's important for us to kind of normalise to the fact that we use, as a functional currency, we use US dollars. So, the $21.5 million net of fees was about US$15.5 million, as we completed that fundraising. We ended that quarter, the December quarter with about US$16 million on the balance sheet. We burned something on the order of about US $1.9 million. That's a relatively steady state number. We're thinking it's probably US$700,000 a month. The foresee that was just released showed us at about US$2.2 to US$2.3 million. Frankly, there's a little bit of a lump in there because we paid the second instalment of the Jast license. So, I think you could think of this in terms of about US$700,000 to US$750,000 a month burned. And if you do that math, based on what we have in cash, you've got something on the order of 21 to 22 months of coverage. So, the company is well capitalised. I know there's been a lot of speculation about what the incremental cost of developing the AKIDA product is. The burn rate includes all of our engineering resources, whether they're working on AKIDA, whether they're working on GPI developments, gaming products developments, or other products. That is included. The incremental expense for AKIDA is something on the order of about US$3 million that would be very late in 2018. But frankly, that'll be covered by receipts, cash receipts.
So, I think the company is very, very well capitalised for the next two years. That will give us adequate time for these three senior sales executives to build a very nice pipeline. I’m going to talk about that in a moment, what the pipeline looks like. I committed to that on the last call, I'll give you some insight. But I think we're in really good shape and I'll talk about the AKIDA development and where we are with respect to timelines in a moment.
One of the bullets says every company expects continued sales growth with their original equipment manufacturers, integrators, and other partners. That should also include end users. Certainly our goal is original equipment manufacturers and integrators, and when we talk about gaming products and we talk about some of the other opportunities that we're closely engaged with the leverage that we get out of those relationships where an OAM has an existing account base or existing client base of hundreds or thousands of customers, allows us to control our operating expenses, use their sales force, use their service organisations. It's really the highest leverage sales model that we can fashion for a company that really is delivering intellectual property in the way of either an FPGA on a card, and I'll talk about why we do an FPGA on a card because there was a question that came in on that front, or the eventually of AKIDA being a standalone integrated circuit.
In this respect, when we talk about original equipment manufacturers, we have a very strong engagement, which we're moving forward with, with a company that does a SaaS, or software as a service, model. It's a Cloud-based model. They process literally millions of hours of video. They have specific search engines that are available to end users. In our case, they've recognised that our one shot learning, our ability to very quickly analyse hours and hours and tens of hours, or tens of thousands of hours of video in their prime business, which is media and entertainment where people want to search for their logos and find out what the return on their investment for advertising dollars is certainly a great strength. But they're also moving into the surveillance business very quickly. There are tens of millions of hours of video that are stored and law enforcement agencies, homeland security agencies want to or need to, depending on the circumstance, search that video. So, it's a great outlet for us to go to hundreds if not thousands of customers through one original equipment manufacturer as our partner. That wouldn't be exclusive. That would be one of many that we could do that with. System integrators, similarly, and I think the addition of, for example, Luis Coello who came out of Teleste, is one of the largest system integrators in the surveillance business in Europe. We also have relationships with others. We talked about a province in France outside of the Paris police force or the Department of Homeland Security. I think we talked about that last quarter. I'll touch on that very quickly in a moment.
But those original equipment manufacturers, integrators, let's call them other partners, are our go to market business model. And we certainly will continue to engage directly with end customers. They educate us. They show us how things work in their specific vertical market segment, and what the end game for us is really to work through our original equipment manufacturers, integrators, and partners. I don't want to miss any of the questions that I got, so I'm going to pause here just for a second and make sure that I cover things.
We talked about SAS. It's a great business model. What we haven't touched on in the original equipment manufacturing arena are storage partners. All of the video gets stored somewhere. You've got everybody from Dell who acquired AMC, Western Digital, a company called Quantum. Those are organisations that are completely connected to all of these end users. They store the video and as it relates to BrainChip Studio and the accelerator, those are great partnerships for us and working closely with one if not two at this point, large storage manufacturers or original equipment manufacturers in the storage segment so that we can install BrainChip Studio into their platform and potentially use the accelerator so that they can get more bandwidth.
At the same time, and I think I mentioned this at our last call, there is the kind of middleware suppliers of video management system players. The most prominent in the world is a company called Milestone. There's GenTech. There's probably six or seven. But when the camera comes back to the server room, the first thing it hits is a video management system. That's also an opportunity for us to leverage really thousands of customers that those VMS suppliers support. So, that's an ongoing project and something that particularly here in the US, that Tom Stengall is very well focused on.
Just to bring you folks up to date, Saffron is moving along nicely. Maybe it's a little slow, maybe I would like to see it move more quickly, but they're buying more licenses. They're starting to love the performance of the product and we expect that during the first and second quarter, we'll see more traction from them. The large European or French province that we talked about, and frankly I'm not sure why we haven't named the name, it's a place called Eveline, but the project there is moving along nicely.
These projects, and I'll touch on Eveline as well as for example Lockporte, the school district. As much as we would like to see these things happen in weeks or months, they have to mount cameras, they have to pull wire, then they have to put the infrastructure in place. So, the Eveline province is moving along nicely. The Paris police force, as the budget has been refreshed, as you go into the end of the year, people start to run out of money when you're talking about local law enforcement or government agencies. As we came out of the year, they popped their head up and I think we're going to have a very nice first quarter with the Paris police force, and I think Eveline will come on probably later in the first quarter.
And Lockporte, the school district that we've talked about, deployment is moving nicely. They've got union labour pulling wire, hanging cameras, and that's just a matter of time. It's not a matter of if, it's just a matter of when, that we can recognise that revenue. So, I guess all in all, the sales growth that we expect from original equipment manufacturers, integrators, and other partners is moving along nicely.
I didn't touch on Rockwell Collins. Rockwell Collins is, marketing a product in which they'd incorporated us. We don't have a lot of visibility, but we know it's a high priority project for them and we would expect some time here in the first quarter to get more visibility. So again, SaaS, big play for us. Good engagement. I hope some time maybe here in the first quarter, we'll have an announcement to, maybe a joint announcement with a major supplier. Storage, similarly, I would hope here sometime in the first quarter we could do the same and give you folks more visibility on who it is we're working with and what the progress has been.
Rockwell Collins we talked about, and Homeland Security. So, we move forward, let's talk about AKIDA for a moment. AKIDA is forward quite nicely. This has been in research during the second half of 2017. I think Peter has taken the learnings from the Snap 64 product in conjunction with the license that we have from the Jast technology. He's moved forward through what we call the mat lab or simulated environment and has a kernel that is frankly working quite well, and it is something that as we move forward, for example with the European automobile manufacturer, we get into that kind of joint development mode, we'll release that kernel and allow them to start to pump algorithms through it. Similarly, we've got relationships that we're developing, Peter's actually travelling throughout Europe now in the financial technology arena, working with folks that can provide us the algorithms for financial transactions and cyber security.
So, the expectation has not changed. We came out of the back end of 2017, came out of research, have a kernel in place which will move into development. We're looking forward to an FPGA mid year, and then going with the collaborative partners that we'll have in the autonomous vehicle, or let's say ADAS, and more generally spaced financial technology and cyber security. We'll go into the hardened IC design sometime in the early second half of 2018. Hoping that we could get Silicon out maybe later part of the fourth quarter of '18, potentially it could be the first part or the first quarter of 2019.
Very applicable as we're finding in robotics and gaming, we've talked about autonomous vehicles. We've got drones, cyber, fintech. It is a general purpose neural networking processor. We've been very pleased with the response that we've gotten as we’ve talked to potential customers. So, it's moving quite well. One bullet that I saved for last that I want to spend some time on was the announcement that we put out just yesterday on Gaming Partners International. This is, for us, a very big win. We have a vision system, a video analytic capability, which is exceptional, particularly in low light, low resolution conditions, and you can imagine that that is the case in casinos.
What we've found, and I think we've got more education about this than we ever expected, this was a process with GPI or Gaming Partners which started in July of last year. I visited their manufacturing facility in Beaune, France where they manufacture chips. These are not computer chips, these are actually currency in the casino. Gaming Partners has literally the lion's share of all chips manufactured for all casinos in the world. They do business with virtually every major casino in the world. They're called currency, the casino currency. Particularly, those of you that are Australian, you're probably not going to go into a casino that is not dominated by GPI chips. Similarly in Asia, take Macau for example, and in the US as well. So, they have a lion's share of the casino currency market.
What we've garnered from our discussions with them, and we talk about game outcome, which you're all familiar with, which is who won, who lost, did the bet get paid off properly or not, and we've talked about game statistics, which is how long did a player sit at the table at a bet spot and how many hands were played, how many hands were won, and how many hands were lost. Those are very, very valuable assets. What the casinos are most concerned about, particularly in Australia and Asia, and this came as a surprise to me to learn six months ago and took a trip to Bordeaux, a trip to Beaune, a trip to Kansas City, Missouri. I think actually on not our last call, but the call before, I mentioned that I happened to be making the call from the Mid West and I was at the manufacturing facility of GPI in Kansas City.
The casinos, particularly in Asia and Australia, where the dominant share of revenue comes out of game tables, as compared to the US where the dominant share of revenue comes out of slot machines, is counterfeit chips. It's the most predominant way people are cheating in casinos. They counterfeit chips. They walk in with a pocket full of $500 counterfeits, they play, they colour up or down so that they know they've turned over their chips, and even if they've lost a bit, they have coined money. So, our engagement with GPI and other partners is a full on system. It's kind of game outcome, game statistics. More importantly, it's casino currency security and table security. The project is moving along very, very quickly. There's a great sense of urgency.
I was at the GPI facility in Las Vegas just yesterday. We're moving at full speed to get this, the capability added to their competency. They provide cards, they provide tables, they provide chips, they're engaged with virtually every major casino in the world. So, for us, we have now I think successfully engaged with kind of the 800 pound gorilla in the space. There are a lot of system providers into casinos, but when you pretty much own the casino currency business, providing currency security is an add on which is extremely valuable, it's a little bit less about the value of the counterfeit that was lost. I got an example, I guess it was several months ago, about a casino, I believe it was in Melbourne, where it was something on the order of $75,000 of loss to counterfeit.
The problem is not the $75,000 loss. Casinos are turning over millions, and tens of millions, and hundreds of millions in revenue. It's the public relations issue and once the counterfeiters recognise that there's a weakness in the security system, they all show up at that casino. So, what a casino is left as their alternative is they have to throw away all of their existing chips and they have to buy a whole new chip set, and that's a very expensive task.
So, if you read the press release about Gaming Partners International, what they've done is they've embedded and RFID tag, radio frequency ID, in each and every chip, particularly in the Asia and Australia market. So, when you sit at a game table and you're moving chips across the table, there are actually antennae under the felt and they are counting those chips. They're recognising, "This is a $25 chip. This is a $50 chip. This is a $100 chip." So, when you try to cash out your chips or you try to colour your chips up or down, there's a check spot and the dealer puts them there and there's an RFID system that recognises how many chips and what are the values of those chips. The ability to add video analytics and have a visual inspection to correlate, those are the kinds of things, and there's a wide variety of other things that we're doing with GPI, but those are the kinds of things we're doing.
It's extremely exciting. I think most of you have probably read the press release. It's a $500,000 license fee. There's about $100,000 in engineering, nonrecurring engineering, and then there's a long term revenue sharing plan. We haven't discussed publicly what those revenue sharing numbers are or what the length of it is, but it's meaningful for us. We did size the market in the press release with 3500 casinos globally and about 60,000 gaming tables, kind of on a dollars per day basis. It's about $200 million market for the analytic tools. So, I think it's, for us it's an opportunity to service 3500 casinos through one original equipment manufacturer and not have to build a sales force. And we wouldn't do that if it were not for the fact that GPI has such a big brand, such big reach, and such an existing and installed customer base.
So, I think I've covered the accelerator card and the European automobile manufacturer. Kind of towing the water here with an opportunity and I think we'll an order maybe as early as this week for another automobile manufacturer out of Detroit for the accelerator card. We have built up the sales force. I think we talked a bit about the capital raise, what the runway is for that capital. We are well capitalised. Original equipment manufacturers, the AKIDA development, and certainly we just touched on what's going on with GPI.
So, in summary, and again, I reduced this to really just three slides, but I have a whole lot more to say. For 2018, the company is well capitalised. You can do the math with a $700 or $750,000 US burn rate. We're well capitalised both to build a meaningful base of revenue in the existing products as well as develop AKIDA. We're well staffed with Luis joining us in Europe, Greg Ryan joining us in Australia, Tom Stengall here in North America. We probably in the next couple of weeks will also announce in North America our first manufacturer's representative. You know, Tom located in Boston, and we have an applications engineer that backs him up, but that's still not enough feet on the street and the typical business model in North America is manufacturer's reps. They represent multiple lines, but they only get paid when they book an order and we call it the "Eat what you kill" kind of strategy. So, we'll start with the south-western United States, because we have our Newport Beach, southern California facility and we can provide a little technical support. But we'll have a rep that covers everything from Texas through southern California, and up through Nevada.
Certainly, you know, we have commercially available products for the surveillance business. We've got a well established customer base, not big enough, and we need to broaden our European presence outside of France. We've got some really nice opportunities that we're chasing here in the US. I did commit and before I forget, I did commit to give you a sense of kind of what our sales pipeline looks like. And I'm only measuring things really since we introduced BrainChip Studio, I think was July 17th of '17 and BrainChip accelerator, which I think was September 10th of '17. That product launch has generated something over 250 leads. We did talk about Milipol, I think when we were on the call last time. But with 250 leads, we've really got our mind around and arms around about 100 opportunities.
We've qualified something over 60, close to 65 of those opportunities with a lifetime value of about $280 million. So, there are 63 qualified opportunities from birth to grave, have an opportunity in the category or the class of about $280 million. Of those 63, we've got 13 design ones, which have a lifetime value of over $25 million. With one, two quarters under our belt with those products just having been commercially released, I think this is wonderful traction. We've got dozens of software drops of BrainChip Studio. BrainChip Studio begets the opportunities for BrainChip Accelerator.
So, I think I've covered most everything. I do have your list of questions. I want to make sure that I didn't miss anything that wasn't kind of duplicative. We talked about the sales management in Europe with Luis starting tomorrow. There was a question about the turnover there, and some of you, for some reason, happen to know Hung, Hung Do-Duy who left the company a couple of months ago or a month ago or so. And that was his personal choice. He was really not a sales executive and he wasn't a design centre manager. He had run that company kind of as an administrator, as the president of the company.
I should probably mention in addition to Luis Coello joining us in Europe to run sales that we will have a design centre manager at our Toulouse facility. So, I think we're in good stead there. There was a question about us taking advantage of the Australian government's recent announcement to make $3.8 billion available. We certainly will engage there. There is a question about us relisting on NASDAQ, and that was a popular topic a year ago or so, and frankly I think I've learned a lot, I think we've learned a lot as a company, and the Australian market has been very kind to us, the Australian shareholders have been very loyal to us. At this point, I think we're in one of those points of a hockey stick in our growth and I don't see any reason, at least in the near term, that we would relist on another market. As we get down the road and things get bigger and better, and better and better, who knows where we go, but I think the experience I've had with the shareholders and investors in Australia has been wonderful.
We talked about Gaming Partners. Let me make sure, there are a couple things here, I want to make sure I didn't miss. I think generally speaking, we talked about the licensing fees. There is a question about whether the licensing fees accomplish milestone four, which is part of the RTO, and I'm not going to gloss over that. It's a $500,000 license, but I'm not going usurp our board of directors' authority in ratifying that. That'll be a decision that they'll have to make very shortly. We just signed the agreement, frankly, on Friday. So, we have not had a chance to talk as a board. I think we covered sales growth. So, I think I covered much of what was questioned. I'll pause this, if I missed anything, and if I have, please send an email to the address that you forwarded the questions to and I'll be certain that somebody gets back to you.
So again, we talked in December. I'm sorry that it feels a little bit repetitive, but I felt before I went into the holiday, we owed it to shareholders to have a conversation. But you should expect that we'll have this conference call right on the heels of every quarterly update. So, thank you again for joining us and we'll talk to you again in a quarter.
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo, provides a Dec Qtr 2017 update covering sales and licensing, new hires and AKIDA development.
So, I'm here in San Francisco at our headquarters office with Ryan Benton, our chief financial officer. As you know, it's late January, early February, which is what we indicated we would do in the next conference call. We did the December call really as a one off, and I think you should expect that we'll do each of these calls coincident with each of the quarterly updates. I've been doing this since 2001 on a quarterly basis. I think it's a great way to interact with shareholders, bring people up to date. News flow can be a little bit lumpy. We can't plan news flow to be smooth. It happens when it happens. But I think that having a regularly scheduled call, in this case, I think it's great that we take questions in advance and I try to incorporate those into the prepared comments.
I'm going to move forward. I hope that technically things are working well. Slide two is nothing more than the standard disclaimer. You can take it, read it at your convenience. I'm sure you've both seen it before. We certainly present it at each of the quarterly updates and I'm sure you've seen it with other companies, as well. So, moving forward, I only have two slides that I prepared, but I have a whole bunch more in the way of commentary that goes with each of these slides. So, what we're going to talk about, again, some will feel duplicative to what we talked about in December, because this is a December quarter update. I do take the luxury here of doing kind of post quarter end stuff. We've got a month since the end of the quarter, and I think it's always good to cover those things that happened since the end of the quarter and certainly many of the questions that I've received are with respect to things that have happened since the end of the quarter.
So, we'll talk a little bit about the European automobile manufacturer to which we shipped our first accelerator card and a little bit about Greg Ryan, who's the sales director in Australia and what traction and things we've got going on in Australia. We'll talk a little bit more about the use of funds from the AUD$21.5 million that was raised. We'll talk about the continued sales growth that we expect with original equipment manufacturers, system integrators, and other partners. We'll talk about AKIDA, which is really the end game for the company with respect to having a universal, called neuromorphic system on a chip. Posts to quarter end. And I think one of the most important things for us to talk about today is the development and licensing agreement, which we signed with Gaming Partners International, and post quarter end, which just came out this morning, our afternoon, your morning depending on where you are, was the appointment of Luis Coello as our European sales director.
So, with that in mind, let me just go through these things kind of one at a time. When we talk about the shipment of that first accelerator card to a major European automobile manufacturer, that has progressed very, very nicely. We're not in a position to name names, but it is a European, major, it's kind of like Detroit. In Europe, you've got three majors, they all happen to be German. That's moving nicely and has actually come to a point where we're engaging in a dialogue about a joint development agreement. The accelerator card demonstrates what we can do in a supervised learning mode. When you think about ADAS, or advanced driver assisted systems, that goes from level one all the way to level five, which is a fully autonomous vehicle that really begs for the kind of capability and capacity that AKIDA can deliver, and I think as we discussed in the last call, our goal with the AKIDA development, and I will talk about the development itself in a moment, when we talk about the AKIDA development, the best case for any development of a processor as complex as this is that you have close collaboration with what we'll call a lighthouse customer, someone that gives you guidance as to what the hooks are, what the ins and outs need to be such that when the product comes out, you've got a baked in customer who's giving you guidance along the way.
So, we're very pleased with the development around that European automobile manufacturer and their goal to get a development agreement in place with us. Not our idea, it was their idea. Further to that, not out of Europe, but out of Detroit, we're expecting an order for an accelerator card out of one of the top three in Detroit, similar trajectory. They want to play with the card, they want to understand how the spiking neural network works with respect to supervised learning as well as get educated and help educate us on what could be done with AKIDA in that development process when the product comes out that there's actually another potential end customer in play.
So, overall, as we embarked on the AKIDA development, we laid out a course of ADAS, autonomous vehicles, find close collaboration with majors in the industry. I think we've really done a great job there. In some respects, they found us and in some respects, we went hunting for them. So, I think overall, that's gone very well. We'll report on that again next quarter, and we'll talk about AKIDA, I'll get a little bit more into where we are in that development.
The appointment of Greg Ryan, as we talked about in December, was kind of a major step forward for us in Australia. There's a whole lot of money being spent in Australia for surveillance and infrastructure. We need feet on the ground in Australia. Greg's done a great job in his first couple of months engaging with law enforcement and civil authorities, things are moving well. We do have to put some engineering resources there to back him up. In Australia, the focus is short and medium term, get the revenue.
When it comes to ADAS or autonomous vehicles, there's really not a lot of collaboration for us. There is some good collaboration or good partners that we could collaborate in the cybersecurity arena and probably in the fintech or financial technology arena as well.
I'm going to jump down to the last bullet and then come back. Just this morning, we announced the appointment of Luis Coello as European sales director. He comes to us with a very, very deep experience in civil surveillance. His last assignment, last tenure was at Teleste, which is one of the major system integrators in Europe. He will start on the job tomorrow. I mentioned this in our last call in December. Europe takes a little bit of time to disconnect from your current employer and moved on. So, we've had this moving along for the better part of the last four or five weeks. He has now left his prior employer and starts with us tomorrow.
He's located in Barcelona, which frankly is a very nice location for us. We have a strong presence in France, as you know. Department of Homeland Security, the Paris police force, the Bordeaux airport, but really spreading our wings and getting into the civil surveillance, law enforcement agencies throughout Europe, including the UK, Spain, Italy, throughout the pan European, the potential account base for us is really what Luis's goal is. So, I think at this point, we have Tom Stengall here in North America well steeped in the surveillance industry, Greg Ryan in Australia, and Luis Coello in Europe. So, we have filled out the senior management team in the sales force to take the products that we introduce, the BrainChip studio product, which was introduced in July of 2017, and the BrainChip accelerator that was released in September and take those to market, drive revenues, drive sales growth while we develop the AKIDA product.
Going back to bullet number three, frankly this is the same bullet that we had when we talked in September, but I wanted to put a little bit more colour around it. We raised AUD$21.5 million, and I do think based on some of the questions that I've received, I think it's important for us to kind of normalise to the fact that we use, as a functional currency, we use US dollars. So, the $21.5 million net of fees was about US$15.5 million, as we completed that fundraising. We ended that quarter, the December quarter with about US$16 million on the balance sheet. We burned something on the order of about US $1.9 million. That's a relatively steady state number. We're thinking it's probably US$700,000 a month. The foresee that was just released showed us at about US$2.2 to US$2.3 million. Frankly, there's a little bit of a lump in there because we paid the second instalment of the Jast license. So, I think you could think of this in terms of about US$700,000 to US$750,000 a month burned. And if you do that math, based on what we have in cash, you've got something on the order of 21 to 22 months of coverage. So, the company is well capitalised. I know there's been a lot of speculation about what the incremental cost of developing the AKIDA product is. The burn rate includes all of our engineering resources, whether they're working on AKIDA, whether they're working on GPI developments, gaming products developments, or other products. That is included. The incremental expense for AKIDA is something on the order of about US$3 million that would be very late in 2018. But frankly, that'll be covered by receipts, cash receipts.
So, I think the company is very, very well capitalised for the next two years. That will give us adequate time for these three senior sales executives to build a very nice pipeline. I’m going to talk about that in a moment, what the pipeline looks like. I committed to that on the last call, I'll give you some insight. But I think we're in really good shape and I'll talk about the AKIDA development and where we are with respect to timelines in a moment.
One of the bullets says every company expects continued sales growth with their original equipment manufacturers, integrators, and other partners. That should also include end users. Certainly our goal is original equipment manufacturers and integrators, and when we talk about gaming products and we talk about some of the other opportunities that we're closely engaged with the leverage that we get out of those relationships where an OAM has an existing account base or existing client base of hundreds or thousands of customers, allows us to control our operating expenses, use their sales force, use their service organisations. It's really the highest leverage sales model that we can fashion for a company that really is delivering intellectual property in the way of either an FPGA on a card, and I'll talk about why we do an FPGA on a card because there was a question that came in on that front, or the eventually of AKIDA being a standalone integrated circuit.
In this respect, when we talk about original equipment manufacturers, we have a very strong engagement, which we're moving forward with, with a company that does a SaaS, or software as a service, model. It's a Cloud-based model. They process literally millions of hours of video. They have specific search engines that are available to end users. In our case, they've recognised that our one shot learning, our ability to very quickly analyse hours and hours and tens of hours, or tens of thousands of hours of video in their prime business, which is media and entertainment where people want to search for their logos and find out what the return on their investment for advertising dollars is certainly a great strength. But they're also moving into the surveillance business very quickly. There are tens of millions of hours of video that are stored and law enforcement agencies, homeland security agencies want to or need to, depending on the circumstance, search that video. So, it's a great outlet for us to go to hundreds if not thousands of customers through one original equipment manufacturer as our partner. That wouldn't be exclusive. That would be one of many that we could do that with. System integrators, similarly, and I think the addition of, for example, Luis Coello who came out of Teleste, is one of the largest system integrators in the surveillance business in Europe. We also have relationships with others. We talked about a province in France outside of the Paris police force or the Department of Homeland Security. I think we talked about that last quarter. I'll touch on that very quickly in a moment.
But those original equipment manufacturers, integrators, let's call them other partners, are our go to market business model. And we certainly will continue to engage directly with end customers. They educate us. They show us how things work in their specific vertical market segment, and what the end game for us is really to work through our original equipment manufacturers, integrators, and partners. I don't want to miss any of the questions that I got, so I'm going to pause here just for a second and make sure that I cover things.
We talked about SAS. It's a great business model. What we haven't touched on in the original equipment manufacturing arena are storage partners. All of the video gets stored somewhere. You've got everybody from Dell who acquired AMC, Western Digital, a company called Quantum. Those are organisations that are completely connected to all of these end users. They store the video and as it relates to BrainChip Studio and the accelerator, those are great partnerships for us and working closely with one if not two at this point, large storage manufacturers or original equipment manufacturers in the storage segment so that we can install BrainChip Studio into their platform and potentially use the accelerator so that they can get more bandwidth.
At the same time, and I think I mentioned this at our last call, there is the kind of middleware suppliers of video management system players. The most prominent in the world is a company called Milestone. There's GenTech. There's probably six or seven. But when the camera comes back to the server room, the first thing it hits is a video management system. That's also an opportunity for us to leverage really thousands of customers that those VMS suppliers support. So, that's an ongoing project and something that particularly here in the US, that Tom Stengall is very well focused on.
Just to bring you folks up to date, Saffron is moving along nicely. Maybe it's a little slow, maybe I would like to see it move more quickly, but they're buying more licenses. They're starting to love the performance of the product and we expect that during the first and second quarter, we'll see more traction from them. The large European or French province that we talked about, and frankly I'm not sure why we haven't named the name, it's a place called Eveline, but the project there is moving along nicely.
These projects, and I'll touch on Eveline as well as for example Lockporte, the school district. As much as we would like to see these things happen in weeks or months, they have to mount cameras, they have to pull wire, then they have to put the infrastructure in place. So, the Eveline province is moving along nicely. The Paris police force, as the budget has been refreshed, as you go into the end of the year, people start to run out of money when you're talking about local law enforcement or government agencies. As we came out of the year, they popped their head up and I think we're going to have a very nice first quarter with the Paris police force, and I think Eveline will come on probably later in the first quarter.
And Lockporte, the school district that we've talked about, deployment is moving nicely. They've got union labour pulling wire, hanging cameras, and that's just a matter of time. It's not a matter of if, it's just a matter of when, that we can recognise that revenue. So, I guess all in all, the sales growth that we expect from original equipment manufacturers, integrators, and other partners is moving along nicely.
I didn't touch on Rockwell Collins. Rockwell Collins is, marketing a product in which they'd incorporated us. We don't have a lot of visibility, but we know it's a high priority project for them and we would expect some time here in the first quarter to get more visibility. So again, SaaS, big play for us. Good engagement. I hope some time maybe here in the first quarter, we'll have an announcement to, maybe a joint announcement with a major supplier. Storage, similarly, I would hope here sometime in the first quarter we could do the same and give you folks more visibility on who it is we're working with and what the progress has been.
Rockwell Collins we talked about, and Homeland Security. So, we move forward, let's talk about AKIDA for a moment. AKIDA is forward quite nicely. This has been in research during the second half of 2017. I think Peter has taken the learnings from the Snap 64 product in conjunction with the license that we have from the Jast technology. He's moved forward through what we call the mat lab or simulated environment and has a kernel that is frankly working quite well, and it is something that as we move forward, for example with the European automobile manufacturer, we get into that kind of joint development mode, we'll release that kernel and allow them to start to pump algorithms through it. Similarly, we've got relationships that we're developing, Peter's actually travelling throughout Europe now in the financial technology arena, working with folks that can provide us the algorithms for financial transactions and cyber security.
So, the expectation has not changed. We came out of the back end of 2017, came out of research, have a kernel in place which will move into development. We're looking forward to an FPGA mid year, and then going with the collaborative partners that we'll have in the autonomous vehicle, or let's say ADAS, and more generally spaced financial technology and cyber security. We'll go into the hardened IC design sometime in the early second half of 2018. Hoping that we could get Silicon out maybe later part of the fourth quarter of '18, potentially it could be the first part or the first quarter of 2019.
Very applicable as we're finding in robotics and gaming, we've talked about autonomous vehicles. We've got drones, cyber, fintech. It is a general purpose neural networking processor. We've been very pleased with the response that we've gotten as we’ve talked to potential customers. So, it's moving quite well. One bullet that I saved for last that I want to spend some time on was the announcement that we put out just yesterday on Gaming Partners International. This is, for us, a very big win. We have a vision system, a video analytic capability, which is exceptional, particularly in low light, low resolution conditions, and you can imagine that that is the case in casinos.
What we've found, and I think we've got more education about this than we ever expected, this was a process with GPI or Gaming Partners which started in July of last year. I visited their manufacturing facility in Beaune, France where they manufacture chips. These are not computer chips, these are actually currency in the casino. Gaming Partners has literally the lion's share of all chips manufactured for all casinos in the world. They do business with virtually every major casino in the world. They're called currency, the casino currency. Particularly, those of you that are Australian, you're probably not going to go into a casino that is not dominated by GPI chips. Similarly in Asia, take Macau for example, and in the US as well. So, they have a lion's share of the casino currency market.
What we've garnered from our discussions with them, and we talk about game outcome, which you're all familiar with, which is who won, who lost, did the bet get paid off properly or not, and we've talked about game statistics, which is how long did a player sit at the table at a bet spot and how many hands were played, how many hands were won, and how many hands were lost. Those are very, very valuable assets. What the casinos are most concerned about, particularly in Australia and Asia, and this came as a surprise to me to learn six months ago and took a trip to Bordeaux, a trip to Beaune, a trip to Kansas City, Missouri. I think actually on not our last call, but the call before, I mentioned that I happened to be making the call from the Mid West and I was at the manufacturing facility of GPI in Kansas City.
The casinos, particularly in Asia and Australia, where the dominant share of revenue comes out of game tables, as compared to the US where the dominant share of revenue comes out of slot machines, is counterfeit chips. It's the most predominant way people are cheating in casinos. They counterfeit chips. They walk in with a pocket full of $500 counterfeits, they play, they colour up or down so that they know they've turned over their chips, and even if they've lost a bit, they have coined money. So, our engagement with GPI and other partners is a full on system. It's kind of game outcome, game statistics. More importantly, it's casino currency security and table security. The project is moving along very, very quickly. There's a great sense of urgency.
I was at the GPI facility in Las Vegas just yesterday. We're moving at full speed to get this, the capability added to their competency. They provide cards, they provide tables, they provide chips, they're engaged with virtually every major casino in the world. So, for us, we have now I think successfully engaged with kind of the 800 pound gorilla in the space. There are a lot of system providers into casinos, but when you pretty much own the casino currency business, providing currency security is an add on which is extremely valuable, it's a little bit less about the value of the counterfeit that was lost. I got an example, I guess it was several months ago, about a casino, I believe it was in Melbourne, where it was something on the order of $75,000 of loss to counterfeit.
The problem is not the $75,000 loss. Casinos are turning over millions, and tens of millions, and hundreds of millions in revenue. It's the public relations issue and once the counterfeiters recognise that there's a weakness in the security system, they all show up at that casino. So, what a casino is left as their alternative is they have to throw away all of their existing chips and they have to buy a whole new chip set, and that's a very expensive task.
So, if you read the press release about Gaming Partners International, what they've done is they've embedded and RFID tag, radio frequency ID, in each and every chip, particularly in the Asia and Australia market. So, when you sit at a game table and you're moving chips across the table, there are actually antennae under the felt and they are counting those chips. They're recognising, "This is a $25 chip. This is a $50 chip. This is a $100 chip." So, when you try to cash out your chips or you try to colour your chips up or down, there's a check spot and the dealer puts them there and there's an RFID system that recognises how many chips and what are the values of those chips. The ability to add video analytics and have a visual inspection to correlate, those are the kinds of things, and there's a wide variety of other things that we're doing with GPI, but those are the kinds of things we're doing.
It's extremely exciting. I think most of you have probably read the press release. It's a $500,000 license fee. There's about $100,000 in engineering, nonrecurring engineering, and then there's a long term revenue sharing plan. We haven't discussed publicly what those revenue sharing numbers are or what the length of it is, but it's meaningful for us. We did size the market in the press release with 3500 casinos globally and about 60,000 gaming tables, kind of on a dollars per day basis. It's about $200 million market for the analytic tools. So, I think it's, for us it's an opportunity to service 3500 casinos through one original equipment manufacturer and not have to build a sales force. And we wouldn't do that if it were not for the fact that GPI has such a big brand, such big reach, and such an existing and installed customer base.
So, I think I've covered the accelerator card and the European automobile manufacturer. Kind of towing the water here with an opportunity and I think we'll an order maybe as early as this week for another automobile manufacturer out of Detroit for the accelerator card. We have built up the sales force. I think we talked a bit about the capital raise, what the runway is for that capital. We are well capitalised. Original equipment manufacturers, the AKIDA development, and certainly we just touched on what's going on with GPI.
So, in summary, and again, I reduced this to really just three slides, but I have a whole lot more to say. For 2018, the company is well capitalised. You can do the math with a $700 or $750,000 US burn rate. We're well capitalised both to build a meaningful base of revenue in the existing products as well as develop AKIDA. We're well staffed with Luis joining us in Europe, Greg Ryan joining us in Australia, Tom Stengall here in North America. We probably in the next couple of weeks will also announce in North America our first manufacturer's representative. You know, Tom located in Boston, and we have an applications engineer that backs him up, but that's still not enough feet on the street and the typical business model in North America is manufacturer's reps. They represent multiple lines, but they only get paid when they book an order and we call it the "Eat what you kill" kind of strategy. So, we'll start with the south-western United States, because we have our Newport Beach, southern California facility and we can provide a little technical support. But we'll have a rep that covers everything from Texas through southern California, and up through Nevada.
Certainly, you know, we have commercially available products for the surveillance business. We've got a well established customer base, not big enough, and we need to broaden our European presence outside of France. We've got some really nice opportunities that we're chasing here in the US. I did commit and before I forget, I did commit to give you a sense of kind of what our sales pipeline looks like. And I'm only measuring things really since we introduced BrainChip Studio, I think was July 17th of '17 and BrainChip accelerator, which I think was September 10th of '17. That product launch has generated something over 250 leads. We did talk about Milipol, I think when we were on the call last time. But with 250 leads, we've really got our mind around and arms around about 100 opportunities.
We've qualified something over 60, close to 65 of those opportunities with a lifetime value of about $280 million. So, there are 63 qualified opportunities from birth to grave, have an opportunity in the category or the class of about $280 million. Of those 63, we've got 13 design ones, which have a lifetime value of over $25 million. With one, two quarters under our belt with those products just having been commercially released, I think this is wonderful traction. We've got dozens of software drops of BrainChip Studio. BrainChip Studio begets the opportunities for BrainChip Accelerator.
So, I think I've covered most everything. I do have your list of questions. I want to make sure that I didn't miss anything that wasn't kind of duplicative. We talked about the sales management in Europe with Luis starting tomorrow. There was a question about the turnover there, and some of you, for some reason, happen to know Hung, Hung Do-Duy who left the company a couple of months ago or a month ago or so. And that was his personal choice. He was really not a sales executive and he wasn't a design centre manager. He had run that company kind of as an administrator, as the president of the company.
I should probably mention in addition to Luis Coello joining us in Europe to run sales that we will have a design centre manager at our Toulouse facility. So, I think we're in good stead there. There was a question about us taking advantage of the Australian government's recent announcement to make $3.8 billion available. We certainly will engage there. There is a question about us relisting on NASDAQ, and that was a popular topic a year ago or so, and frankly I think I've learned a lot, I think we've learned a lot as a company, and the Australian market has been very kind to us, the Australian shareholders have been very loyal to us. At this point, I think we're in one of those points of a hockey stick in our growth and I don't see any reason, at least in the near term, that we would relist on another market. As we get down the road and things get bigger and better, and better and better, who knows where we go, but I think the experience I've had with the shareholders and investors in Australia has been wonderful.
We talked about Gaming Partners. Let me make sure, there are a couple things here, I want to make sure I didn't miss. I think generally speaking, we talked about the licensing fees. There is a question about whether the licensing fees accomplish milestone four, which is part of the RTO, and I'm not going to gloss over that. It's a $500,000 license, but I'm not going usurp our board of directors' authority in ratifying that. That'll be a decision that they'll have to make very shortly. We just signed the agreement, frankly, on Friday. So, we have not had a chance to talk as a board. I think we covered sales growth. So, I think I covered much of what was questioned. I'll pause this, if I missed anything, and if I have, please send an email to the address that you forwarded the questions to and I'll be certain that somebody gets back to you.
So again, we talked in December. I'm sorry that it feels a little bit repetitive, but I felt before I went into the holiday, we owed it to shareholders to have a conversation. But you should expect that we'll have this conference call right on the heels of every quarterly update. So, thank you again for joining us and we'll talk to you again in a quarter.
News und Ausblick 2018 + AKIDA
Webinar - Übersetzung, siehe vorletztes Posting.
######################################
Louis DiNardo, CEO von BrainChip Holdings Limited (ASX:BRN), stellt ein Update für Dezember 2017 zur Verfügung, das Verkauf und Lizenzierung, Neueinstellungen und AKIDA-Entwicklung abdeckt.
Also, ich bin hier in San Francisco in unserem Hauptbüro mit Ryan Benton, unserem Chief Financial Officer. Wie Sie wissen, ist es Ende Januar, Anfang Februar, was wir bereits bei der nächsten Telefonkonferenz angekündigt haben. Wir haben den Dezember-Aufruf wirklich einmalig gemacht, und ich denke, Sie sollten erwarten, dass wir jeden dieser Aufrufe zeitgleich mit jedem der vierteljährlichen Updates durchführen werden. Ich mache das seit 2001 auf vierteljährlicher Basis. Ich denke, dass es eine großartige Möglichkeit ist, mit Aktionären zu interagieren, Menschen auf den neuesten Stand zu bringen. Der Nachrichtenfluss kann etwas klumpig sein. Wir können nicht planen, dass der Nachrichtenfluss reibungslos verläuft. Es passiert, wenn es passiert. Aber ich denke, dass es in diesem Fall toll ist, dass wir Fragen im Voraus beantworten und ich versuche, diese in die vorbereiteten Kommentare zu integrieren.
Ich werde weitermachen. Ich hoffe, dass die technischen Dinge gut funktionieren. Folie zwei ist nichts anderes als der Standard-Haftungsausschluss. Du kannst es nehmen, lesen, wann immer du willst. Ich bin mir sicher, dass ihr beide das schon mal gesehen habt. Wir präsentieren es auf jeden Fall bei jedem der vierteljährlichen Updates und ich bin sicher, dass Sie es auch bei anderen Unternehmen gesehen haben. Ich habe also nur zwei Folien, die ich vorbereitet habe, aber ich habe noch eine ganze Menge mehr in Form von Kommentaren, die zu jeder dieser Folien passen. Also, worüber wir reden werden, wieder einmal werden sich einige doppelt so fühlen wie das, worüber wir im Dezember gesprochen haben, denn dies ist ein Update für das Dezemberquartal. Ich nehme hier den Luxus, eine Art von Post-Quarter-End-Material zu machen. Wir haben einen Monat seit dem Ende des Quartals, und ich denke, es ist immer gut, die Dinge zu behandeln, die seit dem Ende des Quartals geschehen sind, und sicherlich sind viele der Fragen, die ich erhalten habe, in Bezug auf Dinge, die seit dem Ende des Quartals geschehen sind.
Also, wir werden ein wenig über den europäischen Automobilhersteller sprechen, an den wir unsere erste Beschleunigerkarte geliefert haben, und ein wenig über Greg Ryan, der Vertriebsleiter in Australien ist, und über die Traktion und die Dinge, die wir in Australien haben. Wir werden ein wenig mehr über die Verwendung der Mittel aus den 21,5 Millionen AUD$ sprechen, die gesammelt wurden. Wir werden über das anhaltende Umsatzwachstum sprechen, das wir mit Erstausrüstern, Systemintegratoren und anderen Partnern erwarten. Wir werden über AKIDA sprechen, das wirklich das Endspiel für das Unternehmen ist, wenn es darum geht, ein universelles, so genanntes neuromorphes System auf einem Chip zu haben. Posten zum Quartalsende. Und ich denke, eines der wichtigsten Dinge, über die wir heute sprechen sollten, ist die Entwicklungs- und Lizenzvereinbarung, die wir mit Gaming Partners International unterzeichnet haben, und nach dem Quartalsende, das heute Vormittag, unser Nachmittag, Ihr Vormittag, je nachdem, wo Sie sich gerade befinden, war die Ernennung von Luis Coello zu unserem europäischen Vertriebsleiter.
Lassen Sie mich also in diesem Sinne diese Dinge nacheinander durchgehen. Wenn wir über die Lieferung dieser ersten Beschleunigerkarte an einen großen europäischen Automobilhersteller sprechen, dann ist das sehr, sehr gut vorangekommen. Wir sind nicht in der Lage, Namen zu nennen, aber es ist ein Europäer, Major, es ist eine Art Detroit. In Europa haben Sie drei Hauptfächer, alle sind Deutsche. Das geht gut voran und ist tatsächlich an einem Punkt angelangt, an dem wir einen Dialog über ein gemeinsames Entwicklungsabkommen führen. Die Beschleunigerkarte zeigt, was wir in einem überwachten Lernmodus tun können. Wenn Sie an ADAS oder fortgeschrittene fahrerunterstützte Systeme denken, das geht von Stufe eins bis Stufe fünf, das ist ein völlig autonomes Fahrzeug, das wirklich um die Fähigkeit und Kapazität bittet, die AKIDA liefern kann, und ich denke, wie wir im letzten Aufruf besprochen haben, unser Ziel mit der AKIDA-Entwicklung, und ich werde über die Entwicklung selbst in einem Moment sprechen, wenn wir über die AKIDA-Entwicklung sprechen, und ich werde über die Entwicklung selbst in einem Moment sprechen, wenn wir über die AKIDA-Entwicklung sprechen, der beste Fall für jede Entwicklung eines so komplexen Prozessors wie dieser ist, dass Sie eine enge Zusammenarbeit mit dem haben, was wir einen Leuchtturmkunden nennen werden, jemand, der Ihnen eine Anleitung gibt, was die Haken sind, was die Ins und Outs sein müssen, so dass, wenn das Produkt herauskommt, Sie einen gebackenen Kunden haben, der Ihnen auf dem Weg dorthin hilft.
Wir sind daher sehr zufrieden mit der Entwicklung um den europäischen Automobilhersteller und seinem Ziel, mit uns eine Entwicklungsvereinbarung abzuschließen. Nicht unsere Idee, es war ihre Idee. Darüber hinaus erwarten wir, nicht außerhalb Europas, sondern außerhalb von Detroit, einen Auftrag für eine Beschleunigerkarte aus einer der Top 3 in Detroit, ähnlich wie in Detroit. Sie wollen mit der Karte spielen, sie wollen verstehen, wie das neuronale Spiking-Netzwerk in Bezug auf überwachtes Lernen funktioniert, und sie wollen sich weiterbilden und uns darüber aufklären, was mit AKIDA in diesem Entwicklungsprozess gemacht werden könnte, wenn das Produkt herauskommt, dass es tatsächlich einen weiteren potentiellen Endkunden im Spiel gibt.
Also, insgesamt, als wir mit der Entwicklung von AKIDA begonnen haben, haben wir einen Kurs von ADAS, autonome Fahrzeuge, entwickelt, die eine enge Zusammenarbeit mit den Großen der Branche finden. Ich denke, wir haben dort wirklich gute Arbeit geleistet. In mancherlei Hinsicht fanden sie uns und in mancher Hinsicht gingen wir auf die Jagd nach ihnen. Also, ich denke, im Großen und Ganzen ist das sehr gut gelaufen. Darüber werden wir im nächsten Quartal wieder berichten, und wir werden über AKIDA sprechen, ich werde ein wenig mehr darüber erfahren, wo wir uns in dieser Entwicklung befinden.
Die Ernennung von Greg Ryan, über die wir im Dezember gesprochen haben, war für uns in Australien ein großer Schritt nach vorn. Es gibt eine Menge Geld, das in Australien für Überwachung und Infrastruktur ausgegeben wird. Wir brauchen Bodenhaftung in Australien. Greg hat in den ersten Monaten seiner Tätigkeit bei der Strafverfolgung und den zivilen Behörden hervorragende Arbeit geleistet, die Dinge entwickeln sich gut. Wir müssen dort einige technische Ressourcen einsetzen, um ihn zu unterstützen. In Australien liegt der Fokus kurz- und mittelfristig auf dem Erlös.
Wenn es um ADAS oder autonome Fahrzeuge geht, gibt es für uns wirklich nicht viel Zusammenarbeit. Es gibt einige gute Kooperationen oder gute Partner, die wir im Bereich der Cybersicherheit und wahrscheinlich auch im Bereich der Fintech- oder Finanztechnologie zusammenarbeiten könnten.
Ich werde zur letzten Kugel springen und dann zurückkommen. Erst heute Morgen haben wir die Ernennung von Luis Coello zum European Sales Director bekannt gegeben. Er kommt zu uns mit einer sehr, sehr tiefen Erfahrung in der zivilen Überwachung. Zuletzt war er bei Teleste, einem der größten Systemintegratoren in Europa, tätig. Er wird morgen mit der Arbeit beginnen. Ich habe das in unserem letzten Aufruf im Dezember erwähnt. Europa nimmt sich ein wenig Zeit, um sich von Ihrem jetzigen Arbeitgeber zu trennen und weiterzuentwickeln. Also, wir haben das in den letzten vier oder fünf Wochen zum größten Teil hinter uns gebracht. Er hat nun seinen früheren Arbeitgeber verlassen und startet morgen bei uns.
Er hat seinen Sitz in Barcelona, was für uns ein sehr schöner Ort ist. Wie Sie wissen, sind wir in Frankreich stark vertreten. Department of Homeland Security, die Pariser Polizei, der Flughafen von Bordeaux, aber wirklich unsere Flügel ausbreiten und in die zivile Überwachung, Strafverfolgungsbehörden in ganz Europa, einschließlich des Vereinigten Königreichs, Spaniens, Italiens, in ganz Europa, die potenzielle Kontobasis für uns ist wirklich das, was Luis' Ziel ist. Ich denke, wir haben Tom Stengall hier in Nordamerika, der in der Überwachungsindustrie sehr stark vertreten ist, Greg Ryan in Australien und Luis Coello in Europa. So haben wir das Senior Management Team im Außendienst mit den von uns eingeführten Produkten, dem BrainChip Studio Produkt, das im Juli 2017 eingeführt wurde, und dem BrainChip Beschleuniger, der im September auf den Markt gebracht wurde, besetzt, um die Produkte auf den Markt zu bringen, die Umsätze zu steigern und das Umsatzwachstum zu fördern, während wir das AKIDA Produkt entwickeln.
Um auf Punkt drei zurückzukommen, offen gesagt, ist dies die gleiche Kugel, die wir hatten, als wir uns im September unterhalten haben, aber ich wollte sie etwas farbiger gestalten. Wir haben 21,5 Mio. AUD$ gesammelt, und ich denke, dass es aufgrund einiger der Fragen, die ich erhalten habe, wichtig für uns ist, dass wir uns auf die Tatsache normalisieren, dass wir als funktionale Währung US-Dollar verwenden. Also, die 21,5 Millionen Dollar netto nach Abzug der Gebühren betrugen etwa 15,5 Millionen Dollar, als wir das Fundraising abgeschlossen haben. Wir beendeten dieses Quartal, das Dezemberquartal, mit rund 16 Millionen US-Dollar in der Bilanz. Wir haben etwas in der Größenordnung von etwa 1,9 Millionen US-Dollar verbrannt. Das ist eine relativ stabile Zahl. Wir denken, dass es wahrscheinlich 700.000 Dollar im Monat sind. Die soeben veröffentlichte Prognose zeigte uns einen Wert von etwa 2,2 bis 2,3 Mio. US$. Offen gesagt, da ist ein kleiner Klumpen drin, weil wir die zweite Rate der Jast Lizenz bezahlt haben. So denke ich, dass Sie an dieses in ungefähr US$700.000 bis US$750.000 ausgedrückt denken konnten, die ein Monat gebrannt wurden. Und wenn Sie diese Mathematik machen, basierend auf dem, was wir in bar haben, haben Sie etwas in der Größenordnung von 21 bis 22 Monaten Deckung. Das Unternehmen ist also gut kapitalisiert. Ich weiß, dass es eine Menge Spekulationen darüber gegeben hat, was die zusätzlichen Kosten für die Entwicklung des AKIDA-Produkts sind. Die Verbrennungsrate umfasst alle unsere technischen Ressourcen, egal ob sie an AKIDA arbeiten, ob sie an GPI-Entwicklungen, Spieleproduktentwicklungen oder anderen Produkten arbeiten. Das ist inbegriffen. Die zusätzlichen Ausgaben für AKIDA belaufen sich auf etwa 3 Mio. US$, was sehr spät im Jahr 2018 sein würde. Aber offen gesagt, das wird durch Quittungen gedeckt sein, durch Geldeingänge.
Ich denke also, dass das Unternehmen für die nächsten zwei Jahre sehr, sehr gut kapitalisiert ist. Das wird uns genügend Zeit geben, damit diese drei leitenden Vertriebsmitarbeiter eine sehr schöne Pipeline aufbauen können. Ich werde gleich darüber sprechen, wie die Pipeline aussieht. Ich habe mich beim letzten Anruf dazu verpflichtet, ich werde Ihnen einen Einblick geben. Aber ich denke, wir sind in einer wirklich guten Verfassung und ich werde über die AKIDA-Entwicklung sprechen und darüber, wo wir in Bezug auf die Zeitpläne stehen.
Einer der Punkte besagt, dass jedes Unternehmen ein kontinuierliches Umsatzwachstum mit seinen Erstausrüstern, Integratoren und anderen Partnern erwartet. Dazu gehören auch die Endverbraucher. Sicherlich ist unser Ziel Originalgerätehersteller und -integratoren, und wenn wir über Spielprodukte sprechen und wir über einige der anderen Möglichkeiten sprechen, die wir eng mit der Hebelwirkung verbunden sind, die wir aus den Beziehungen herausholen, in denen ein OAM einen bestehenden Kundenstamm oder einen bestehenden Kundenstamm von Hunderten oder Tausenden von Kunden hat, ermöglicht es uns, unsere Betriebskosten zu kontrollieren, ihren Außendienst zu nutzen und ihre Serviceorganisationen zu nutzen. Es ist wirklich das Verkaufsmodell mit der höchsten Hebelwirkung, das wir für ein Unternehmen entwerfen können, das wirklich geistiges Eigentum in Form eines FPGAs auf einer Karte liefert, und ich werde darüber sprechen, warum wir ein FPGA auf einer Karte machen, weil es eine Frage gab, die an dieser Front auftauchte, oder die Frage, ob AKIDA schließlich ein eigenständiger integrierter Schaltkreis ist.
In dieser Hinsicht haben wir, wenn wir über Erstausrüster sprechen, ein sehr starkes Engagement, mit dem wir vorankommen, mit einem Unternehmen, das ein SaaS- oder Software as a Service Modell betreibt. Es ist ein Cloud-basiertes Modell. Sie verarbeiten buchstäblich Millionen von Stunden Video. Sie verfügen über spezifische Suchmaschinen, die den Endbenutzern zur Verfügung stehen. In unserem Fall haben sie erkannt, dass unser One-Shot-Lernen, unsere Fähigkeit, sehr schnell Stunden und Stunden und Zehntausende von Stunden oder Zehntausende von Stunden Video in ihrem Hauptgeschäft zu analysieren, das sind Medien und Unterhaltung, in denen die Leute nach ihren Logos suchen und herausfinden wollen, was die Rendite ihrer Investition für Werbedollar sicherlich eine große Stärke ist. Aber sie steigen auch sehr schnell in das Überwachungsgeschäft ein. Es gibt Dutzende von Millionen von Stunden Video, die gespeichert sind und Strafverfolgungsbehörden, Homeland Security Agenturen wollen oder müssen, je nach den Umständen, suchen, dass Video. Es ist also ein großartiger Absatzmarkt für uns, zu Hunderten, wenn nicht gar Tausenden von Kunden über einen einzigen Erstausrüster als Partner zu gehen. Das wäre nicht exklusiv. Das wäre einer von vielen, mit denen wir das machen könnten. Systemintegratoren, und ich denke, dass der Zusatz von beispielsweise Luis Coello, der aus Teleste kam, einer der größten Systemintegratoren im Überwachungsgeschäft in Europa ist. Wir haben auch Beziehungen zu anderen. Wir sprachen über eine Provinz in Frankreich außerhalb der Pariser Polizei oder des Department of Homeland Security. Ich glaube, wir haben über das letzte Quartal geredet. Ich werde das gleich noch einmal kurz ansprechen.
Aber diese Erstausrüster, Integratoren, nennen wir sie andere Partner, sind unser Go to Market-Geschäftsmodell. Und natürlich werden wir auch weiterhin direkt mit den Endkunden in Kontakt bleiben. Sie bilden uns aus. Sie zeigen uns, wie die Dinge in ihrem spezifischen vertikalen Marktsegment funktionieren, und was das Endergebnis für uns ist, wenn wir wirklich über unsere Originalgerätehersteller, Integratoren und Partner arbeiten. Ich möchte keine der Fragen verpassen, die ich bekommen habe, also werde ich hier nur für eine Sekunde innehalten und sicherstellen, dass ich die Dinge abdecke.
Wir sprachen über SAS. Es ist ein tolles Geschäftsmodell. Was wir im Bereich der Erstausrüstung noch nicht angesprochen haben, sind Storage-Partner. Das ganze Video wird irgendwo gespeichert. Sie haben alle von Dell, die AMC, Western Digital, eine Firma namens Quantum, erworben haben. Das sind Organisationen, die vollständig mit all diesen Endbenutzern verbunden sind. Sie speichern das Video und wie es sich auf BrainChip Studio und den Beschleuniger bezieht, das sind großartige Partnerschaften für uns und die enge Zusammenarbeit mit einem, wenn nicht sogar zwei an diesem Punkt, großen Speicherherstellern oder Originalausrüstungsherstellern im Storage-Segment, so dass wir BrainChip Studio in ihre Plattform installieren und den Beschleuniger potenziell nutzen können, so dass sie mehr Bandbreite bekommen können.
Gleichzeitig, und ich denke, ich habe das bei unserem letzten Aufruf erwähnt, gibt es die Art von Middleware-Anbietern von Videomanagementsystem-Playern. Das bekannteste Unternehmen der Welt ist die Firma Milestone. Da ist GenTech. Es sind wahrscheinlich sechs oder sieben. Doch wenn die Kamera in den Serverraum zurückkehrt, trifft sie als erstes ein Videomanagementsystem. Das ist auch eine Gelegenheit für uns, wirklich tausende von Kunden zu gewinnen, die von diesen VMS-Anbietern unterstützt werden. Das ist also ein laufendes Projekt und etwas, auf das sich Tom Stengall besonders hier in den USA sehr gut konzentriert.
Nur um euch auf den neuesten Stand zu bringen, bewegt sich Safran gut voran. Vielleicht ist es ein wenig langsam, vielleicht würde ich es gerne sehen, dass es schneller geht, aber sie kaufen mehr Lizenzen. Sie fangen an, die Leistung des Produkts zu lieben, und wir erwarten, dass wir im ersten und zweiten Quartal mehr Traktion von ihnen sehen werden. Die große europäische oder französische Provinz, über die wir gesprochen haben, und offen gesagt, bin ich mir nicht sicher, warum wir den Namen nicht genannt haben, es ist ein Ort namens Eveline, aber das Projekt dort schreitet gut voran.
Diese Projekte, und ich werde Eveline und zum Beispiel Lockporte, den Schulbezirk, ansprechen. So sehr wir uns auch wünschen, dass diese Dinge in Wochen oder Monaten geschehen, sie müssen Kameras montieren, sie müssen Kabel ziehen, dann müssen sie die Infrastruktur aufbauen. Die Provinz Eveline entwickelt sich also gut. Die Pariser Polizei, wie der Haushalt wurde aktualisiert, wie Sie gehen in das Ende des Jahres, beginnen die Menschen zu laufen, um das Geld, wenn Sie sprechen über die lokalen Strafverfolgungsbehörden oder Behörden. Als wir aus dem Jahr herauskamen, haben sie ihren Kopf hochgeklappt und ich denke, wir werden ein sehr schönes erstes Viertel mit der Pariser Polizei haben, und ich denke, dass Eveline wahrscheinlich später im ersten Quartal kommen wird.
Und Lockporte, der Schulbezirk, über den wir gesprochen haben, der Einsatz läuft gut. Sie haben Gewerkschaften, die Kabel ziehen, Kameras aufhängen, und das ist nur eine Frage der Zeit. Es geht nicht darum, ob, sondern nur darum, wann, dass wir diesen Umsatz realisieren können. Ich schätze also, dass sich das Umsatzwachstum, das wir von Erstausrüstern, Integratoren und anderen Partnern erwarten, insgesamt positiv entwickelt.
Ich habe Rockwell Collins nicht angerührt. Rockwell Collins vermarktet ein Produkt, in das sie uns integriert haben. Wir haben nicht viel Sichtbarkeit, aber wir wissen, dass es sich um ein Projekt mit hoher Priorität für sie handelt, und wir erwarten, dass wir hier im ersten Quartal etwas Zeit haben, um mehr Sichtbarkeit zu erlangen. Also noch einmal, SaaS, großes Spiel für uns. Gutes Engagement. Ich hoffe, dass wir irgendwann hier im ersten Quartal eine Ankündigung haben werden, vielleicht eine gemeinsame Ankündigung mit einem großen Lieferanten. Storage, ähnlich, ich würde hoffen, hier irgendwann im ersten Quartal könnten wir das Gleiche tun und Ihnen mehr Sichtbarkeit geben, wer es ist, mit dem wir arbeiten und was der Fortschritt war.
Rockwell Collins, über den wir gesprochen haben, und Homeland Security. Also, wir gehen weiter, lassen Sie uns einen Moment über AKIDA sprechen. AKIDA ist recht gut unterwegs. Dies wurde in der zweiten Hälfte des Jahres 2017 in der Forschung untersucht. Ich denke, Peter hat die Erkenntnisse aus dem Snap 64 Produkt in Verbindung mit der Lizenz, die wir von der Jast Technologie haben, übernommen. Er hat sich durch das, was wir das Mat-Labor oder die simulierte Umgebung nennen, vorwärts bewegt und hat einen Kernel, der offen gesagt ziemlich gut funktioniert, und das ist etwas, das wir, wenn wir uns vorwärts bewegen, zum Beispiel mit dem europäischen Automobilhersteller, in diese Art von gemeinsamem Entwicklungsmodus kommen, wir werden diesen Kernel freigeben und es ihnen ermöglichen, Algorithmen durch ihn zu pumpen.Ähnlich haben wir Beziehungen, die wir gerade entwickeln, Peter's reist jetzt durch ganz Europa in der Finanztechnologie-Arena und arbeitet mit Leuten zusammen, die uns die Algorithmen für Finanztransaktionen und Cybersicherheit liefern können.
Die Erwartung hat sich also nicht geändert. Wir kamen aus dem Jahr 2017, kamen aus der Forschung, haben einen Kernel an Ort und Stelle, der in die Entwicklung gehen wird. Wir freuen uns auf ein FPGA Mitte des Jahres und dann auf die Zusammenarbeit mit den Kooperationspartnern, die wir im autonomen Fahrzeug haben werden, oder sagen wir ADAS, und allgemeiner gesagt, auf Finanztechnologie und Cybersicherheit. Wir werden uns irgendwann in der zweiten Hälfte des Jahres 2018 mit dem gehärteten IC-Design befassen. In der Hoffnung, dass wir Silizium vielleicht später aus dem vierten Quartal von 18 herausbekommen könnten, könnte es möglicherweise der erste Teil oder das erste Quartal 2019 sein.
Sehr zutreffend, da wir in der Robotik und im Gaming-Bereich zu finden sind, haben wir über autonome Fahrzeuge gesprochen. Wir haben Drohnen, Cyber, Fintech. Es ist ein universeller neuronaler Netzwerkprozessor. Wir waren sehr zufrieden mit der Resonanz, die wir erhalten haben, als wir mit potenziellen Kunden gesprochen haben. Also, es bewegt sich ziemlich gut. Eine Kugel, die ich mir für das letzte Mal aufgehoben habe und auf die ich noch etwas Zeit verwenden möchte, war die Ankündigung, die wir erst gestern auf Gaming Partners International veröffentlicht haben. Das ist für uns ein sehr großer Gewinn. Wir haben ein Bildverarbeitungssystem, eine Videoanalysefähigkeit, die vor allem bei schlechten Lichtverhältnissen und niedrigen Auflösungen außergewöhnlich ist, und Sie können sich vorstellen, dass dies in Casinos der Fall ist.
Was wir gefunden haben, und ich denke, wir haben mehr Aufklärung darüber, als wir jemals erwartet haben, das war ein Prozess mit GPI oder Gaming Partners, der im Juli letzten Jahres begonnen hat. Ich besuchte ihre Produktionsstätte in Beaune, Frankreich, wo sie Chips herstellen. Es handelt sich nicht um Computerchips, sondern um Währungen im Casino. Gaming Partners hat buchstäblich den Löwenanteil aller Chips, die für alle Casinos der Welt hergestellt werden. Sie machen Geschäfte mit praktisch allen großen Casinos der Welt. Sie werden Währung genannt, die Casino-Währung. Besonders diejenigen von Ihnen, die Australier sind, werden wahrscheinlich nicht in ein Casino gehen, das nicht von GPI-Chips dominiert wird. Ähnlich verhält es sich in Asien, zum Beispiel in Macau und in den USA. So haben sie einen Löwenanteil des Kasino-Währungsmarktes.
Was wir aus unseren Gesprächen mit ihnen gewonnen haben, und wir sprechen über das Spielergebnis, mit dem Sie alle vertraut sind, wer gewonnen hat, wer verloren hat, wer die Wette gewonnen hat, ob die Wette richtig ausgezahlt wurde oder nicht, und wir haben über die Spielstatistik gesprochen, wie lange ein Spieler an einem Einsatzort am Tisch saß und wie viele Hände gespielt wurden, wie viele Hände gewonnen wurden und wie viele Hände verloren gingen. Das sind sehr, sehr wertvolle Vermögenswerte. Was die Kasinos am meisten beunruhigt, besonders in Australien und Asien, und das kam für mich überraschend, als ich vor sechs Monaten lernte und eine Reise nach Bordeaux, eine Reise nach Beaune, eine Reise nach Kansas City, Missouri, unternahm. Ich denke wirklich auf nicht unserem letzten Anruf, aber der Anruf vor, erwähnte ich, dass ich geschah, den Anruf vom mittleren Westen zu bilden und ich an der Produktionsanlage von GPI in Kansas City war.
Die Kasinos, insbesondere in Asien und Australien, wo der dominierende Anteil der Einnahmen aus Spieltischen stammt, im Vergleich zu den USA, wo der dominierende Anteil der Einnahmen aus Spielautomaten stammt, sind gefälschte Chips. Es ist die vorherrschendste Art und Weise, wie Menschen in Casinos betrügen. Sie fälschen Chips. Sie kommen mit einer Tasche voller 500$ Fälschungen herein, sie spielen, sie färben sich auf oder ab, damit sie wissen, dass sie ihre Chips umgedreht haben, und selbst wenn sie etwas verloren haben, haben sie Geld geprägt. So ist unser Engagement mit GPI und anderen Partnern ein vollwertiges System. Es ist eine Art Spielergebnis, Spielstatistik. Wichtiger noch, es ist Casino-Währungssicherheit und Tischsicherheit. Das Projekt schreitet sehr, sehr schnell voran. Es besteht ein großes Gefühl der Dringlichkeit.
Ich war erst gestern in der GPI-Einrichtung in Las Vegas. Wir bewegen uns auf Hochtouren, um dies zu erreichen, die Fähigkeit, die zu ihrer Kompetenz hinzukommt. Sie stellen Karten zur Verfügung, sie stellen Tische zur Verfügung, sie stellen Chips zur Verfügung, sie sind mit praktisch jedem großen Casino der Welt beschäftigt. Also, für uns, wir haben jetzt, glaube ich, erfolgreich mit der Art des 800 Pfund Gorillas im Weltraum zu tun gehabt. Es gibt eine Menge Systemanbieter in Kasinos, aber wenn Sie ziemlich genau das Kasino-Währungsgeschäft besitzen, ist die Währungssicherheit ein Add-on, das extrem wertvoll ist, es ist ein wenig weniger über den Wert der Fälschung, die verloren gegangen ist. Ich erhielt ein Beispiel, ich schätze, es war vor einigen Monaten, über ein Kasino, ich glaube, es war in Melbourne, wo es etwas in der Größenordnung von 75.000 Dollar Verlust zu fälschen war.
Das Problem ist nicht der Verlust von 75.000 Dollar. Casinos drehen Millionen und Zehntausende von Millionen und Hunderte von Millionen an Einnahmen. Es ist das Problem der Öffentlichkeitsarbeit und sobald die Fälscher erkennen, dass es eine Schwachstelle im Sicherheitssystem gibt, tauchen sie alle in diesem Casino auf. So was ein Kasino als ihre Alternative gelassen wird, ist, dass sie alle ihre vorhandenen Chips wegwerfen müssen und sie einen vollständigen neuen Chipsatz kaufen müssen, und das ist eine sehr teure Aufgabe.
Wenn Sie also die Pressemitteilung über Gaming Partners International lesen, dann haben sie in jeden einzelnen Chip eingebettet und RFID-Tag, Radio Frequency ID, eingebaut, insbesondere in den asiatischen und australischen Markt. Wenn man also an einem Spieltisch sitzt und Chips über den Tisch bewegt, gibt es unter dem Filz Antennen, die diese Chips zählen. Sie erkennen: "Das ist ein $25-Chip. Das ist ein 50-Dollar-Chip. Das ist ein $100-Chip." Also, wenn Sie versuchen, Ihre Chips auszuzahlen, oder wenn Sie versuchen, Ihre Chips nach oben oder unten zu färben, gibt es einen Kontrollpunkt und der Dealer stellt sie dort hin und es gibt ein RFID-System, das erkennt, wie viele Chips und welche Werte diese Chips haben. Die Fähigkeit, Videoanalysen hinzuzufügen und eine visuelle Inspektion durchzuführen, um korrelieren zu können, das sind die Arten von Dingen, und es gibt eine Vielzahl anderer Dinge, die wir mit GPI machen, aber das sind die Arten von Dingen, die wir tun.
Es ist extrem aufregend. Ich denke, die meisten von Ihnen haben wahrscheinlich die Pressemitteilung gelesen. Es ist eine Lizenzgebühr von 500.000 Dollar. Es gibt ungefähr $100.000 in der Technik, in der einmaligen Technik, und dann gibt es einen langfristigen Plan zur Aufteilung der Einnahmen. Wir haben nicht öffentlich diskutiert, was diese Revenue-Sharing-Nummern sind oder wie lang sie sind, aber sie sind für uns sinnvoll. Wir haben den Markt in der Pressemitteilung mit 3500 Casinos weltweit und ca. 60.000 Spieltischen, sozusagen auf Dollarbasis pro Tag, bewertet. Es ist etwa 200 Millionen Dollar Markt für die Analysewerkzeuge. Also, ich denke, es ist, für uns ist es eine Gelegenheit, 3500 Casinos durch einen Erstausrüster zu betreuen und nicht einen Außendienst aufzubauen. Und das würden wir nicht tun, wenn es nicht die Tatsache gäbe, dass GPI eine so große Marke, eine so große Reichweite und einen so bestehenden und installierten Kundenstamm hat.
Also, ich denke, ich habe die Beschleunigerkarte und den europäischen Automobilhersteller abgedeckt. Art des Schleppens des Wassers hier mit einer Gelegenheit und ich denke, dass wir eine Ordnung möglicherweise schon in dieser Woche für einen anderen Automobilhersteller aus Detroit heraus für die Beschleunigerkarte heraus erhalten. Wir haben den Außendienst aufgebaut. Ich denke, wir haben ein wenig über die Kapitalaufstockung gesprochen, was die Start- und Landebahn für dieses Kapital ist. Wir sind gut kapitalisiert. Erstausrüster, die AKIDA-Entwicklung, und natürlich haben wir gerade erst darüber gesprochen, was mit GPI los ist.
Zusammenfassend kann ich sagen, dass ich das auf wirklich nur drei Folien reduziert habe, aber ich habe noch eine ganze Menge mehr zu sagen. Für 2018 ist das Unternehmen gut kapitalisiert. Sie können die Rechnung mit einer US-Brennrate von $700 oder $750.000 machen. Wir sind gut kapitalisiert, sowohl um eine sinnvolle Umsatzbasis in den bestehenden Produkten aufzubauen als auch um AKIDA zu entwickeln. Wir sind gut besetzt mit Luis in Europa, Greg Ryan in Australien und Tom Stengall hier in Nordamerika. Wahrscheinlich werden wir in den nächsten Wochen auch in Nordamerika unseren ersten Hersteller-Vertreter bekannt geben. Sie wissen, Tom in Boston, und wir haben einen Applikationsingenieur, der ihn unterstützt, aber das ist immer noch nicht genug Fuß auf der Straße und das typische Geschäftsmodell in Nordamerika sind die Vertreter des Herstellers. Sie repräsentieren mehrere Linien, aber sie werden nur bezahlt, wenn sie einen Auftrag buchen, und wir nennen es die Strategie "Eat what you kill". Also, wir beginnen mit dem Südwesten der Vereinigten Staaten, denn wir haben unsere Niederlassung in Newport Beach, Südkalifornien, und wir können ein wenig technischen Support leisten. Aber wir haben einen Repräsentanten, der alles abdeckt, von Texas über Südkalifornien bis hinauf nach Nevada.
Sicherlich, wissen Sie, wir haben kommerziell erhältliche Produkte für das Überwachungsgeschäft. Wir haben einen gut etablierten Kundenstamm, der nicht groß genug ist, und wir müssen unsere europäische Präsenz außerhalb Frankreichs ausbauen. Wir haben einige wirklich gute Möglichkeiten, die wir hier in den USA verfolgen. Ich habe mich verpflichtet, und bevor ich es vergesse, habe ich mich verpflichtet, Ihnen einen Eindruck davon zu vermitteln, wie unsere Vertriebspipeline aussieht. Und ich messe nur die Dinge wirklich, seit wir BrainChip Studio eingeführt haben, ich glaube, es war der 17. Juli von 17 und der BrainChip-Beschleuniger, der, glaube ich, der 10. September von 17 war. Diese Produkteinführung hat etwas über 250 Leads generiert. Wir haben über Milipol gesprochen, glaube ich, als wir das letzte Mal telefoniert haben. Aber mit 250 Leads haben wir wirklich unseren Verstand um uns herum und bewaffnen uns mit etwa 100 Gelegenheiten.
Wir haben etwas über 60 qualifiziert, fast 65 dieser Gelegenheiten mit einem Lebenswert von etwa 280 Millionen Dollar. So gibt es 63 qualifizierte Gelegenheiten von der Geburt bis zum Grab, haben eine Chance in der Kategorie oder der Klasse von etwa 280 Millionen Dollar. Von diesen 63 haben wir 13 Designs, die einen Lebenswert von über 25 Millionen Dollar haben. Mit ein, zwei Viertel unter unserem Gürtel mit jenen Produkten, die gerade kommerziell freigegeben worden sind, denke ich, dass dies eine wunderbare Traktion ist. Wir haben Dutzende von Software-Drops von BrainChip Studio. BrainChip Studio eröffnet die Möglichkeiten für BrainChip Accelerator.
Also, ich denke, ich habe fast alles abgedeckt. Ich habe Ihre Fragenliste. Ich möchte sichergehen, dass ich nichts verpasst habe, was nicht irgendwie duplikativ war. Wir sprachen über die Vertriebsleitung in Europa mit Luis ab morgen. Es gab eine Frage über den Umsatz dort, und einige von euch, aus irgendeinem Grund, kennen zufällig Hung, Hung Do-Duy, der das Unternehmen vor ein paar Monaten oder vor einem Monat oder so verlassen hat. Und das war seine persönliche Entscheidung. Er war wirklich kein Verkaufsleiter und er war auch kein Leiter des Design Centers. Er hatte diese Firma sozusagen als Verwalter geführt, als Präsident der Firma.
Neben Luis Coello, der mit uns in Europa den Vertrieb leitet, sollte ich vielleicht erwähnen, dass wir in Toulouse einen Leiter des Design Centers haben werden. Also, ich denke, wir sind hier gut aufgehoben. Es stellte sich die Frage, ob wir die jüngste Ankündigung der australischen Regierung, 3,8 Milliarden Dollar zur Verfügung zu stellen, ausnutzen würden. Wir werden uns auf jeden Fall dort engagieren. Es gibt eine Frage über uns Relisting auf NASDAQ, und das war ein beliebtes Thema vor einem Jahr oder so, und offen gesagt, ich denke, ich habe viel gelernt, ich denke, wir haben als Unternehmen viel gelernt, und der australische Markt war sehr freundlich zu uns, die australischen Aktionäre waren sehr loyal zu uns. An diesem Punkt denke ich, dass wir in einem jener Punkte eines Hockeyschlägers in unserem Wachstum sind und ich keinen Grund sehe, mindestens in der nahen Zukunft, dass wir auf einem anderen Markt wiedereinstellen würden. Während wir die Straße hinuntergehen und die Dinge größer und besser werden, und besser und besser und besser, wer weiß, wohin wir gehen, aber ich denke, dass die Erfahrung, die ich mit den Aktionären und Investoren in Australien gemacht habe, wunderbar war.
Wir sprachen über Gaming Partners. Lassen Sie mich sichergehen, dass es hier ein paar Dinge gibt, ich möchte sichergehen, dass ich sie nicht verfehlt habe. Ich denke, im Allgemeinen haben wir über die Lizenzgebühren gesprochen. Es gibt eine Frage darüber, ob die Lizenzgebühren Meilenstein vier erreichen, der Teil der RTO ist, und ich werde das nicht beschönigen. Es ist eine Lizenz für 500.000 Dollar, aber ich werde nicht die Autorität unseres Board of Directors an sich reißen, wenn ich das ratifiziere. Das wird eine Entscheidung sein, die sie in Kürze treffen müssen. Wir haben den Vertrag gerade erst am Freitag unterzeichnet. Wir hatten also noch keine Gelegenheit, als Vorstand zu sprechen. Ich denke, wir haben das Umsatzwachstum abgedeckt. Also, ich denke, ich habe viel von dem, was in Frage gestellt wurde, abgedeckt. Ich werde dies unterbrechen, wenn ich irgendetwas verpasst habe, und wenn ja, senden Sie bitte eine E-Mail an die Adresse, an die Sie die Fragen weitergeleitet haben, und ich werde sicher sein, dass jemand auf Sie zurückkommt.
Also noch einmal, wir haben uns im Dezember unterhalten. Es tut mir leid, dass es sich ein wenig wiederholend anfühlt, aber ich hatte das Gefühl, dass wir es den Aktionären schuldig waren, ein Gespräch zu führen, bevor ich in den Urlaub fuhr. Aber Sie sollten davon ausgehen, dass wir diese Telefonkonferenz direkt nach jedem Quartals-Update haben werden. Also, vielen Dank, dass Sie wieder bei uns sind, und wir werden uns in einem Vierteljahr wieder mit Ihnen unterhalten.
Übersetzt mit www.DeepL.com/Translator
Webinar - Übersetzung, siehe vorletztes Posting.
######################################
Louis DiNardo, CEO von BrainChip Holdings Limited (ASX:BRN), stellt ein Update für Dezember 2017 zur Verfügung, das Verkauf und Lizenzierung, Neueinstellungen und AKIDA-Entwicklung abdeckt.
Also, ich bin hier in San Francisco in unserem Hauptbüro mit Ryan Benton, unserem Chief Financial Officer. Wie Sie wissen, ist es Ende Januar, Anfang Februar, was wir bereits bei der nächsten Telefonkonferenz angekündigt haben. Wir haben den Dezember-Aufruf wirklich einmalig gemacht, und ich denke, Sie sollten erwarten, dass wir jeden dieser Aufrufe zeitgleich mit jedem der vierteljährlichen Updates durchführen werden. Ich mache das seit 2001 auf vierteljährlicher Basis. Ich denke, dass es eine großartige Möglichkeit ist, mit Aktionären zu interagieren, Menschen auf den neuesten Stand zu bringen. Der Nachrichtenfluss kann etwas klumpig sein. Wir können nicht planen, dass der Nachrichtenfluss reibungslos verläuft. Es passiert, wenn es passiert. Aber ich denke, dass es in diesem Fall toll ist, dass wir Fragen im Voraus beantworten und ich versuche, diese in die vorbereiteten Kommentare zu integrieren.
Ich werde weitermachen. Ich hoffe, dass die technischen Dinge gut funktionieren. Folie zwei ist nichts anderes als der Standard-Haftungsausschluss. Du kannst es nehmen, lesen, wann immer du willst. Ich bin mir sicher, dass ihr beide das schon mal gesehen habt. Wir präsentieren es auf jeden Fall bei jedem der vierteljährlichen Updates und ich bin sicher, dass Sie es auch bei anderen Unternehmen gesehen haben. Ich habe also nur zwei Folien, die ich vorbereitet habe, aber ich habe noch eine ganze Menge mehr in Form von Kommentaren, die zu jeder dieser Folien passen. Also, worüber wir reden werden, wieder einmal werden sich einige doppelt so fühlen wie das, worüber wir im Dezember gesprochen haben, denn dies ist ein Update für das Dezemberquartal. Ich nehme hier den Luxus, eine Art von Post-Quarter-End-Material zu machen. Wir haben einen Monat seit dem Ende des Quartals, und ich denke, es ist immer gut, die Dinge zu behandeln, die seit dem Ende des Quartals geschehen sind, und sicherlich sind viele der Fragen, die ich erhalten habe, in Bezug auf Dinge, die seit dem Ende des Quartals geschehen sind.
Also, wir werden ein wenig über den europäischen Automobilhersteller sprechen, an den wir unsere erste Beschleunigerkarte geliefert haben, und ein wenig über Greg Ryan, der Vertriebsleiter in Australien ist, und über die Traktion und die Dinge, die wir in Australien haben. Wir werden ein wenig mehr über die Verwendung der Mittel aus den 21,5 Millionen AUD$ sprechen, die gesammelt wurden. Wir werden über das anhaltende Umsatzwachstum sprechen, das wir mit Erstausrüstern, Systemintegratoren und anderen Partnern erwarten. Wir werden über AKIDA sprechen, das wirklich das Endspiel für das Unternehmen ist, wenn es darum geht, ein universelles, so genanntes neuromorphes System auf einem Chip zu haben. Posten zum Quartalsende. Und ich denke, eines der wichtigsten Dinge, über die wir heute sprechen sollten, ist die Entwicklungs- und Lizenzvereinbarung, die wir mit Gaming Partners International unterzeichnet haben, und nach dem Quartalsende, das heute Vormittag, unser Nachmittag, Ihr Vormittag, je nachdem, wo Sie sich gerade befinden, war die Ernennung von Luis Coello zu unserem europäischen Vertriebsleiter.
Lassen Sie mich also in diesem Sinne diese Dinge nacheinander durchgehen. Wenn wir über die Lieferung dieser ersten Beschleunigerkarte an einen großen europäischen Automobilhersteller sprechen, dann ist das sehr, sehr gut vorangekommen. Wir sind nicht in der Lage, Namen zu nennen, aber es ist ein Europäer, Major, es ist eine Art Detroit. In Europa haben Sie drei Hauptfächer, alle sind Deutsche. Das geht gut voran und ist tatsächlich an einem Punkt angelangt, an dem wir einen Dialog über ein gemeinsames Entwicklungsabkommen führen. Die Beschleunigerkarte zeigt, was wir in einem überwachten Lernmodus tun können. Wenn Sie an ADAS oder fortgeschrittene fahrerunterstützte Systeme denken, das geht von Stufe eins bis Stufe fünf, das ist ein völlig autonomes Fahrzeug, das wirklich um die Fähigkeit und Kapazität bittet, die AKIDA liefern kann, und ich denke, wie wir im letzten Aufruf besprochen haben, unser Ziel mit der AKIDA-Entwicklung, und ich werde über die Entwicklung selbst in einem Moment sprechen, wenn wir über die AKIDA-Entwicklung sprechen, und ich werde über die Entwicklung selbst in einem Moment sprechen, wenn wir über die AKIDA-Entwicklung sprechen, der beste Fall für jede Entwicklung eines so komplexen Prozessors wie dieser ist, dass Sie eine enge Zusammenarbeit mit dem haben, was wir einen Leuchtturmkunden nennen werden, jemand, der Ihnen eine Anleitung gibt, was die Haken sind, was die Ins und Outs sein müssen, so dass, wenn das Produkt herauskommt, Sie einen gebackenen Kunden haben, der Ihnen auf dem Weg dorthin hilft.
Wir sind daher sehr zufrieden mit der Entwicklung um den europäischen Automobilhersteller und seinem Ziel, mit uns eine Entwicklungsvereinbarung abzuschließen. Nicht unsere Idee, es war ihre Idee. Darüber hinaus erwarten wir, nicht außerhalb Europas, sondern außerhalb von Detroit, einen Auftrag für eine Beschleunigerkarte aus einer der Top 3 in Detroit, ähnlich wie in Detroit. Sie wollen mit der Karte spielen, sie wollen verstehen, wie das neuronale Spiking-Netzwerk in Bezug auf überwachtes Lernen funktioniert, und sie wollen sich weiterbilden und uns darüber aufklären, was mit AKIDA in diesem Entwicklungsprozess gemacht werden könnte, wenn das Produkt herauskommt, dass es tatsächlich einen weiteren potentiellen Endkunden im Spiel gibt.
Also, insgesamt, als wir mit der Entwicklung von AKIDA begonnen haben, haben wir einen Kurs von ADAS, autonome Fahrzeuge, entwickelt, die eine enge Zusammenarbeit mit den Großen der Branche finden. Ich denke, wir haben dort wirklich gute Arbeit geleistet. In mancherlei Hinsicht fanden sie uns und in mancher Hinsicht gingen wir auf die Jagd nach ihnen. Also, ich denke, im Großen und Ganzen ist das sehr gut gelaufen. Darüber werden wir im nächsten Quartal wieder berichten, und wir werden über AKIDA sprechen, ich werde ein wenig mehr darüber erfahren, wo wir uns in dieser Entwicklung befinden.
Die Ernennung von Greg Ryan, über die wir im Dezember gesprochen haben, war für uns in Australien ein großer Schritt nach vorn. Es gibt eine Menge Geld, das in Australien für Überwachung und Infrastruktur ausgegeben wird. Wir brauchen Bodenhaftung in Australien. Greg hat in den ersten Monaten seiner Tätigkeit bei der Strafverfolgung und den zivilen Behörden hervorragende Arbeit geleistet, die Dinge entwickeln sich gut. Wir müssen dort einige technische Ressourcen einsetzen, um ihn zu unterstützen. In Australien liegt der Fokus kurz- und mittelfristig auf dem Erlös.
Wenn es um ADAS oder autonome Fahrzeuge geht, gibt es für uns wirklich nicht viel Zusammenarbeit. Es gibt einige gute Kooperationen oder gute Partner, die wir im Bereich der Cybersicherheit und wahrscheinlich auch im Bereich der Fintech- oder Finanztechnologie zusammenarbeiten könnten.
Ich werde zur letzten Kugel springen und dann zurückkommen. Erst heute Morgen haben wir die Ernennung von Luis Coello zum European Sales Director bekannt gegeben. Er kommt zu uns mit einer sehr, sehr tiefen Erfahrung in der zivilen Überwachung. Zuletzt war er bei Teleste, einem der größten Systemintegratoren in Europa, tätig. Er wird morgen mit der Arbeit beginnen. Ich habe das in unserem letzten Aufruf im Dezember erwähnt. Europa nimmt sich ein wenig Zeit, um sich von Ihrem jetzigen Arbeitgeber zu trennen und weiterzuentwickeln. Also, wir haben das in den letzten vier oder fünf Wochen zum größten Teil hinter uns gebracht. Er hat nun seinen früheren Arbeitgeber verlassen und startet morgen bei uns.
Er hat seinen Sitz in Barcelona, was für uns ein sehr schöner Ort ist. Wie Sie wissen, sind wir in Frankreich stark vertreten. Department of Homeland Security, die Pariser Polizei, der Flughafen von Bordeaux, aber wirklich unsere Flügel ausbreiten und in die zivile Überwachung, Strafverfolgungsbehörden in ganz Europa, einschließlich des Vereinigten Königreichs, Spaniens, Italiens, in ganz Europa, die potenzielle Kontobasis für uns ist wirklich das, was Luis' Ziel ist. Ich denke, wir haben Tom Stengall hier in Nordamerika, der in der Überwachungsindustrie sehr stark vertreten ist, Greg Ryan in Australien und Luis Coello in Europa. So haben wir das Senior Management Team im Außendienst mit den von uns eingeführten Produkten, dem BrainChip Studio Produkt, das im Juli 2017 eingeführt wurde, und dem BrainChip Beschleuniger, der im September auf den Markt gebracht wurde, besetzt, um die Produkte auf den Markt zu bringen, die Umsätze zu steigern und das Umsatzwachstum zu fördern, während wir das AKIDA Produkt entwickeln.
Um auf Punkt drei zurückzukommen, offen gesagt, ist dies die gleiche Kugel, die wir hatten, als wir uns im September unterhalten haben, aber ich wollte sie etwas farbiger gestalten. Wir haben 21,5 Mio. AUD$ gesammelt, und ich denke, dass es aufgrund einiger der Fragen, die ich erhalten habe, wichtig für uns ist, dass wir uns auf die Tatsache normalisieren, dass wir als funktionale Währung US-Dollar verwenden. Also, die 21,5 Millionen Dollar netto nach Abzug der Gebühren betrugen etwa 15,5 Millionen Dollar, als wir das Fundraising abgeschlossen haben. Wir beendeten dieses Quartal, das Dezemberquartal, mit rund 16 Millionen US-Dollar in der Bilanz. Wir haben etwas in der Größenordnung von etwa 1,9 Millionen US-Dollar verbrannt. Das ist eine relativ stabile Zahl. Wir denken, dass es wahrscheinlich 700.000 Dollar im Monat sind. Die soeben veröffentlichte Prognose zeigte uns einen Wert von etwa 2,2 bis 2,3 Mio. US$. Offen gesagt, da ist ein kleiner Klumpen drin, weil wir die zweite Rate der Jast Lizenz bezahlt haben. So denke ich, dass Sie an dieses in ungefähr US$700.000 bis US$750.000 ausgedrückt denken konnten, die ein Monat gebrannt wurden. Und wenn Sie diese Mathematik machen, basierend auf dem, was wir in bar haben, haben Sie etwas in der Größenordnung von 21 bis 22 Monaten Deckung. Das Unternehmen ist also gut kapitalisiert. Ich weiß, dass es eine Menge Spekulationen darüber gegeben hat, was die zusätzlichen Kosten für die Entwicklung des AKIDA-Produkts sind. Die Verbrennungsrate umfasst alle unsere technischen Ressourcen, egal ob sie an AKIDA arbeiten, ob sie an GPI-Entwicklungen, Spieleproduktentwicklungen oder anderen Produkten arbeiten. Das ist inbegriffen. Die zusätzlichen Ausgaben für AKIDA belaufen sich auf etwa 3 Mio. US$, was sehr spät im Jahr 2018 sein würde. Aber offen gesagt, das wird durch Quittungen gedeckt sein, durch Geldeingänge.
Ich denke also, dass das Unternehmen für die nächsten zwei Jahre sehr, sehr gut kapitalisiert ist. Das wird uns genügend Zeit geben, damit diese drei leitenden Vertriebsmitarbeiter eine sehr schöne Pipeline aufbauen können. Ich werde gleich darüber sprechen, wie die Pipeline aussieht. Ich habe mich beim letzten Anruf dazu verpflichtet, ich werde Ihnen einen Einblick geben. Aber ich denke, wir sind in einer wirklich guten Verfassung und ich werde über die AKIDA-Entwicklung sprechen und darüber, wo wir in Bezug auf die Zeitpläne stehen.
Einer der Punkte besagt, dass jedes Unternehmen ein kontinuierliches Umsatzwachstum mit seinen Erstausrüstern, Integratoren und anderen Partnern erwartet. Dazu gehören auch die Endverbraucher. Sicherlich ist unser Ziel Originalgerätehersteller und -integratoren, und wenn wir über Spielprodukte sprechen und wir über einige der anderen Möglichkeiten sprechen, die wir eng mit der Hebelwirkung verbunden sind, die wir aus den Beziehungen herausholen, in denen ein OAM einen bestehenden Kundenstamm oder einen bestehenden Kundenstamm von Hunderten oder Tausenden von Kunden hat, ermöglicht es uns, unsere Betriebskosten zu kontrollieren, ihren Außendienst zu nutzen und ihre Serviceorganisationen zu nutzen. Es ist wirklich das Verkaufsmodell mit der höchsten Hebelwirkung, das wir für ein Unternehmen entwerfen können, das wirklich geistiges Eigentum in Form eines FPGAs auf einer Karte liefert, und ich werde darüber sprechen, warum wir ein FPGA auf einer Karte machen, weil es eine Frage gab, die an dieser Front auftauchte, oder die Frage, ob AKIDA schließlich ein eigenständiger integrierter Schaltkreis ist.
In dieser Hinsicht haben wir, wenn wir über Erstausrüster sprechen, ein sehr starkes Engagement, mit dem wir vorankommen, mit einem Unternehmen, das ein SaaS- oder Software as a Service Modell betreibt. Es ist ein Cloud-basiertes Modell. Sie verarbeiten buchstäblich Millionen von Stunden Video. Sie verfügen über spezifische Suchmaschinen, die den Endbenutzern zur Verfügung stehen. In unserem Fall haben sie erkannt, dass unser One-Shot-Lernen, unsere Fähigkeit, sehr schnell Stunden und Stunden und Zehntausende von Stunden oder Zehntausende von Stunden Video in ihrem Hauptgeschäft zu analysieren, das sind Medien und Unterhaltung, in denen die Leute nach ihren Logos suchen und herausfinden wollen, was die Rendite ihrer Investition für Werbedollar sicherlich eine große Stärke ist. Aber sie steigen auch sehr schnell in das Überwachungsgeschäft ein. Es gibt Dutzende von Millionen von Stunden Video, die gespeichert sind und Strafverfolgungsbehörden, Homeland Security Agenturen wollen oder müssen, je nach den Umständen, suchen, dass Video. Es ist also ein großartiger Absatzmarkt für uns, zu Hunderten, wenn nicht gar Tausenden von Kunden über einen einzigen Erstausrüster als Partner zu gehen. Das wäre nicht exklusiv. Das wäre einer von vielen, mit denen wir das machen könnten. Systemintegratoren, und ich denke, dass der Zusatz von beispielsweise Luis Coello, der aus Teleste kam, einer der größten Systemintegratoren im Überwachungsgeschäft in Europa ist. Wir haben auch Beziehungen zu anderen. Wir sprachen über eine Provinz in Frankreich außerhalb der Pariser Polizei oder des Department of Homeland Security. Ich glaube, wir haben über das letzte Quartal geredet. Ich werde das gleich noch einmal kurz ansprechen.
Aber diese Erstausrüster, Integratoren, nennen wir sie andere Partner, sind unser Go to Market-Geschäftsmodell. Und natürlich werden wir auch weiterhin direkt mit den Endkunden in Kontakt bleiben. Sie bilden uns aus. Sie zeigen uns, wie die Dinge in ihrem spezifischen vertikalen Marktsegment funktionieren, und was das Endergebnis für uns ist, wenn wir wirklich über unsere Originalgerätehersteller, Integratoren und Partner arbeiten. Ich möchte keine der Fragen verpassen, die ich bekommen habe, also werde ich hier nur für eine Sekunde innehalten und sicherstellen, dass ich die Dinge abdecke.
Wir sprachen über SAS. Es ist ein tolles Geschäftsmodell. Was wir im Bereich der Erstausrüstung noch nicht angesprochen haben, sind Storage-Partner. Das ganze Video wird irgendwo gespeichert. Sie haben alle von Dell, die AMC, Western Digital, eine Firma namens Quantum, erworben haben. Das sind Organisationen, die vollständig mit all diesen Endbenutzern verbunden sind. Sie speichern das Video und wie es sich auf BrainChip Studio und den Beschleuniger bezieht, das sind großartige Partnerschaften für uns und die enge Zusammenarbeit mit einem, wenn nicht sogar zwei an diesem Punkt, großen Speicherherstellern oder Originalausrüstungsherstellern im Storage-Segment, so dass wir BrainChip Studio in ihre Plattform installieren und den Beschleuniger potenziell nutzen können, so dass sie mehr Bandbreite bekommen können.
Gleichzeitig, und ich denke, ich habe das bei unserem letzten Aufruf erwähnt, gibt es die Art von Middleware-Anbietern von Videomanagementsystem-Playern. Das bekannteste Unternehmen der Welt ist die Firma Milestone. Da ist GenTech. Es sind wahrscheinlich sechs oder sieben. Doch wenn die Kamera in den Serverraum zurückkehrt, trifft sie als erstes ein Videomanagementsystem. Das ist auch eine Gelegenheit für uns, wirklich tausende von Kunden zu gewinnen, die von diesen VMS-Anbietern unterstützt werden. Das ist also ein laufendes Projekt und etwas, auf das sich Tom Stengall besonders hier in den USA sehr gut konzentriert.
Nur um euch auf den neuesten Stand zu bringen, bewegt sich Safran gut voran. Vielleicht ist es ein wenig langsam, vielleicht würde ich es gerne sehen, dass es schneller geht, aber sie kaufen mehr Lizenzen. Sie fangen an, die Leistung des Produkts zu lieben, und wir erwarten, dass wir im ersten und zweiten Quartal mehr Traktion von ihnen sehen werden. Die große europäische oder französische Provinz, über die wir gesprochen haben, und offen gesagt, bin ich mir nicht sicher, warum wir den Namen nicht genannt haben, es ist ein Ort namens Eveline, aber das Projekt dort schreitet gut voran.
Diese Projekte, und ich werde Eveline und zum Beispiel Lockporte, den Schulbezirk, ansprechen. So sehr wir uns auch wünschen, dass diese Dinge in Wochen oder Monaten geschehen, sie müssen Kameras montieren, sie müssen Kabel ziehen, dann müssen sie die Infrastruktur aufbauen. Die Provinz Eveline entwickelt sich also gut. Die Pariser Polizei, wie der Haushalt wurde aktualisiert, wie Sie gehen in das Ende des Jahres, beginnen die Menschen zu laufen, um das Geld, wenn Sie sprechen über die lokalen Strafverfolgungsbehörden oder Behörden. Als wir aus dem Jahr herauskamen, haben sie ihren Kopf hochgeklappt und ich denke, wir werden ein sehr schönes erstes Viertel mit der Pariser Polizei haben, und ich denke, dass Eveline wahrscheinlich später im ersten Quartal kommen wird.
Und Lockporte, der Schulbezirk, über den wir gesprochen haben, der Einsatz läuft gut. Sie haben Gewerkschaften, die Kabel ziehen, Kameras aufhängen, und das ist nur eine Frage der Zeit. Es geht nicht darum, ob, sondern nur darum, wann, dass wir diesen Umsatz realisieren können. Ich schätze also, dass sich das Umsatzwachstum, das wir von Erstausrüstern, Integratoren und anderen Partnern erwarten, insgesamt positiv entwickelt.
Ich habe Rockwell Collins nicht angerührt. Rockwell Collins vermarktet ein Produkt, in das sie uns integriert haben. Wir haben nicht viel Sichtbarkeit, aber wir wissen, dass es sich um ein Projekt mit hoher Priorität für sie handelt, und wir erwarten, dass wir hier im ersten Quartal etwas Zeit haben, um mehr Sichtbarkeit zu erlangen. Also noch einmal, SaaS, großes Spiel für uns. Gutes Engagement. Ich hoffe, dass wir irgendwann hier im ersten Quartal eine Ankündigung haben werden, vielleicht eine gemeinsame Ankündigung mit einem großen Lieferanten. Storage, ähnlich, ich würde hoffen, hier irgendwann im ersten Quartal könnten wir das Gleiche tun und Ihnen mehr Sichtbarkeit geben, wer es ist, mit dem wir arbeiten und was der Fortschritt war.
Rockwell Collins, über den wir gesprochen haben, und Homeland Security. Also, wir gehen weiter, lassen Sie uns einen Moment über AKIDA sprechen. AKIDA ist recht gut unterwegs. Dies wurde in der zweiten Hälfte des Jahres 2017 in der Forschung untersucht. Ich denke, Peter hat die Erkenntnisse aus dem Snap 64 Produkt in Verbindung mit der Lizenz, die wir von der Jast Technologie haben, übernommen. Er hat sich durch das, was wir das Mat-Labor oder die simulierte Umgebung nennen, vorwärts bewegt und hat einen Kernel, der offen gesagt ziemlich gut funktioniert, und das ist etwas, das wir, wenn wir uns vorwärts bewegen, zum Beispiel mit dem europäischen Automobilhersteller, in diese Art von gemeinsamem Entwicklungsmodus kommen, wir werden diesen Kernel freigeben und es ihnen ermöglichen, Algorithmen durch ihn zu pumpen.Ähnlich haben wir Beziehungen, die wir gerade entwickeln, Peter's reist jetzt durch ganz Europa in der Finanztechnologie-Arena und arbeitet mit Leuten zusammen, die uns die Algorithmen für Finanztransaktionen und Cybersicherheit liefern können.
Die Erwartung hat sich also nicht geändert. Wir kamen aus dem Jahr 2017, kamen aus der Forschung, haben einen Kernel an Ort und Stelle, der in die Entwicklung gehen wird. Wir freuen uns auf ein FPGA Mitte des Jahres und dann auf die Zusammenarbeit mit den Kooperationspartnern, die wir im autonomen Fahrzeug haben werden, oder sagen wir ADAS, und allgemeiner gesagt, auf Finanztechnologie und Cybersicherheit. Wir werden uns irgendwann in der zweiten Hälfte des Jahres 2018 mit dem gehärteten IC-Design befassen. In der Hoffnung, dass wir Silizium vielleicht später aus dem vierten Quartal von 18 herausbekommen könnten, könnte es möglicherweise der erste Teil oder das erste Quartal 2019 sein.
Sehr zutreffend, da wir in der Robotik und im Gaming-Bereich zu finden sind, haben wir über autonome Fahrzeuge gesprochen. Wir haben Drohnen, Cyber, Fintech. Es ist ein universeller neuronaler Netzwerkprozessor. Wir waren sehr zufrieden mit der Resonanz, die wir erhalten haben, als wir mit potenziellen Kunden gesprochen haben. Also, es bewegt sich ziemlich gut. Eine Kugel, die ich mir für das letzte Mal aufgehoben habe und auf die ich noch etwas Zeit verwenden möchte, war die Ankündigung, die wir erst gestern auf Gaming Partners International veröffentlicht haben. Das ist für uns ein sehr großer Gewinn. Wir haben ein Bildverarbeitungssystem, eine Videoanalysefähigkeit, die vor allem bei schlechten Lichtverhältnissen und niedrigen Auflösungen außergewöhnlich ist, und Sie können sich vorstellen, dass dies in Casinos der Fall ist.
Was wir gefunden haben, und ich denke, wir haben mehr Aufklärung darüber, als wir jemals erwartet haben, das war ein Prozess mit GPI oder Gaming Partners, der im Juli letzten Jahres begonnen hat. Ich besuchte ihre Produktionsstätte in Beaune, Frankreich, wo sie Chips herstellen. Es handelt sich nicht um Computerchips, sondern um Währungen im Casino. Gaming Partners hat buchstäblich den Löwenanteil aller Chips, die für alle Casinos der Welt hergestellt werden. Sie machen Geschäfte mit praktisch allen großen Casinos der Welt. Sie werden Währung genannt, die Casino-Währung. Besonders diejenigen von Ihnen, die Australier sind, werden wahrscheinlich nicht in ein Casino gehen, das nicht von GPI-Chips dominiert wird. Ähnlich verhält es sich in Asien, zum Beispiel in Macau und in den USA. So haben sie einen Löwenanteil des Kasino-Währungsmarktes.
Was wir aus unseren Gesprächen mit ihnen gewonnen haben, und wir sprechen über das Spielergebnis, mit dem Sie alle vertraut sind, wer gewonnen hat, wer verloren hat, wer die Wette gewonnen hat, ob die Wette richtig ausgezahlt wurde oder nicht, und wir haben über die Spielstatistik gesprochen, wie lange ein Spieler an einem Einsatzort am Tisch saß und wie viele Hände gespielt wurden, wie viele Hände gewonnen wurden und wie viele Hände verloren gingen. Das sind sehr, sehr wertvolle Vermögenswerte. Was die Kasinos am meisten beunruhigt, besonders in Australien und Asien, und das kam für mich überraschend, als ich vor sechs Monaten lernte und eine Reise nach Bordeaux, eine Reise nach Beaune, eine Reise nach Kansas City, Missouri, unternahm. Ich denke wirklich auf nicht unserem letzten Anruf, aber der Anruf vor, erwähnte ich, dass ich geschah, den Anruf vom mittleren Westen zu bilden und ich an der Produktionsanlage von GPI in Kansas City war.
Die Kasinos, insbesondere in Asien und Australien, wo der dominierende Anteil der Einnahmen aus Spieltischen stammt, im Vergleich zu den USA, wo der dominierende Anteil der Einnahmen aus Spielautomaten stammt, sind gefälschte Chips. Es ist die vorherrschendste Art und Weise, wie Menschen in Casinos betrügen. Sie fälschen Chips. Sie kommen mit einer Tasche voller 500$ Fälschungen herein, sie spielen, sie färben sich auf oder ab, damit sie wissen, dass sie ihre Chips umgedreht haben, und selbst wenn sie etwas verloren haben, haben sie Geld geprägt. So ist unser Engagement mit GPI und anderen Partnern ein vollwertiges System. Es ist eine Art Spielergebnis, Spielstatistik. Wichtiger noch, es ist Casino-Währungssicherheit und Tischsicherheit. Das Projekt schreitet sehr, sehr schnell voran. Es besteht ein großes Gefühl der Dringlichkeit.
Ich war erst gestern in der GPI-Einrichtung in Las Vegas. Wir bewegen uns auf Hochtouren, um dies zu erreichen, die Fähigkeit, die zu ihrer Kompetenz hinzukommt. Sie stellen Karten zur Verfügung, sie stellen Tische zur Verfügung, sie stellen Chips zur Verfügung, sie sind mit praktisch jedem großen Casino der Welt beschäftigt. Also, für uns, wir haben jetzt, glaube ich, erfolgreich mit der Art des 800 Pfund Gorillas im Weltraum zu tun gehabt. Es gibt eine Menge Systemanbieter in Kasinos, aber wenn Sie ziemlich genau das Kasino-Währungsgeschäft besitzen, ist die Währungssicherheit ein Add-on, das extrem wertvoll ist, es ist ein wenig weniger über den Wert der Fälschung, die verloren gegangen ist. Ich erhielt ein Beispiel, ich schätze, es war vor einigen Monaten, über ein Kasino, ich glaube, es war in Melbourne, wo es etwas in der Größenordnung von 75.000 Dollar Verlust zu fälschen war.
Das Problem ist nicht der Verlust von 75.000 Dollar. Casinos drehen Millionen und Zehntausende von Millionen und Hunderte von Millionen an Einnahmen. Es ist das Problem der Öffentlichkeitsarbeit und sobald die Fälscher erkennen, dass es eine Schwachstelle im Sicherheitssystem gibt, tauchen sie alle in diesem Casino auf. So was ein Kasino als ihre Alternative gelassen wird, ist, dass sie alle ihre vorhandenen Chips wegwerfen müssen und sie einen vollständigen neuen Chipsatz kaufen müssen, und das ist eine sehr teure Aufgabe.
Wenn Sie also die Pressemitteilung über Gaming Partners International lesen, dann haben sie in jeden einzelnen Chip eingebettet und RFID-Tag, Radio Frequency ID, eingebaut, insbesondere in den asiatischen und australischen Markt. Wenn man also an einem Spieltisch sitzt und Chips über den Tisch bewegt, gibt es unter dem Filz Antennen, die diese Chips zählen. Sie erkennen: "Das ist ein $25-Chip. Das ist ein 50-Dollar-Chip. Das ist ein $100-Chip." Also, wenn Sie versuchen, Ihre Chips auszuzahlen, oder wenn Sie versuchen, Ihre Chips nach oben oder unten zu färben, gibt es einen Kontrollpunkt und der Dealer stellt sie dort hin und es gibt ein RFID-System, das erkennt, wie viele Chips und welche Werte diese Chips haben. Die Fähigkeit, Videoanalysen hinzuzufügen und eine visuelle Inspektion durchzuführen, um korrelieren zu können, das sind die Arten von Dingen, und es gibt eine Vielzahl anderer Dinge, die wir mit GPI machen, aber das sind die Arten von Dingen, die wir tun.
Es ist extrem aufregend. Ich denke, die meisten von Ihnen haben wahrscheinlich die Pressemitteilung gelesen. Es ist eine Lizenzgebühr von 500.000 Dollar. Es gibt ungefähr $100.000 in der Technik, in der einmaligen Technik, und dann gibt es einen langfristigen Plan zur Aufteilung der Einnahmen. Wir haben nicht öffentlich diskutiert, was diese Revenue-Sharing-Nummern sind oder wie lang sie sind, aber sie sind für uns sinnvoll. Wir haben den Markt in der Pressemitteilung mit 3500 Casinos weltweit und ca. 60.000 Spieltischen, sozusagen auf Dollarbasis pro Tag, bewertet. Es ist etwa 200 Millionen Dollar Markt für die Analysewerkzeuge. Also, ich denke, es ist, für uns ist es eine Gelegenheit, 3500 Casinos durch einen Erstausrüster zu betreuen und nicht einen Außendienst aufzubauen. Und das würden wir nicht tun, wenn es nicht die Tatsache gäbe, dass GPI eine so große Marke, eine so große Reichweite und einen so bestehenden und installierten Kundenstamm hat.
Also, ich denke, ich habe die Beschleunigerkarte und den europäischen Automobilhersteller abgedeckt. Art des Schleppens des Wassers hier mit einer Gelegenheit und ich denke, dass wir eine Ordnung möglicherweise schon in dieser Woche für einen anderen Automobilhersteller aus Detroit heraus für die Beschleunigerkarte heraus erhalten. Wir haben den Außendienst aufgebaut. Ich denke, wir haben ein wenig über die Kapitalaufstockung gesprochen, was die Start- und Landebahn für dieses Kapital ist. Wir sind gut kapitalisiert. Erstausrüster, die AKIDA-Entwicklung, und natürlich haben wir gerade erst darüber gesprochen, was mit GPI los ist.
Zusammenfassend kann ich sagen, dass ich das auf wirklich nur drei Folien reduziert habe, aber ich habe noch eine ganze Menge mehr zu sagen. Für 2018 ist das Unternehmen gut kapitalisiert. Sie können die Rechnung mit einer US-Brennrate von $700 oder $750.000 machen. Wir sind gut kapitalisiert, sowohl um eine sinnvolle Umsatzbasis in den bestehenden Produkten aufzubauen als auch um AKIDA zu entwickeln. Wir sind gut besetzt mit Luis in Europa, Greg Ryan in Australien und Tom Stengall hier in Nordamerika. Wahrscheinlich werden wir in den nächsten Wochen auch in Nordamerika unseren ersten Hersteller-Vertreter bekannt geben. Sie wissen, Tom in Boston, und wir haben einen Applikationsingenieur, der ihn unterstützt, aber das ist immer noch nicht genug Fuß auf der Straße und das typische Geschäftsmodell in Nordamerika sind die Vertreter des Herstellers. Sie repräsentieren mehrere Linien, aber sie werden nur bezahlt, wenn sie einen Auftrag buchen, und wir nennen es die Strategie "Eat what you kill". Also, wir beginnen mit dem Südwesten der Vereinigten Staaten, denn wir haben unsere Niederlassung in Newport Beach, Südkalifornien, und wir können ein wenig technischen Support leisten. Aber wir haben einen Repräsentanten, der alles abdeckt, von Texas über Südkalifornien bis hinauf nach Nevada.
Sicherlich, wissen Sie, wir haben kommerziell erhältliche Produkte für das Überwachungsgeschäft. Wir haben einen gut etablierten Kundenstamm, der nicht groß genug ist, und wir müssen unsere europäische Präsenz außerhalb Frankreichs ausbauen. Wir haben einige wirklich gute Möglichkeiten, die wir hier in den USA verfolgen. Ich habe mich verpflichtet, und bevor ich es vergesse, habe ich mich verpflichtet, Ihnen einen Eindruck davon zu vermitteln, wie unsere Vertriebspipeline aussieht. Und ich messe nur die Dinge wirklich, seit wir BrainChip Studio eingeführt haben, ich glaube, es war der 17. Juli von 17 und der BrainChip-Beschleuniger, der, glaube ich, der 10. September von 17 war. Diese Produkteinführung hat etwas über 250 Leads generiert. Wir haben über Milipol gesprochen, glaube ich, als wir das letzte Mal telefoniert haben. Aber mit 250 Leads haben wir wirklich unseren Verstand um uns herum und bewaffnen uns mit etwa 100 Gelegenheiten.
Wir haben etwas über 60 qualifiziert, fast 65 dieser Gelegenheiten mit einem Lebenswert von etwa 280 Millionen Dollar. So gibt es 63 qualifizierte Gelegenheiten von der Geburt bis zum Grab, haben eine Chance in der Kategorie oder der Klasse von etwa 280 Millionen Dollar. Von diesen 63 haben wir 13 Designs, die einen Lebenswert von über 25 Millionen Dollar haben. Mit ein, zwei Viertel unter unserem Gürtel mit jenen Produkten, die gerade kommerziell freigegeben worden sind, denke ich, dass dies eine wunderbare Traktion ist. Wir haben Dutzende von Software-Drops von BrainChip Studio. BrainChip Studio eröffnet die Möglichkeiten für BrainChip Accelerator.
Also, ich denke, ich habe fast alles abgedeckt. Ich habe Ihre Fragenliste. Ich möchte sichergehen, dass ich nichts verpasst habe, was nicht irgendwie duplikativ war. Wir sprachen über die Vertriebsleitung in Europa mit Luis ab morgen. Es gab eine Frage über den Umsatz dort, und einige von euch, aus irgendeinem Grund, kennen zufällig Hung, Hung Do-Duy, der das Unternehmen vor ein paar Monaten oder vor einem Monat oder so verlassen hat. Und das war seine persönliche Entscheidung. Er war wirklich kein Verkaufsleiter und er war auch kein Leiter des Design Centers. Er hatte diese Firma sozusagen als Verwalter geführt, als Präsident der Firma.
Neben Luis Coello, der mit uns in Europa den Vertrieb leitet, sollte ich vielleicht erwähnen, dass wir in Toulouse einen Leiter des Design Centers haben werden. Also, ich denke, wir sind hier gut aufgehoben. Es stellte sich die Frage, ob wir die jüngste Ankündigung der australischen Regierung, 3,8 Milliarden Dollar zur Verfügung zu stellen, ausnutzen würden. Wir werden uns auf jeden Fall dort engagieren. Es gibt eine Frage über uns Relisting auf NASDAQ, und das war ein beliebtes Thema vor einem Jahr oder so, und offen gesagt, ich denke, ich habe viel gelernt, ich denke, wir haben als Unternehmen viel gelernt, und der australische Markt war sehr freundlich zu uns, die australischen Aktionäre waren sehr loyal zu uns. An diesem Punkt denke ich, dass wir in einem jener Punkte eines Hockeyschlägers in unserem Wachstum sind und ich keinen Grund sehe, mindestens in der nahen Zukunft, dass wir auf einem anderen Markt wiedereinstellen würden. Während wir die Straße hinuntergehen und die Dinge größer und besser werden, und besser und besser und besser, wer weiß, wohin wir gehen, aber ich denke, dass die Erfahrung, die ich mit den Aktionären und Investoren in Australien gemacht habe, wunderbar war.
Wir sprachen über Gaming Partners. Lassen Sie mich sichergehen, dass es hier ein paar Dinge gibt, ich möchte sichergehen, dass ich sie nicht verfehlt habe. Ich denke, im Allgemeinen haben wir über die Lizenzgebühren gesprochen. Es gibt eine Frage darüber, ob die Lizenzgebühren Meilenstein vier erreichen, der Teil der RTO ist, und ich werde das nicht beschönigen. Es ist eine Lizenz für 500.000 Dollar, aber ich werde nicht die Autorität unseres Board of Directors an sich reißen, wenn ich das ratifiziere. Das wird eine Entscheidung sein, die sie in Kürze treffen müssen. Wir haben den Vertrag gerade erst am Freitag unterzeichnet. Wir hatten also noch keine Gelegenheit, als Vorstand zu sprechen. Ich denke, wir haben das Umsatzwachstum abgedeckt. Also, ich denke, ich habe viel von dem, was in Frage gestellt wurde, abgedeckt. Ich werde dies unterbrechen, wenn ich irgendetwas verpasst habe, und wenn ja, senden Sie bitte eine E-Mail an die Adresse, an die Sie die Fragen weitergeleitet haben, und ich werde sicher sein, dass jemand auf Sie zurückkommt.
Also noch einmal, wir haben uns im Dezember unterhalten. Es tut mir leid, dass es sich ein wenig wiederholend anfühlt, aber ich hatte das Gefühl, dass wir es den Aktionären schuldig waren, ein Gespräch zu führen, bevor ich in den Urlaub fuhr. Aber Sie sollten davon ausgehen, dass wir diese Telefonkonferenz direkt nach jedem Quartals-Update haben werden. Also, vielen Dank, dass Sie wieder bei uns sind, und wir werden uns in einem Vierteljahr wieder mit Ihnen unterhalten.
Übersetzt mit www.DeepL.com/Translator
Überwachtes und unüberwachtes Lernen(BRN)
https://www.datalovers.com/super-intelligenz-als-hoehepunkt-…
https://www.datalovers.com/super-intelligenz-als-hoehepunkt-…
SA Artikel - etwas älter, zeigen aber das damalige Potential aus Sicht eines Technikaffinen, und MSFT als möglichen Interessenten.
Dallas Salazar's Blog
https://seekingalpha.com/instablog/3854671-dallas-salazar/46…
https://seekingalpha.com/instablog/3854671-dallas-salazar/48…
https://seekingalpha.com/instablog/3854671-dallas-salazar/48…
Dallas Salazar's Blog
https://seekingalpha.com/instablog/3854671-dallas-salazar/46…
https://seekingalpha.com/instablog/3854671-dallas-salazar/48…
https://seekingalpha.com/instablog/3854671-dallas-salazar/48…
FMR News
Global Neuromorphic Chip Market 2017 Top Players - BrainChip Holdings Ltd., General Vision, IBM Corporation
Press Release • Feb 19, 2018 14:18 IST
http://www.mynewsdesk.com/in/pressreleases/global-neuromorph…
Global Neuromorphic Chip Market 2017 Top Players - BrainChip Holdings Ltd., General Vision, IBM Corporation
Press Release • Feb 19, 2018 14:18 IST
http://www.mynewsdesk.com/in/pressreleases/global-neuromorph…
Megatrend künstliche Intelligenz: Eine Aufstellung der potenziellen Gewinner-Aktien
https://aktien-mag.de/kommentare/megatrend-kunstliche-intell…
https://aktien-mag.de/kommentare/megatrend-kunstliche-intell…
Antwort auf Beitrag Nr.: 57.063.384 von H2OAllergiker am 19.02.18 18:59:09This report studies Neuromorphic Chip in Global market, especially in North America, China, Europe, Southeast Asia, Japan and India, with production, revenue, consumption, import and export in these regions, from 2012 to 2016, and forecast to 2022.
This report focuses on top manufacturers in global market, with production, price, revenue and market share for each manufacturer, covering
BrainChip Holdings Ltd.
Applied Brain Research, Inc.
HRL Laboratories, LLC.
Intel Corporation
IBM Corporation
General Vision
HP Development Company, L.P.
Samsung Electronics Co., Ltd.
Qualcomm Technologies, Inc.
Lockheed Martin Corporation
On the basis of product, this report displays the production, revenue, price, market share and growth rate of each type, primarily split into
Software
Hardware
By Application, the market can be split into
Aerospace and Defense
Automotive
IT and Telecom
Industrial
Medical
By Regions, this report covers (we can add the regions/countries as you want)
North America
China
Europe
Southeast Asia
Japan
India
Schlappe 3000Dollar für den Report - wer will nochmal, wer hat noch nicht...
This report focuses on top manufacturers in global market, with production, price, revenue and market share for each manufacturer, covering
BrainChip Holdings Ltd.
Applied Brain Research, Inc.
HRL Laboratories, LLC.
Intel Corporation
IBM Corporation
General Vision
HP Development Company, L.P.
Samsung Electronics Co., Ltd.
Qualcomm Technologies, Inc.
Lockheed Martin Corporation
On the basis of product, this report displays the production, revenue, price, market share and growth rate of each type, primarily split into
Software
Hardware
By Application, the market can be split into
Aerospace and Defense
Automotive
IT and Telecom
Industrial
Medical
By Regions, this report covers (we can add the regions/countries as you want)
North America
China
Europe
Southeast Asia
Japan
India
Schlappe 3000Dollar für den Report - wer will nochmal, wer hat noch nicht...
Hier das aktuelle Webinar von
Louis DiNardo.
http://www.finnewsnetwork.com.au/Presentations/BrainChip/Apr…
Louis DiNardo.
http://www.finnewsnetwork.com.au/Presentations/BrainChip/Apr…
Sorry , über Handy kriege ich es leider nur so hin , aber es gibt gute news: http://www.proactiveinvestors.com.au/companies/news/194288/b…
https://www.livewiremarkets.com/wires/weapons-of-mass-disrup…
Weapons of Mass Disruption...Australia's got several (Part 2): BrainChip
...Übersetzung:
Massenvernichtungswaffen...Australien hat mehrere (Teil 2): BrainChip
Marc Kennis
Marc Kennis Profil des Mitwirkenden ansehen
TMT-Analytik
vor über 1 Jahr
Künstliche Intelligenz (KI) ist überall. Das heißt, die Medien scheinen täglich über KI zu schreiben und viele Unternehmen arbeiten daran zu verstehen, was KI wirklich ist. Allerdings ist die heutige KI im Wesentlichen eine Reihe von softwarebasierten Regeln, die von Menschen programmiert werden. Es mag künstlich sein, aber wir würden es nicht intelligent nennen. True AI impliziert ein völlig autonom lernendes System, das Muster ohne vorprogrammierte Regeln erkennen kann. Der Umfang der letzteren ist durch die Programmierkenntnisse und die Phantasie des Programmierers begrenzt. Der ASX-gelistete BrainChip (ASX:BRN) hat eine reine Hardware-KI-Lösung entwickelt, die wirklich autonom lernen kann, indem sie Datensätze wie Video-Feeds und Sounds erhält. Durch das Durcharbeiten einer ausreichenden Datenmenge beginnt dieser Chip selbstständig Muster zu erkennen und zu assoziieren. Der entscheidende Vorteil ist, dass der Chip nach beliebigen Mustern sucht, im Gegensatz zu regelbasierten KI-Lösungen, die so programmiert sind, dass sie nur nach bestimmten Mustern suchen. Die Zahl der Anwendungsgebiete für diese Art von KI ist endlos, weshalb wir glauben, dass BRN eine große Zukunft vor sich hat.
Replikation der Natur in Silizium
Der Schlüsselaspekt der BRN-Technologie ist, dass sie ein biologisches Neuron nachahmt, oder sogar mehrere tausend biologische Neuronen. Neuronen in unserem Gehirn leiten Eingangssignale oder Spikes an benachbarte Neuronen weiter, je nachdem, welche Reaktionen sie auf frühere Spikes erhalten haben. Die Art der Spikes, die von benachbarten Neuronen weitergegeben werden, werden von diesen Neuronen offenbar als relevanter angesehen und erhalten von dem jeweiligen Neuron, das diese Spikes weiterleitet, ein höheres Gewicht zugeschrieben. Umgekehrt sind Spikes, die nicht von benachbarten Neuronen weitergeleitet werden, offenbar weniger relevant und erhalten einen niedrigeren Wert. Dieser Prozess der Zuordnung von so genannten synaptischen Gewichten zu ankommenden Spikes ermöglicht es biologischen Neuronen, selbstständig zu lernen.
BRN hat diesen Prozess in einem Computerchip-Design nachgebildet, das mehrere tausend künstliche Neuronen enthalten kann. Der Spiking Neuron Adaptive Processor, kurz SNAP, ist eine reine Hardware-Chip-Lösung, für deren Betrieb kein Softwarecode erforderlich ist.
Schneller, billiger und kleiner
Einer der Hauptvorteile des BRN-Chips gegenüber der softwarebasierten KI ist die Geschwindigkeit. Softwarebasierte KI-Programme, wie z.B. Deep Learning, laufen auf Computern, die sequentiell arbeiten, d.h. ein Programm wird Schritt für Schritt ausgeführt. Während der Prozessor also rechnet, muss das gesamte Programm auf das Ergebnis dieser Berechnung warten, bevor es dieses Ergebnis im nächsten Schritt des Programms verwenden kann. Doch wie das menschliche Gehirn arbeitet auch der BRN-Chip parallel. Alle künstlichen Neuronen auf dem Chip können gleichzeitig feuern und Spikes empfangen, was zu einem enormen Geschwindigkeitsvorteil führt. Ein Muster, für dessen Erkennung und Klassifizierung die Chip-Minuten von BRN benötigt werden, kann ein softwarebasiertes KI-Programm Stunden oder sogar Tage in Anspruch nehmen.
Ein weiterer Vorteil sind die Kosten. Deep-Learning-Programme, wie das True North von IBM, benötigen sehr große Mengen an Computerleistung, die ganze Etagen mit Computerausrüstung füllen können. Nicht nur die Investitionen für diese Computer sind extrem hoch, auch der Opex ist aufgrund des hohen Energieverbrauchs dieser Systeme sehr hoch. Aufgrund des Geschwindigkeitsvorteils von BRN werden die erforderlichen Investitionen, um das gleiche Ergebnis zu erzielen, deutlich geringer ausfallen.
Schließlich hat die Lösung von BRN einen klaren Größenvorteil. Offensichtlich passt ein Raum voller Computerausrüstung nicht gut in mobile Geräte und auf Geräte am Rande des Internet der Dinge, wie z.B. Sensoren. Die Chip-Lösung von BRN ist klein genug, um in Mobiltelefone eingebettet zu werden, z.B. für die Spracherkennung, entweder einzeln oder als Teil eines System-on-a-Chip (SOC).
Endlose Einsatzgebiete
Die Anzahl der Anwendungsbereiche der BRN-Technologie ist schier endlos und umfasst Gesichts- und Spracherkennung in mobilen Geräten und Sicherheitsanwendungen, Fehlererkennung in Motoren durch Sound Patterning, autonome Fahrzeuge, Robotik, Computerspiele, Körperimplantate, Wettervorhersage, Biotech und Genetik usw. Bevor die Chips eingesetzt oder eingebettet werden, können sie in einem bestimmten Anwendungsbereich, z.B. der Gesichtserkennung, trainiert werden, indem die für den Master-Chip relevanten Datensätze zugeführt werden, aus denen sie lernen. Die resultierenden synaptischen Gewichte können anschließend auf alle für diesen Zweck hergestellten Chips kopiert werden.
Der adressierbare Markt von BRN ist nicht künstlich.
Der Markt für hochspezialisierte neuromorphe Chips wird bis 2022 voraussichtlich 5 Mrd. US$ erreichen, von nur 500 Mio. US$ im Jahr 2014. Wir glauben jedoch, dass der breitere Markt für eingebettete KI um ein Vielfaches größer sein dürfte. Daher sehen wir die Zukunft für BRN sehr gut aus.
TMT Analytics bietet institutionelles Aktienresearch für Unternehmen aus den Bereichen Technologie, Medien und Telekommunikation sowie maßgeschneidertes Branchenresearch.
Erfahren Sie mehr über
Übersetzt mit www.DeepL.com/Translator
Weapons of Mass Disruption...Australia's got several (Part 2): BrainChip
...Übersetzung:
Massenvernichtungswaffen...Australien hat mehrere (Teil 2): BrainChip
Marc Kennis
Marc Kennis Profil des Mitwirkenden ansehen
TMT-Analytik
vor über 1 Jahr
Künstliche Intelligenz (KI) ist überall. Das heißt, die Medien scheinen täglich über KI zu schreiben und viele Unternehmen arbeiten daran zu verstehen, was KI wirklich ist. Allerdings ist die heutige KI im Wesentlichen eine Reihe von softwarebasierten Regeln, die von Menschen programmiert werden. Es mag künstlich sein, aber wir würden es nicht intelligent nennen. True AI impliziert ein völlig autonom lernendes System, das Muster ohne vorprogrammierte Regeln erkennen kann. Der Umfang der letzteren ist durch die Programmierkenntnisse und die Phantasie des Programmierers begrenzt. Der ASX-gelistete BrainChip (ASX:BRN) hat eine reine Hardware-KI-Lösung entwickelt, die wirklich autonom lernen kann, indem sie Datensätze wie Video-Feeds und Sounds erhält. Durch das Durcharbeiten einer ausreichenden Datenmenge beginnt dieser Chip selbstständig Muster zu erkennen und zu assoziieren. Der entscheidende Vorteil ist, dass der Chip nach beliebigen Mustern sucht, im Gegensatz zu regelbasierten KI-Lösungen, die so programmiert sind, dass sie nur nach bestimmten Mustern suchen. Die Zahl der Anwendungsgebiete für diese Art von KI ist endlos, weshalb wir glauben, dass BRN eine große Zukunft vor sich hat.
Replikation der Natur in Silizium
Der Schlüsselaspekt der BRN-Technologie ist, dass sie ein biologisches Neuron nachahmt, oder sogar mehrere tausend biologische Neuronen. Neuronen in unserem Gehirn leiten Eingangssignale oder Spikes an benachbarte Neuronen weiter, je nachdem, welche Reaktionen sie auf frühere Spikes erhalten haben. Die Art der Spikes, die von benachbarten Neuronen weitergegeben werden, werden von diesen Neuronen offenbar als relevanter angesehen und erhalten von dem jeweiligen Neuron, das diese Spikes weiterleitet, ein höheres Gewicht zugeschrieben. Umgekehrt sind Spikes, die nicht von benachbarten Neuronen weitergeleitet werden, offenbar weniger relevant und erhalten einen niedrigeren Wert. Dieser Prozess der Zuordnung von so genannten synaptischen Gewichten zu ankommenden Spikes ermöglicht es biologischen Neuronen, selbstständig zu lernen.
BRN hat diesen Prozess in einem Computerchip-Design nachgebildet, das mehrere tausend künstliche Neuronen enthalten kann. Der Spiking Neuron Adaptive Processor, kurz SNAP, ist eine reine Hardware-Chip-Lösung, für deren Betrieb kein Softwarecode erforderlich ist.
Schneller, billiger und kleiner
Einer der Hauptvorteile des BRN-Chips gegenüber der softwarebasierten KI ist die Geschwindigkeit. Softwarebasierte KI-Programme, wie z.B. Deep Learning, laufen auf Computern, die sequentiell arbeiten, d.h. ein Programm wird Schritt für Schritt ausgeführt. Während der Prozessor also rechnet, muss das gesamte Programm auf das Ergebnis dieser Berechnung warten, bevor es dieses Ergebnis im nächsten Schritt des Programms verwenden kann. Doch wie das menschliche Gehirn arbeitet auch der BRN-Chip parallel. Alle künstlichen Neuronen auf dem Chip können gleichzeitig feuern und Spikes empfangen, was zu einem enormen Geschwindigkeitsvorteil führt. Ein Muster, für dessen Erkennung und Klassifizierung die Chip-Minuten von BRN benötigt werden, kann ein softwarebasiertes KI-Programm Stunden oder sogar Tage in Anspruch nehmen.
Ein weiterer Vorteil sind die Kosten. Deep-Learning-Programme, wie das True North von IBM, benötigen sehr große Mengen an Computerleistung, die ganze Etagen mit Computerausrüstung füllen können. Nicht nur die Investitionen für diese Computer sind extrem hoch, auch der Opex ist aufgrund des hohen Energieverbrauchs dieser Systeme sehr hoch. Aufgrund des Geschwindigkeitsvorteils von BRN werden die erforderlichen Investitionen, um das gleiche Ergebnis zu erzielen, deutlich geringer ausfallen.
Schließlich hat die Lösung von BRN einen klaren Größenvorteil. Offensichtlich passt ein Raum voller Computerausrüstung nicht gut in mobile Geräte und auf Geräte am Rande des Internet der Dinge, wie z.B. Sensoren. Die Chip-Lösung von BRN ist klein genug, um in Mobiltelefone eingebettet zu werden, z.B. für die Spracherkennung, entweder einzeln oder als Teil eines System-on-a-Chip (SOC).
Endlose Einsatzgebiete
Die Anzahl der Anwendungsbereiche der BRN-Technologie ist schier endlos und umfasst Gesichts- und Spracherkennung in mobilen Geräten und Sicherheitsanwendungen, Fehlererkennung in Motoren durch Sound Patterning, autonome Fahrzeuge, Robotik, Computerspiele, Körperimplantate, Wettervorhersage, Biotech und Genetik usw. Bevor die Chips eingesetzt oder eingebettet werden, können sie in einem bestimmten Anwendungsbereich, z.B. der Gesichtserkennung, trainiert werden, indem die für den Master-Chip relevanten Datensätze zugeführt werden, aus denen sie lernen. Die resultierenden synaptischen Gewichte können anschließend auf alle für diesen Zweck hergestellten Chips kopiert werden.
Der adressierbare Markt von BRN ist nicht künstlich.
Der Markt für hochspezialisierte neuromorphe Chips wird bis 2022 voraussichtlich 5 Mrd. US$ erreichen, von nur 500 Mio. US$ im Jahr 2014. Wir glauben jedoch, dass der breitere Markt für eingebettete KI um ein Vielfaches größer sein dürfte. Daher sehen wir die Zukunft für BRN sehr gut aus.
TMT Analytics bietet institutionelles Aktienresearch für Unternehmen aus den Bereichen Technologie, Medien und Telekommunikation sowie maßgeschneidertes Branchenresearch.
Erfahren Sie mehr über
Übersetzt mit www.DeepL.com/Translator
Yep, Veritone wäre mein zweiter KI Kandidat geworden.. Ich hatte schon die Vermutung, dass in Veritone BC Technik schon vorher stecken würde.
Die momentane Kursschwäche rührt von mangelnden Umsätzen und der Tatsache her, dass die dDrektoren sich die Taschen voll machen wollen, mal sehen was beim AGM dazu geschieht.
Die momentane Kursschwäche rührt von mangelnden Umsätzen und der Tatsache her, dass die dDrektoren sich die Taschen voll machen wollen, mal sehen was beim AGM dazu geschieht.
Mal sehen, ob was dran ist, dass ABR nicht mehr mit BRN zusammenarbeitet, oder ob es nur eine Nichtigkeit ist - oder BRN fertig ist mit der Entwicklung, oder, der Lohi gaaanz anders aufgebaut ist?
Wir wissen, PvM war der erste mit dem Chip, wir werden sehen, welches Design das Rennen macht.
Momentan herrscht aber die Unsicherheit.
P.S.
Ich kann auch keine BMś senden bei HC, ist komisch oder? Privatsphäre ade...?
Wir wissen, PvM war der erste mit dem Chip, wir werden sehen, welches Design das Rennen macht.
Momentan herrscht aber die Unsicherheit.
P.S.
Ich kann auch keine BMś senden bei HC, ist komisch oder? Privatsphäre ade...?
Zu den BMs.
Also ob Das Jetzt Privatsphäre "Adé" heisst keine Ahnung.
Aber ich kann gar Keinen(noch nichtmal) "so EInen Knopf" finden?!?!?
Also ob Das Jetzt Privatsphäre "Adé" heisst keine Ahnung.
Aber ich kann gar Keinen(noch nichtmal) "so EInen Knopf" finden?!?!?
Ne, keinen Knopf gefunden, seltsam...
Ich kann es drehen und wenden wie ich will, aber in meinen Augen wird BRN bis spätestens 2019 übernommen(nach dem Rollout des Aikida Chips) oder die Umsätze steigen stark an, und damit der Shareholdervalue.
Nach 6 Monaten KI-Recherche und Befassen kann ich nach wie vor nur erkennen, dass die patentgeschütze BRN-Technologie des Neuromorphen Chips ein Alleinstellungsmerkmal hat, auf welche in Zukunft bspw. kein ADAS verzichten kann.
Einzig aus Asien könnte Patentdiebstahl gefährlich werden, im Westen nicht.
Peter van der Made sagt selbst ohne Umschweife, Deep Learning ist tot - wo kämen wir dahin, wenn autonom fahrende Autos überwiegend auf die Cloud angewiesen wäre, oder ständig einer Internetverbindung bedürften?
Das gäbe Unfälle ohne Ende, wenn das Netz ausfällt - wie neulich bei O2 deutschlandweit, die Sonne erupiert o.ä..
Da ist überhaupt nicht zu verstehen, wie es möglich sein kann, dass in Jülich daran geforscht wird, inwiefern Häuserfronten bzgl ADAS die Funkwellen abschirmen oder beeinflussen könnten.
Oder will man tatsächlich 5G und weitere exponentiell schädigende Funktechnologien durchdrücken, die am Ende mehr Schaden, Unsicherheiten und Abhängigkeiten als Nutzen bringen?
PvdM sagt, je ADAS wären 16 AKIDA-Chips nötig, die untereinander mit den noch notwenidigen GPU´s(Nvidea etc.) etc kommunizieren. Solch ein System würde je Fahrzeug im Chipbereich um die 20Tsd Dollar einsparen.
Auf Hotcopper hat ein User schön analogiert, man könnte das so verstehen, wie ein Tintenfisch mit seinen zahlreichen Tentakeln, welche unabhängig voneinander angesteuert werden, agiert.
Dieser besitzt mehrere Gehirne und ist quasi multitaskingfähig, ohne sich dabei zu verheddern.
Es wird also darauf hinauslaufen, dass wir in den Autos einen Gemischtwarenladen aus mehreren (redundanten) Chip/AI Systemen, die sich gegenseitig absichern und ergänzen, bekommen werden.
AKIDA rechnet so schnell, da kann kein cloudbasiertes neuronales Netz mithalten.
Die derzeitige Bremse im Kurs sehe ich in der genehmigten Aktienerhöhung zugunsten des Managements - aber seien wir ehrlich, welches erfolgreiche Unternehmen hat in seinen Anfängen seine Mitarbeiter nicht mit Optionen bezahlt?
Ich würde mir dies auch bei meinem Arbeitgeber wünschen, dann wäre ich 200% motivierter.
Nach 6 Monaten KI-Recherche und Befassen kann ich nach wie vor nur erkennen, dass die patentgeschütze BRN-Technologie des Neuromorphen Chips ein Alleinstellungsmerkmal hat, auf welche in Zukunft bspw. kein ADAS verzichten kann.
Einzig aus Asien könnte Patentdiebstahl gefährlich werden, im Westen nicht.
Peter van der Made sagt selbst ohne Umschweife, Deep Learning ist tot - wo kämen wir dahin, wenn autonom fahrende Autos überwiegend auf die Cloud angewiesen wäre, oder ständig einer Internetverbindung bedürften?
Das gäbe Unfälle ohne Ende, wenn das Netz ausfällt - wie neulich bei O2 deutschlandweit, die Sonne erupiert o.ä..
Da ist überhaupt nicht zu verstehen, wie es möglich sein kann, dass in Jülich daran geforscht wird, inwiefern Häuserfronten bzgl ADAS die Funkwellen abschirmen oder beeinflussen könnten.
Oder will man tatsächlich 5G und weitere exponentiell schädigende Funktechnologien durchdrücken, die am Ende mehr Schaden, Unsicherheiten und Abhängigkeiten als Nutzen bringen?
PvdM sagt, je ADAS wären 16 AKIDA-Chips nötig, die untereinander mit den noch notwenidigen GPU´s(Nvidea etc.) etc kommunizieren. Solch ein System würde je Fahrzeug im Chipbereich um die 20Tsd Dollar einsparen.
Auf Hotcopper hat ein User schön analogiert, man könnte das so verstehen, wie ein Tintenfisch mit seinen zahlreichen Tentakeln, welche unabhängig voneinander angesteuert werden, agiert.
Dieser besitzt mehrere Gehirne und ist quasi multitaskingfähig, ohne sich dabei zu verheddern.
Es wird also darauf hinauslaufen, dass wir in den Autos einen Gemischtwarenladen aus mehreren (redundanten) Chip/AI Systemen, die sich gegenseitig absichern und ergänzen, bekommen werden.
AKIDA rechnet so schnell, da kann kein cloudbasiertes neuronales Netz mithalten.
Die derzeitige Bremse im Kurs sehe ich in der genehmigten Aktienerhöhung zugunsten des Managements - aber seien wir ehrlich, welches erfolgreiche Unternehmen hat in seinen Anfängen seine Mitarbeiter nicht mit Optionen bezahlt?
Ich würde mir dies auch bei meinem Arbeitgeber wünschen, dann wäre ich 200% motivierter.
Hat jemand eine Meinung dazu ? (Kann es leider mit dem Handy nur so einfügen )
Antwort auf Beitrag Nr.: 57.895.641 von 123trader123 am 03.06.18 08:57:21 https://stockhead.com.au/tech/mustang-brainchip-and-dronesh…
auch mit dem Smartphone
Na 400 Mio. Anteile werden zusätzlich handelbar
Schönen Sonntag
Wunram
auch mit dem Smartphone
Na 400 Mio. Anteile werden zusätzlich handelbar
Schönen Sonntag
Wunram
Na, ich hatte den Text schon abgeschickt, er kam jedoch nicht durch. Aber er war inhaltlich sowieso nicht korrekt
Die Aktienschwemme, die sich das Management genehmigt hat - s.u., ist für die Alt/Kleinaktionäre alles andere als erfreulich, und wurde auf der HV auch entsprechend boykotiert, jedoch nicht mit ausreichenden Stimmanteilen, logisch.
Dass nun Altaktien freigegeben werden, ist ja irgendwann logisch, Die Besitzer werden jetzt immer noch stark im Plus liegen und am Markt wird man nun erkennen, ob das Management an die Zukunft glaubt, oder ob die Aktien von anderen Parteien aufgesaugt werden, sofern sie auch tatsächlich in den Markt kommen.
Sollte der Druck zu stark werden, ist natürlich Vorsicht angebracht.
Auf der anderen Seite wurde auf der HV ein Aktienprogramm u.a. für LDN abgesegnet, welches den Anteil verwässert. Man munkelt zwar, dass LDN soviele Aktien wie möglich haben möchte, um vom erhofften Umsatzanstieg/Explosion zu profitieren - denn das Management, PVDM inkl. der damit verwässerten Althalter würden ja ebenso unter erhöhter Aktienzahl leiden, jedoch wurde davon gesprochen, dass ausnahmslos alle im Board ausdrücklich LDN unterstützen, und seine bessere Bezahlung wünschen - anscheinend macht er vieles richtig, oder es handelt sich einfach nur um Gier. Dann wäre das Potential vergeudet.
Wir werden es zeitnah erkennen.
Wenn sich dieses Jahr umsatzmässig mit den alten Produkten Brainchip Studio und Hardware nichts weiter tut, und vor allem bei der AKIDA Front nichts konkretes kommt - Obacht.
Aber es geht und ging (mir) immer um AKIDA, den Chip, welchen Bill Gates wie im Eingangposting beschrieben, sinngemäß 10 Microsofts wert erachtete zu einer Zeit, als diese Chips nur ein Konstrukt von Spinnern wie Peter van der Made waren, er war der erste... ok, die ersten mir bekannten waren James Cameron und die Drehbuchschreiber der Terminator Reihe... 2018 war auch dort Schlüsseljahr... wenn auch ein negatives.
2018 ist das entscheidende Jahr für BRN.
An den Früchten werden wir sie erkennen.
Es wäre schade, wenn es langfristig zu unseren Lasten ginge, aber wir sprechen hier immer noch von der einzigen reinrassigen KI-Aktie(Hardware - Software) mit Riesenpotential aus dem Bereich KI und vor allem Hardware-Ki
Ich habe hier von Anfang an einen Anlagehorizont von 5 Jahren angesetzt - beginn 2017, alles andere wäre stupid.
Deswegen ist hier weiterhn auch nur Spielgeld angesagt, oder volles Risiko. Ab Mitte des Jahres wird es interessant, da dann die ersten AKIDA- Kits den Entwicklermarkt erreichen, Ende des Jahres dann der fertige Silikonchip für Entwickler, Autohersteller&Co und Linzenznehmer aus der Chipbranche.
In meinen Augen hat man noch etwas Zeit, sich günstig zu positionieren, aber irgendwann fährt der Zug ab, und dann will ich dabei sein. Denn wie es ausschaut, gibt es derzeit keine Alternative zu dem Chip, Ausnahmen etwa aus China wären fast die Regel, das hat aber mit der möglichen Patentverletzung zu tun, die diese fahren würden.
Man muss aber auch bedenken, dass selbst das größe Team einer Intel nicht ein kleines effektives Entwicklerteam, welches mehr als sein Jahrzehnt daran gearbeitet hat, in wenigen Jahren überholen könnte.
Aber Intel sollte nie unterschätztweden, wie LDN sagte.
Dies ohne Gewähr!
Inwiefern ein qualitativ gleich oder höherwertiger Chip mit Patentumgehung von der Konkurrenz entwickelt wird, ist fraglich.
Der Loihi von Intel bspw. scheint hier jedoch etwas ganz anderes zu sein, andere Märkte andere Qualitäten.
Das unüberwachte autonome Lernen ohne Cloudanbindung und ohne rechen- und datenintensives DeepLearning, jedoch inkl. aller Applikationen, um DeepL- zu integrieren, hat der AKIDA für sich gepachtet .
Brainchip Holdings https://www.brainchipinc.com/ , and in particular their patented Akida technology that learns autonomously, evolves and associates information just like the human brain, soon to released as a silicon chip. The inventor Peter Van Der Made spoke at the recent AGM and revealed (in no particular order) The AkidaTM device is a complete Neuromorphic System‐on‐Chip (NSoC) * There will not just be one Akida Chip.*** Newer Akida Chips will be designed and released at later dates for special applications and devices. Image recognition Accuracy: 90% vs CNNs 80% humans 85% The big difference between Akida and Deep Learning is speed. Speed is so important. It's a matter of Life and Death. In an autonomous vehicle if you are relying on Deep Learning you will be lunch. BA processes 600 frames per second. That's is only a fraction of the time that deep learning takes.” "Deep learning has no concept of time. Akida does."
Die Aktienschwemme, die sich das Management genehmigt hat - s.u., ist für die Alt/Kleinaktionäre alles andere als erfreulich, und wurde auf der HV auch entsprechend boykotiert, jedoch nicht mit ausreichenden Stimmanteilen, logisch.
Dass nun Altaktien freigegeben werden, ist ja irgendwann logisch, Die Besitzer werden jetzt immer noch stark im Plus liegen und am Markt wird man nun erkennen, ob das Management an die Zukunft glaubt, oder ob die Aktien von anderen Parteien aufgesaugt werden, sofern sie auch tatsächlich in den Markt kommen.
Sollte der Druck zu stark werden, ist natürlich Vorsicht angebracht.
Auf der anderen Seite wurde auf der HV ein Aktienprogramm u.a. für LDN abgesegnet, welches den Anteil verwässert. Man munkelt zwar, dass LDN soviele Aktien wie möglich haben möchte, um vom erhofften Umsatzanstieg/Explosion zu profitieren - denn das Management, PVDM inkl. der damit verwässerten Althalter würden ja ebenso unter erhöhter Aktienzahl leiden, jedoch wurde davon gesprochen, dass ausnahmslos alle im Board ausdrücklich LDN unterstützen, und seine bessere Bezahlung wünschen - anscheinend macht er vieles richtig, oder es handelt sich einfach nur um Gier. Dann wäre das Potential vergeudet.
Wir werden es zeitnah erkennen.
Wenn sich dieses Jahr umsatzmässig mit den alten Produkten Brainchip Studio und Hardware nichts weiter tut, und vor allem bei der AKIDA Front nichts konkretes kommt - Obacht.
Aber es geht und ging (mir) immer um AKIDA, den Chip, welchen Bill Gates wie im Eingangposting beschrieben, sinngemäß 10 Microsofts wert erachtete zu einer Zeit, als diese Chips nur ein Konstrukt von Spinnern wie Peter van der Made waren, er war der erste... ok, die ersten mir bekannten waren James Cameron und die Drehbuchschreiber der Terminator Reihe... 2018 war auch dort Schlüsseljahr... wenn auch ein negatives.
2018 ist das entscheidende Jahr für BRN.
An den Früchten werden wir sie erkennen.
Es wäre schade, wenn es langfristig zu unseren Lasten ginge, aber wir sprechen hier immer noch von der einzigen reinrassigen KI-Aktie(Hardware - Software) mit Riesenpotential aus dem Bereich KI und vor allem Hardware-Ki
Ich habe hier von Anfang an einen Anlagehorizont von 5 Jahren angesetzt - beginn 2017, alles andere wäre stupid.
Deswegen ist hier weiterhn auch nur Spielgeld angesagt, oder volles Risiko. Ab Mitte des Jahres wird es interessant, da dann die ersten AKIDA- Kits den Entwicklermarkt erreichen, Ende des Jahres dann der fertige Silikonchip für Entwickler, Autohersteller&Co und Linzenznehmer aus der Chipbranche.
In meinen Augen hat man noch etwas Zeit, sich günstig zu positionieren, aber irgendwann fährt der Zug ab, und dann will ich dabei sein. Denn wie es ausschaut, gibt es derzeit keine Alternative zu dem Chip, Ausnahmen etwa aus China wären fast die Regel, das hat aber mit der möglichen Patentverletzung zu tun, die diese fahren würden.
Man muss aber auch bedenken, dass selbst das größe Team einer Intel nicht ein kleines effektives Entwicklerteam, welches mehr als sein Jahrzehnt daran gearbeitet hat, in wenigen Jahren überholen könnte.
Aber Intel sollte nie unterschätztweden, wie LDN sagte.
Dies ohne Gewähr!
Inwiefern ein qualitativ gleich oder höherwertiger Chip mit Patentumgehung von der Konkurrenz entwickelt wird, ist fraglich.
Der Loihi von Intel bspw. scheint hier jedoch etwas ganz anderes zu sein, andere Märkte andere Qualitäten.
Das unüberwachte autonome Lernen ohne Cloudanbindung und ohne rechen- und datenintensives DeepLearning, jedoch inkl. aller Applikationen, um DeepL- zu integrieren, hat der AKIDA für sich gepachtet .
Brainchip Holdings https://www.brainchipinc.com/ , and in particular their patented Akida technology that learns autonomously, evolves and associates information just like the human brain, soon to released as a silicon chip. The inventor Peter Van Der Made spoke at the recent AGM and revealed (in no particular order) The AkidaTM device is a complete Neuromorphic System‐on‐Chip (NSoC) * There will not just be one Akida Chip.*** Newer Akida Chips will be designed and released at later dates for special applications and devices. Image recognition Accuracy: 90% vs CNNs 80% humans 85% The big difference between Akida and Deep Learning is speed. Speed is so important. It's a matter of Life and Death. In an autonomous vehicle if you are relying on Deep Learning you will be lunch. BA processes 600 frames per second. That's is only a fraction of the time that deep learning takes.” "Deep learning has no concept of time. Akida does."
Antwort auf Beitrag Nr.: 57.896.654 von H2OAllergiker am 03.06.18 12:09:51Ich hatte ja mal geschrieben (Sie sollten sich(meiner Meinung))"zusammenreissen, dann möglich".
Meinem EIndruck nach scheinen Sie da gute (Fort)Schritte zu machen.
Ruder RUMreissen.
DRANbleiben, und auch ein bisschen ELOQUENZ und STRAIGHTNESS in sein Tun bekommen.
ANTIZIPIEREN auch ganz, ganz wichtig.
Halten Sie die Kurve so, und gehen Das WEITER;
immer, immer, immer weiter;
können Sie denke ich für Sich noch Was schaffen.
Meinem EIndruck nach scheinen Sie da gute (Fort)Schritte zu machen.
Ruder RUMreissen.
DRANbleiben, und auch ein bisschen ELOQUENZ und STRAIGHTNESS in sein Tun bekommen.
ANTIZIPIEREN auch ganz, ganz wichtig.
Halten Sie die Kurve so, und gehen Das WEITER;
immer, immer, immer weiter;
können Sie denke ich für Sich noch Was schaffen.
Danke H2O für Deine Einschätzung ;-)
Hier noch ein Artikel aus 2015 zum Aziana / Brainchipmerger
http://www.medifydaily.com.au/top-techs-watching-brainchip-a…
http://www.medifydaily.com.au/top-techs-watching-brainchip-a…
Von der Brainchipinc.com Seite nochmal zur Technologie als Auffrischung:
Eine Technologie, die wie das menschliche Gehirn lernt - Neuromorphic Computing
Die Technologie von BrainChip verwendet eine Art neuromorphes Computing, das als Spiking Neural Networks (SNNs) bezeichnet wird. Es hat viele attraktive Eigenschaften, einschließlich der Fähigkeit, sofort trainiert zu werden ("One-Shot-Learning"), hohe Genauigkeit und geringen Rechenaufwand. Dies ist eine wichtige Funktion in der Welt außerhalb des Internets, wo es keine großen Datenmengen gibt. Zum Beispiel hat eine Polizeidienststelle, die nach einem Verdächtigen in Live-Videostreams sucht, weder Tausende von Bildern dieses Verdächtigen noch Wochen Zeit, um ein traditionelles neuronales Faltungssystem zu trainieren.
Was unsere Technologie so spannend macht
Unsere Technologie lernt aus Erfahrung, autonom, wie ein Mensch. Es muss nicht mit Millionen von Proben wie Deep Learning trainiert werden, es lernt sofort ein Muster. Deep Learning Netzwerke sind energieintensiv und erfordern große GPU-Server-Cluster und wochenlanges Training. Die Technologie von BrainChip lernt von selbst, ohne große Datenmengen, und findet Muster, die der Mensch vielleicht nicht kennt. Diese schnelle Lernfähigkeit eröffnet neue Möglichkeiten, Bilder in Videos, Muster in großen Datensätzen und Hunderte anderer Anwendungen zu finden, bei denen tiefes Lernen nicht möglich ist.
Da SNNs mit regulären Logikfunktionen implementiert werden können, sind sie von Natur aus leistungsstark und stromsparend.
Wie es funktioniert
Die von uns entwickelten Neuronen lernen durch selektive Verstärkung oder Hemmung von Synapsen und Neuronenschwellen. Lernen findet statt, wenn der Input intensiv ist, oder wiederholt sich durch Feedback an jedem Neuron, genau wie das Gehirn lernt. Unsere volldigitalen Neuronen verarbeiten Eingangsspitzen parallel, was bedeutet, dass die Antwortzeit des Netzwerks unabhängig von der Netzwerkgröße ist.
Wie wir hierher kamen
Peter van der Made, der Visionär hinter BrainChip, hat die letzten 10 Jahre dem Erfolg des Unternehmens gewidmet. Seine Expertise und sein kommerzieller Erfolg haben ihn in den letzten 40 Jahren zu einem führenden Anbieter von Computer-Innovationen gemacht. Peter erfand einen der ersten hochauflösenden Farbgrafikbeschleuniger-Chips für den IBM Personal Computer sowie ein Computer-Immunsystem, das schließlich von IBM übernommen wurde, wo er 2002 zum Chief Scientist ernannt wurde.
Im Jahr 2015 ging BrainChip unter dem Tickernamen BRN an die australische Börse (ASX).
Im Jahr 2016 erwarb BrainChip Spikenet, einen Entwickler von Individualsoftware, der die SNN-Technologie in visuellen Systemen einsetzt. Die Technologie von Spikenet ergänzt die von BrainChip entwickelte Hardware-Implementierung.
Einzigartig im Bereich der Künstlichen Intelligenz
Der KI-Sektor umfasst namhafte Unternehmen wie Cisco Systems, IBM, Intel, Google, Microsoft, NVIDIA, Qualcomm und Samsung, die ihre eigenen Versionen kognitiver Architekturen auf verschiedenen Plattformen entwickeln.
BrainChip ist in der einzigartigen Position der Kommerzialisierung von SNNs, die sofortiges Training, geringen Rechenaufwand und hohe Genauigkeit in schwierigen Umgebungen bieten.
Übersetzt mit www.DeepL.com/Translator
Mir fällt dbzgl eine Analogie ein, wie es technisch problemlos möglich wäre, dass ein KI-Hirn ohne Probleme seine Leistung von 5 auf 100% erhöhen könnte, was beim Menschen Jahrtausende dauern würde.
Wenn der Mensch sein Gehirn zu 20% nutzen würde, könnte er alle Menschen analysieren/lesen und alles sofort lernen, bei 30%... Zeitreisen sind oberhalb von 50% inbegriffen.
BRN und die offiziell bekannte KI ist derzeit erst auf Mustererkennung beschränkt, aber das geht exponentiell weiter in der Entwicklung bis zur General-Intelligenz
Soviel zu den Gefahren der Singularität.
Hier ein yt-Video, was passieren würde, würden wir unser volles Gehirnpotential nutzen.
https://www.youtube.com/watch?v=1UWaQif8-sk
Eine Technologie, die wie das menschliche Gehirn lernt - Neuromorphic Computing
Die Technologie von BrainChip verwendet eine Art neuromorphes Computing, das als Spiking Neural Networks (SNNs) bezeichnet wird. Es hat viele attraktive Eigenschaften, einschließlich der Fähigkeit, sofort trainiert zu werden ("One-Shot-Learning"), hohe Genauigkeit und geringen Rechenaufwand. Dies ist eine wichtige Funktion in der Welt außerhalb des Internets, wo es keine großen Datenmengen gibt. Zum Beispiel hat eine Polizeidienststelle, die nach einem Verdächtigen in Live-Videostreams sucht, weder Tausende von Bildern dieses Verdächtigen noch Wochen Zeit, um ein traditionelles neuronales Faltungssystem zu trainieren.
Was unsere Technologie so spannend macht
Unsere Technologie lernt aus Erfahrung, autonom, wie ein Mensch. Es muss nicht mit Millionen von Proben wie Deep Learning trainiert werden, es lernt sofort ein Muster. Deep Learning Netzwerke sind energieintensiv und erfordern große GPU-Server-Cluster und wochenlanges Training. Die Technologie von BrainChip lernt von selbst, ohne große Datenmengen, und findet Muster, die der Mensch vielleicht nicht kennt. Diese schnelle Lernfähigkeit eröffnet neue Möglichkeiten, Bilder in Videos, Muster in großen Datensätzen und Hunderte anderer Anwendungen zu finden, bei denen tiefes Lernen nicht möglich ist.
Da SNNs mit regulären Logikfunktionen implementiert werden können, sind sie von Natur aus leistungsstark und stromsparend.
Wie es funktioniert
Die von uns entwickelten Neuronen lernen durch selektive Verstärkung oder Hemmung von Synapsen und Neuronenschwellen. Lernen findet statt, wenn der Input intensiv ist, oder wiederholt sich durch Feedback an jedem Neuron, genau wie das Gehirn lernt. Unsere volldigitalen Neuronen verarbeiten Eingangsspitzen parallel, was bedeutet, dass die Antwortzeit des Netzwerks unabhängig von der Netzwerkgröße ist.
Wie wir hierher kamen
Peter van der Made, der Visionär hinter BrainChip, hat die letzten 10 Jahre dem Erfolg des Unternehmens gewidmet. Seine Expertise und sein kommerzieller Erfolg haben ihn in den letzten 40 Jahren zu einem führenden Anbieter von Computer-Innovationen gemacht. Peter erfand einen der ersten hochauflösenden Farbgrafikbeschleuniger-Chips für den IBM Personal Computer sowie ein Computer-Immunsystem, das schließlich von IBM übernommen wurde, wo er 2002 zum Chief Scientist ernannt wurde.
Im Jahr 2015 ging BrainChip unter dem Tickernamen BRN an die australische Börse (ASX).
Im Jahr 2016 erwarb BrainChip Spikenet, einen Entwickler von Individualsoftware, der die SNN-Technologie in visuellen Systemen einsetzt. Die Technologie von Spikenet ergänzt die von BrainChip entwickelte Hardware-Implementierung.
Einzigartig im Bereich der Künstlichen Intelligenz
Der KI-Sektor umfasst namhafte Unternehmen wie Cisco Systems, IBM, Intel, Google, Microsoft, NVIDIA, Qualcomm und Samsung, die ihre eigenen Versionen kognitiver Architekturen auf verschiedenen Plattformen entwickeln.
BrainChip ist in der einzigartigen Position der Kommerzialisierung von SNNs, die sofortiges Training, geringen Rechenaufwand und hohe Genauigkeit in schwierigen Umgebungen bieten.
Übersetzt mit www.DeepL.com/Translator
Mir fällt dbzgl eine Analogie ein, wie es technisch problemlos möglich wäre, dass ein KI-Hirn ohne Probleme seine Leistung von 5 auf 100% erhöhen könnte, was beim Menschen Jahrtausende dauern würde.
Wenn der Mensch sein Gehirn zu 20% nutzen würde, könnte er alle Menschen analysieren/lesen und alles sofort lernen, bei 30%... Zeitreisen sind oberhalb von 50% inbegriffen.
BRN und die offiziell bekannte KI ist derzeit erst auf Mustererkennung beschränkt, aber das geht exponentiell weiter in der Entwicklung bis zur General-Intelligenz
Soviel zu den Gefahren der Singularität.
Hier ein yt-Video, was passieren würde, würden wir unser volles Gehirnpotential nutzen.
https://www.youtube.com/watch?v=1UWaQif8-sk
The AI winter is well on its way
https://venturebeat.com/2018/06/04/the-ai-winter-is-well-on-…
Deep learning has been at the forefront of the so-called AI revolution for years now, and many people believed that it would take us to the world of the technological singularity. Many companies talked big in 2014, 2015, and 2016 when technologies such as Alpha Go were pushing new boundaries. For example, Tesla announced that its fully self-driving cars were very close, even selling that option to customers — to be enabled later via a software update.
We are now in the middle of 2018 and things have changed. Not on the surface yet — the NIPS conference is still oversold, corporate PR still has AI all over its press releases, Elon Musk still keeps promising self-driving cars, and Google keeps pushing Andrew Ng’s line that AI is bigger than electricity. But this narrative is beginning to crack. And as I predicted, the place where the cracks in AI are most visible is autonomous driving — an actual application of the technology in the real world.
The dust settled on deep learning
Spielt BRN in die Hände, dranbleiben...drinbleiben
https://venturebeat.com/2018/06/04/the-ai-winter-is-well-on-…
Deep learning has been at the forefront of the so-called AI revolution for years now, and many people believed that it would take us to the world of the technological singularity. Many companies talked big in 2014, 2015, and 2016 when technologies such as Alpha Go were pushing new boundaries. For example, Tesla announced that its fully self-driving cars were very close, even selling that option to customers — to be enabled later via a software update.
We are now in the middle of 2018 and things have changed. Not on the surface yet — the NIPS conference is still oversold, corporate PR still has AI all over its press releases, Elon Musk still keeps promising self-driving cars, and Google keeps pushing Andrew Ng’s line that AI is bigger than electricity. But this narrative is beginning to crack. And as I predicted, the place where the cracks in AI are most visible is autonomous driving — an actual application of the technology in the real world.
The dust settled on deep learning
Spielt BRN in die Hände, dranbleiben...drinbleiben
Antwort auf Beitrag Nr.: 57.916.878 von H2OAllergiker am 06.06.18 01:55:37H2O
Was ich Ihnen auf Jeden Fall rate ist neben Den Heimatbörsenportalen auch Die Quartals reporte, "CCs", "Conference" Auftritte usw. Ihrer Firmen im Auge zu bahelten.
Eine Meiner Firmen hat z.B. gerade Hier Eine Präsentierung gemacht:
http://wsw.com/
Da kann man dann bspw. nach Der "Programmordnung" gucken,
Wer Alles teilgenommen hat(meistens 1-4 Tage lang/Präsentationstage),
und sich beim Freigeschaltetem bisschen umsehen.
Es geht Mir absolut nicht um (genau) Dieses "Event",
nur um so Eine Art von Sachen.
Da kann man sich oft noch Einiges, Einiges (Bonus/Zusatz)mitnehmen, beYOND Press Releases.
Also "Einigen Schrott Was Die nicht so direkt in Die news reinklatschen".
Ich nutze Das, solche Sachen, öfter.
Was ich Ihnen auf Jeden Fall rate ist neben Den Heimatbörsenportalen auch Die Quartals reporte, "CCs", "Conference" Auftritte usw. Ihrer Firmen im Auge zu bahelten.
Eine Meiner Firmen hat z.B. gerade Hier Eine Präsentierung gemacht:
http://wsw.com/
Da kann man dann bspw. nach Der "Programmordnung" gucken,
Wer Alles teilgenommen hat(meistens 1-4 Tage lang/Präsentationstage),
und sich beim Freigeschaltetem bisschen umsehen.
Es geht Mir absolut nicht um (genau) Dieses "Event",
nur um so Eine Art von Sachen.
Da kann man sich oft noch Einiges, Einiges (Bonus/Zusatz)mitnehmen, beYOND Press Releases.
Also "Einigen Schrott Was Die nicht so direkt in Die news reinklatschen".
Ich nutze Das, solche Sachen, öfter.
Antwort auf Beitrag Nr.: 58.002.459 von Popeye82 am 17.06.18 03:06:36Da kann man dann bspw. nach Der "Programmordnung" gucken...........................................
http://wsw.com/webcast/ldmicro14/#table1
http://wsw.com/webcast/ldmicro14/#table1
SAN FRANCISCO, 17. Juni 2018 (GLOBE NEWSWIRE) - BrainChip Holdings Ltd. ("BrainChip" oder das "Unternehmen") (ASX: BRN), ein führender Entwickler von software- und hardwarebeschleunigten Lösungen für fortschrittliche künstliche Intelligenz (AI) und Machine-Learning-Anwendungen, freut sich, eine Aktualisierung der Lizenz- und Entwicklungsvereinbarung des Unternehmens mit Gaming Products International ("GPI") (NASDAQ: GPIC ) zur Verfügung zu stellen.
Im Januar 2018 kündigten BrainChip und GPI eine globale Lizenz- und Entwicklungsvereinbarung zur Entwicklung einer Technologie zur Unterstützung der fortschrittlichen ATS ™ von GPI an, einer automatisierten Tabellenlösung zur Sammlung und Analyse von Daten in Echtzeit. Das System kombiniert GPIs exklusive und innovative SMART RFID-Technologie mit einem fortschrittlichen visuellen Identifikationssystem, das auf der Technologie von BrainChip basiert. Die ATS ™ -Lösung bietet eine der umfassendsten und robustesten Tischlösungen in der Spieleindustrie. ATS ™ ist eine skalierbare, anpassbare, modulare Tischspiellösung, die auf die spezifischen betrieblichen Anforderungen jedes einzelnen Betreibers zugeschnitten ist. Das System ermöglicht die Integration mehrerer Technologien und bietet die nötige Flexibilität, um die sich entwickelnden Technologieanforderungen für die Datenanalyse in der Spieleindustrie zu erfüllen.
Lou DiNardo, President und CEO von BrainChip, kommentierte: "BrainChip und GPI haben einen innovativen KI-Ansatz für visuelle Analysen in der Spieleindustrie entwickelt. Unsere Fähigkeit, Muster in Umgebungen mit wenig Licht und niedriger Auflösung zu erkennen, zu extrahieren und zu klassifizieren, wo Schatten und Okklusionen für andere visuelle Analyseansätze herausfordernd sind, macht uns einzigartig geeignet, um die Herausforderungen von Kasinobetreibern in Bezug auf Währungssicherheit und Verbraucherverhalten zu lösen. GPI lieferte sehr erfolgreiche Vorführungen ihrer ATS ™ -Plattform mit BrainChip, die die Anforderungen der Videoanalyse auf der jährlichen Global Gaming Expo in Macau unterstützt. "Herr DiNardo fügte hinzu:" Die Spieleindustrie ist groß und herausfordernd. Unsere Vertriebsstrategie besteht darin, uns mit führenden Unternehmen in vertikalen Märkten abzustimmen und diese Orignal Equipment Manufacturer (OEM) Beziehungen zu nutzen, um schnell eine große Gruppe von Kunden zu erreichen. Die GPI-Beziehung veranschaulicht das Potenzial dieser Strategie. "
Im Januar 2018 kündigten BrainChip und GPI eine globale Lizenz- und Entwicklungsvereinbarung zur Entwicklung einer Technologie zur Unterstützung der fortschrittlichen ATS ™ von GPI an, einer automatisierten Tabellenlösung zur Sammlung und Analyse von Daten in Echtzeit. Das System kombiniert GPIs exklusive und innovative SMART RFID-Technologie mit einem fortschrittlichen visuellen Identifikationssystem, das auf der Technologie von BrainChip basiert. Die ATS ™ -Lösung bietet eine der umfassendsten und robustesten Tischlösungen in der Spieleindustrie. ATS ™ ist eine skalierbare, anpassbare, modulare Tischspiellösung, die auf die spezifischen betrieblichen Anforderungen jedes einzelnen Betreibers zugeschnitten ist. Das System ermöglicht die Integration mehrerer Technologien und bietet die nötige Flexibilität, um die sich entwickelnden Technologieanforderungen für die Datenanalyse in der Spieleindustrie zu erfüllen.
Lou DiNardo, President und CEO von BrainChip, kommentierte: "BrainChip und GPI haben einen innovativen KI-Ansatz für visuelle Analysen in der Spieleindustrie entwickelt. Unsere Fähigkeit, Muster in Umgebungen mit wenig Licht und niedriger Auflösung zu erkennen, zu extrahieren und zu klassifizieren, wo Schatten und Okklusionen für andere visuelle Analyseansätze herausfordernd sind, macht uns einzigartig geeignet, um die Herausforderungen von Kasinobetreibern in Bezug auf Währungssicherheit und Verbraucherverhalten zu lösen. GPI lieferte sehr erfolgreiche Vorführungen ihrer ATS ™ -Plattform mit BrainChip, die die Anforderungen der Videoanalyse auf der jährlichen Global Gaming Expo in Macau unterstützt. "Herr DiNardo fügte hinzu:" Die Spieleindustrie ist groß und herausfordernd. Unsere Vertriebsstrategie besteht darin, uns mit führenden Unternehmen in vertikalen Märkten abzustimmen und diese Orignal Equipment Manufacturer (OEM) Beziehungen zu nutzen, um schnell eine große Gruppe von Kunden zu erreichen. Die GPI-Beziehung veranschaulicht das Potenzial dieser Strategie. "
BrainChip Names James Roe Director of North American Sales
https://www.brainchipinc.com/news-media/press-releases/detai…
Die Vertriebsdekce wird immer dicker
https://www.brainchipinc.com/news-media/press-releases/detai…
Die Vertriebsdekce wird immer dicker
http://www.mpsoc-forum.org/speakers/page/Peter_Made.html
Abstract
The Akida architecture is a progression of the SNAP64 technology that we developed 4 years ago. The SNAP64 was a test chip, containing 4 blocks of 64 neurons with 256 synapses each – a total of 65536 synapses. The BrainChip Akida chip and development board are offering a flexible architecture, a Neuromorphic System on a Chip that contains many components that are useful in practical applications, such as convolution blocks, max pooling, programmable spike generators (Gaussian Receptive Fields) for data conversion, local ARM processor, several interface busses, and video frame to spike converters in addition to a large ‘fabric’ of convolutional and fully connected, autonomously learning spiking neurons.
Biography
Peter has been working on Neuromorphic systems since 2004. In 2008 he filed a patent describing a digital Spiking Neuron processor that was subsequently granted. Peter started his career in 1974, after completing his education at the Technical University of Amsterdam. Because of his interest in digital electronics he started work at Sperry Univac in Sydney, Australia. Sperry Univac sponsored him to attain qualifications in digital logic and programming. Sperry Univac was in 1974 the 2nd largest manufacturer of main-frame computer equipment. Because of his interest in the emerging micro-computer field, he joined Olivetti when an opportunity presented itself to dive deeper in microprocessors. Over the next few years he worked at several major companies and he became skilled in hardware and chip design. Pushing the boundaries of technology, he designed a graphics accelerator chip in the early 1980’s. This graphics accelerator chip had a resolution of 900 x 1200 pixels in 4096 colors and used a 20 inch screen. The graphics processing core was clocked at up to 120 MHz which was very high at that time. From 1988 to 1994 he worked at a university teaching computer science and digital design. After 1994, Peter turned his attention to the growing problem of computer malware with the development of a new detection method based on real time behavior analysis and classification. This work resulted in three granted patents. By the end of the millennium he had created a working prototype of the ‘Analytical Behavior Method’ to detect known and unknown malware. By 2002 the company was acquired by Internet Security Systems (now IBM) in Atlanta, with great benefited to the shareholders. BrainChip was founded in 2004 with the aim to develop a better method for machine recognition based on biology. Much time was devoted to the synapses, these tiny spots that occur on the body of neural cells in the brain. These tiny structures hold the key to learning and brain organization. This development was driven by the fact that the brain is a huge spiking neural network and the ultimate learning and recognition engine. The devices that were developed perform autonomous learning and feature extraction. Akida is the cumulation of this work. The research is documented in a book, published in 2012, called “Higher Intelligence”.
---------
Abstrakt
Die Akida-Architektur ist eine Weiterentwicklung der SNAP64-Technologie, die wir vor 4 Jahren entwickelt haben. Der SNAP64 war ein Testchip, der 4 Blöcke von 64 Neuronen mit je 256 Synapsen enthielt - insgesamt 65536 Synapsen. Der BrainChip Akida Chip und das Entwicklungsboard bieten eine flexible Architektur, ein neuromorphes System auf einem Chip, das viele Komponenten enthält, die in praktischen Anwendungen nützlich sind, wie Faltungsblöcke, Max-Pooling, programmierbare Spike-Generatoren (Gaussian Receptive Fields) zur Datenkonvertierung, einen lokalen ARM-Prozessor, mehrere Schnittstellenbusse und Video-Frame-to-Spike-Konverter sowie ein großes "Gewebe" aus Faltungsneuronen und vollständig verbundenen, autonom lernenden Neuronen.
Biographie
Peter arbeitet seit 2004 an neuromorphen Systemen. Im Jahr 2008 meldete er ein Patent an, das einen digitalen Spiking Neuron Prozessor beschreibt, der später erteilt wurde. Peter begann seine Karriere 1974, nachdem er seine Ausbildung an der Technischen Universität Amsterdam abgeschlossen hatte. Aufgrund seines Interesses an digitaler Elektronik begann er seine Arbeit bei Sperry Univac in Sydney, Australien. Sperry Univac sponserte ihn, um Qualifikationen in digitaler Logik und Programmierung zu erlangen. Sperry Univac war 1974 der zweitgrößte Hersteller von Großrechneranlagen. Aufgrund seines Interesses an dem aufkommenden Mikrocomputerbereich kam er zu Olivetti, als sich die Gelegenheit bot, tiefer in Mikroprozessoren einzutauchen. In den folgenden Jahren arbeitete er bei mehreren großen Unternehmen und wurde in den Bereichen Hardware- und Chipdesign ausgebildet. In den frühen 1980er Jahren entwickelte er einen Grafikbeschleuniger-Chip, der die Grenzen der Technologie sprengte. Dieser Grafikbeschleuniger-Chip hatte eine Auflösung von 900 x 1200 Pixel in 4096 Farben und verwendete einen 20-Zoll-Bildschirm. Der Grafikkern wurde mit bis zu 120 MHz getaktet, was damals sehr hoch war. Von 1988 bis 1994 arbeitete er an einer Universität und lehrte Informatik und Digitales Design. Nach 1994 widmete sich Peter dem wachsenden Problem der Computer-Malware mit der Entwicklung einer neuen Erkennungsmethode, die auf Echtzeit-Verhaltensanalyse und -Klassifizierung basiert. Diese Arbeit führte zu drei erteilten Patenten. Bis zum Ende des Jahrtausends hatte er einen funktionierenden Prototyp der'Analytical Behavior Method' entwickelt, um bekannte und unbekannte Malware zu erkennen. Im Jahr 2002 wurde das Unternehmen von Internet Security Systems (heute IBM) in Atlanta übernommen, was den Aktionären sehr zugute kam. BrainChip wurde 2004 mit dem Ziel gegründet, eine bessere Methode zur Maschinenerkennung auf Basis der Biologie zu entwickeln. Viel Zeit wurde den Synapsen gewidmet, diesen winzigen Flecken, die auf dem Körper von Nervenzellen im Gehirn auftreten. Diese winzigen Strukturen sind der Schlüssel zum Lernen und zur Organisation des Gehirns. Diese Entwicklung wurde durch die Tatsache angetrieben, dass das Gehirn ein riesiges neuronales Netzwerk und die ultimative Lern- und Erkennungsmaschine ist. Die entwickelten Geräte führen autonomes Lernen und Merkmalsextraktion durch. Akida ist die Kumulation dieser Arbeit. Die Forschung ist in einem Buch dokumentiert, das 2012 unter dem Titel "Higher Intelligence" veröffentlicht wurde.
Übersetzt mit www.DeepL.com/Translator
Abstract
The Akida architecture is a progression of the SNAP64 technology that we developed 4 years ago. The SNAP64 was a test chip, containing 4 blocks of 64 neurons with 256 synapses each – a total of 65536 synapses. The BrainChip Akida chip and development board are offering a flexible architecture, a Neuromorphic System on a Chip that contains many components that are useful in practical applications, such as convolution blocks, max pooling, programmable spike generators (Gaussian Receptive Fields) for data conversion, local ARM processor, several interface busses, and video frame to spike converters in addition to a large ‘fabric’ of convolutional and fully connected, autonomously learning spiking neurons.
Biography
Peter has been working on Neuromorphic systems since 2004. In 2008 he filed a patent describing a digital Spiking Neuron processor that was subsequently granted. Peter started his career in 1974, after completing his education at the Technical University of Amsterdam. Because of his interest in digital electronics he started work at Sperry Univac in Sydney, Australia. Sperry Univac sponsored him to attain qualifications in digital logic and programming. Sperry Univac was in 1974 the 2nd largest manufacturer of main-frame computer equipment. Because of his interest in the emerging micro-computer field, he joined Olivetti when an opportunity presented itself to dive deeper in microprocessors. Over the next few years he worked at several major companies and he became skilled in hardware and chip design. Pushing the boundaries of technology, he designed a graphics accelerator chip in the early 1980’s. This graphics accelerator chip had a resolution of 900 x 1200 pixels in 4096 colors and used a 20 inch screen. The graphics processing core was clocked at up to 120 MHz which was very high at that time. From 1988 to 1994 he worked at a university teaching computer science and digital design. After 1994, Peter turned his attention to the growing problem of computer malware with the development of a new detection method based on real time behavior analysis and classification. This work resulted in three granted patents. By the end of the millennium he had created a working prototype of the ‘Analytical Behavior Method’ to detect known and unknown malware. By 2002 the company was acquired by Internet Security Systems (now IBM) in Atlanta, with great benefited to the shareholders. BrainChip was founded in 2004 with the aim to develop a better method for machine recognition based on biology. Much time was devoted to the synapses, these tiny spots that occur on the body of neural cells in the brain. These tiny structures hold the key to learning and brain organization. This development was driven by the fact that the brain is a huge spiking neural network and the ultimate learning and recognition engine. The devices that were developed perform autonomous learning and feature extraction. Akida is the cumulation of this work. The research is documented in a book, published in 2012, called “Higher Intelligence”.
---------
Abstrakt
Die Akida-Architektur ist eine Weiterentwicklung der SNAP64-Technologie, die wir vor 4 Jahren entwickelt haben. Der SNAP64 war ein Testchip, der 4 Blöcke von 64 Neuronen mit je 256 Synapsen enthielt - insgesamt 65536 Synapsen. Der BrainChip Akida Chip und das Entwicklungsboard bieten eine flexible Architektur, ein neuromorphes System auf einem Chip, das viele Komponenten enthält, die in praktischen Anwendungen nützlich sind, wie Faltungsblöcke, Max-Pooling, programmierbare Spike-Generatoren (Gaussian Receptive Fields) zur Datenkonvertierung, einen lokalen ARM-Prozessor, mehrere Schnittstellenbusse und Video-Frame-to-Spike-Konverter sowie ein großes "Gewebe" aus Faltungsneuronen und vollständig verbundenen, autonom lernenden Neuronen.
Biographie
Peter arbeitet seit 2004 an neuromorphen Systemen. Im Jahr 2008 meldete er ein Patent an, das einen digitalen Spiking Neuron Prozessor beschreibt, der später erteilt wurde. Peter begann seine Karriere 1974, nachdem er seine Ausbildung an der Technischen Universität Amsterdam abgeschlossen hatte. Aufgrund seines Interesses an digitaler Elektronik begann er seine Arbeit bei Sperry Univac in Sydney, Australien. Sperry Univac sponserte ihn, um Qualifikationen in digitaler Logik und Programmierung zu erlangen. Sperry Univac war 1974 der zweitgrößte Hersteller von Großrechneranlagen. Aufgrund seines Interesses an dem aufkommenden Mikrocomputerbereich kam er zu Olivetti, als sich die Gelegenheit bot, tiefer in Mikroprozessoren einzutauchen. In den folgenden Jahren arbeitete er bei mehreren großen Unternehmen und wurde in den Bereichen Hardware- und Chipdesign ausgebildet. In den frühen 1980er Jahren entwickelte er einen Grafikbeschleuniger-Chip, der die Grenzen der Technologie sprengte. Dieser Grafikbeschleuniger-Chip hatte eine Auflösung von 900 x 1200 Pixel in 4096 Farben und verwendete einen 20-Zoll-Bildschirm. Der Grafikkern wurde mit bis zu 120 MHz getaktet, was damals sehr hoch war. Von 1988 bis 1994 arbeitete er an einer Universität und lehrte Informatik und Digitales Design. Nach 1994 widmete sich Peter dem wachsenden Problem der Computer-Malware mit der Entwicklung einer neuen Erkennungsmethode, die auf Echtzeit-Verhaltensanalyse und -Klassifizierung basiert. Diese Arbeit führte zu drei erteilten Patenten. Bis zum Ende des Jahrtausends hatte er einen funktionierenden Prototyp der'Analytical Behavior Method' entwickelt, um bekannte und unbekannte Malware zu erkennen. Im Jahr 2002 wurde das Unternehmen von Internet Security Systems (heute IBM) in Atlanta übernommen, was den Aktionären sehr zugute kam. BrainChip wurde 2004 mit dem Ziel gegründet, eine bessere Methode zur Maschinenerkennung auf Basis der Biologie zu entwickeln. Viel Zeit wurde den Synapsen gewidmet, diesen winzigen Flecken, die auf dem Körper von Nervenzellen im Gehirn auftreten. Diese winzigen Strukturen sind der Schlüssel zum Lernen und zur Organisation des Gehirns. Diese Entwicklung wurde durch die Tatsache angetrieben, dass das Gehirn ein riesiges neuronales Netzwerk und die ultimative Lern- und Erkennungsmaschine ist. Die entwickelten Geräte führen autonomes Lernen und Merkmalsextraktion durch. Akida ist die Kumulation dieser Arbeit. Die Forschung ist in einem Buch dokumentiert, das 2012 unter dem Titel "Higher Intelligence" veröffentlicht wurde.
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 58.225.395 von H2OAllergiker am 16.07.18 17:03:22MPSoC’18
29. Juli - 3. August 2018 / The Cliff Lodge / Snowbird, UT, USA
Fokus
Multicore- und Multiprozessor-SoCs (MPSoCs) läuteten eine neue Ära ein, brachten aber eine doppelte Herausforderung mit sich: die Entwicklung von HW, die von SW-Designern einfach zu bedienen ist, und die Entwicklung von SW, die die HW-Fähigkeiten voll ausnutzt. Die Hauptthemen des MPSoC-Forums sind die Anpassung von HW und SW für bessere Kosten, Leistungen und Energieeffizienz von Computersystemen der nächsten Generation. Neue SW- und HW-Designtechnologien und -architekturen in Kombination mit fortschrittlichen Halbleiterherstellungstechnologien werden erforscht, um energieeffiziente Multicore-Architekturen für fortschrittliches Computing (Image, Vision und Cloud) und verteilte vernetzte Systeme aufzubauen.
Warum teilnehmen
Dank des Wochenformats und der hohen Qualität der Teilnehmer und Referenten ist MPSoC eine einzigartige Gelegenheit für Führungskräfte und Führungskräfte, neue Ideen zu erforschen und strategisches Denken zu verfeinern. MPSoC ist die beste Veranstaltung der Welt, die so viele führende Denker über die Zukunft des HW- und SW-Designs zusammenbringt. Es ermöglicht ein großartiges informelles Networking und den Austausch mit erfahrenen, renommierten Forschern und hochkarätigen akademischen und industriellen Experten. Sie schlägt Brücken zwischen verschiedenen technischen Bereichen und Unternehmen, Instituten und Ländern. Schließlich ist es ein einzigartiges Umfeld für alle, die ihr Wissen mit Forschern und Führungskräften aus der Industrie teilen wollen.
Inhaltsverzeichnis
MPSoC ist ein interdisziplinäres Forum, das wichtige F&E-Akteure aus den verschiedenen Bereichen zusammenbringt, die für die Entwicklung von Multicore- und Multiprozessor-HW- und SW-Systemen erforderlich sind. Das Programm bringt Experten für wichtige HW- und SW-Architekturen (Prozessor, Speicher, I/O, Interconnect, RTOS, GFX, Virtualisierung, anwendungs-(domänenspezifische) Beschleunigungs- und Systemarchitekturen), Designtechnologien (parallele Programmierung, Rapid Prototyping, Systemdesign-Modelle und -Tools) und neue Halbleitertechnologien (heterogene Integration, 3D, Photonik) zusammen, um das Denken der nächsten Generation zu fördern und die Lücke zwischen HW und SW zu schließen. Rund 60 hochkarätige F&E-Referenten diskutieren grundlegende und strategische Fragen zur Beherrschung von Software-definierter Hardware für energieeffizientes und leistungsstarkes Computing.
Das Programm beinhaltet Keynotes zu den wichtigsten HW- und SW-Trends und technische Vorträge, um strategische Richtungen und den neuesten Stand der Forschung vorzustellen. Das fünftägige Programm beinhaltet auch ausführliche Vorträge über technologische Herausforderungen und kurze Keynotes, gefolgt von aufschlussreichen Panels. Alle Vorträge werden von CTO-Referenten aus der Industrie und Weltklasse-Professoren aus der Wissenschaft gehalten.
Gebühr
Bei Anmeldung vor dem 31. Mai 2018 beträgt die Gebühr 1400 USD für reguläre Teilnehmer, 1190 USD für IEEE- und EDAA-Mitglieder und 850 USD für Referenten. Jeder Redner darf Junior-Teilnehmer (Student) gegen eine Gebühr von 790 USD einladen. Es umfasst die Dokumentation, das Mittagessen für fünf Tage, das Abendessen für fünf Tage einschließlich des gesellschaftlichen Abendessens.
29. Juli - 3. August 2018 / The Cliff Lodge / Snowbird, UT, USA
Fokus
Multicore- und Multiprozessor-SoCs (MPSoCs) läuteten eine neue Ära ein, brachten aber eine doppelte Herausforderung mit sich: die Entwicklung von HW, die von SW-Designern einfach zu bedienen ist, und die Entwicklung von SW, die die HW-Fähigkeiten voll ausnutzt. Die Hauptthemen des MPSoC-Forums sind die Anpassung von HW und SW für bessere Kosten, Leistungen und Energieeffizienz von Computersystemen der nächsten Generation. Neue SW- und HW-Designtechnologien und -architekturen in Kombination mit fortschrittlichen Halbleiterherstellungstechnologien werden erforscht, um energieeffiziente Multicore-Architekturen für fortschrittliches Computing (Image, Vision und Cloud) und verteilte vernetzte Systeme aufzubauen.
Warum teilnehmen
Dank des Wochenformats und der hohen Qualität der Teilnehmer und Referenten ist MPSoC eine einzigartige Gelegenheit für Führungskräfte und Führungskräfte, neue Ideen zu erforschen und strategisches Denken zu verfeinern. MPSoC ist die beste Veranstaltung der Welt, die so viele führende Denker über die Zukunft des HW- und SW-Designs zusammenbringt. Es ermöglicht ein großartiges informelles Networking und den Austausch mit erfahrenen, renommierten Forschern und hochkarätigen akademischen und industriellen Experten. Sie schlägt Brücken zwischen verschiedenen technischen Bereichen und Unternehmen, Instituten und Ländern. Schließlich ist es ein einzigartiges Umfeld für alle, die ihr Wissen mit Forschern und Führungskräften aus der Industrie teilen wollen.
Inhaltsverzeichnis
MPSoC ist ein interdisziplinäres Forum, das wichtige F&E-Akteure aus den verschiedenen Bereichen zusammenbringt, die für die Entwicklung von Multicore- und Multiprozessor-HW- und SW-Systemen erforderlich sind. Das Programm bringt Experten für wichtige HW- und SW-Architekturen (Prozessor, Speicher, I/O, Interconnect, RTOS, GFX, Virtualisierung, anwendungs-(domänenspezifische) Beschleunigungs- und Systemarchitekturen), Designtechnologien (parallele Programmierung, Rapid Prototyping, Systemdesign-Modelle und -Tools) und neue Halbleitertechnologien (heterogene Integration, 3D, Photonik) zusammen, um das Denken der nächsten Generation zu fördern und die Lücke zwischen HW und SW zu schließen. Rund 60 hochkarätige F&E-Referenten diskutieren grundlegende und strategische Fragen zur Beherrschung von Software-definierter Hardware für energieeffizientes und leistungsstarkes Computing.
Das Programm beinhaltet Keynotes zu den wichtigsten HW- und SW-Trends und technische Vorträge, um strategische Richtungen und den neuesten Stand der Forschung vorzustellen. Das fünftägige Programm beinhaltet auch ausführliche Vorträge über technologische Herausforderungen und kurze Keynotes, gefolgt von aufschlussreichen Panels. Alle Vorträge werden von CTO-Referenten aus der Industrie und Weltklasse-Professoren aus der Wissenschaft gehalten.
Gebühr
Bei Anmeldung vor dem 31. Mai 2018 beträgt die Gebühr 1400 USD für reguläre Teilnehmer, 1190 USD für IEEE- und EDAA-Mitglieder und 850 USD für Referenten. Jeder Redner darf Junior-Teilnehmer (Student) gegen eine Gebühr von 790 USD einladen. Es umfasst die Dokumentation, das Mittagessen für fünf Tage, das Abendessen für fünf Tage einschließlich des gesellschaftlichen Abendessens.
jetzt verstehe ich erstmals auch die Bedeutung von Akida...
ich bin nun zuversichtlich, der Chart sieht auch ganz gut aus.
Mit dieser Akida-Softwareumgebung für Entwickler können diese mit den SNNs nun erstmals simulieren und entwickeln, um sich auf den Hardware-Akida vorzubereiten, das was BRN immer ausmachte.
Die bald folgenden Schritte kann man sich ausmalen.
ich bin nun zuversichtlich, der Chart sieht auch ganz gut aus.
Mit dieser Akida-Softwareumgebung für Entwickler können diese mit den SNNs nun erstmals simulieren und entwickeln, um sich auf den Hardware-Akida vorzubereiten, das was BRN immer ausmachte.
Die bald folgenden Schritte kann man sich ausmalen.
Antwort auf Beitrag Nr.: 58.300.469 von H2OAllergiker am 25.07.18 17:27:20Darf man fragen: Was haben Sie denn in Ihrem Depot so eingebunkert?
BRN weiss ich, NNDM glaube ich..........................???
Sie können(?!?!?!?!?) sich auch mal mit Dieser Firma beschäftigen:
http://borealis.com/press/index.shtml
Ich habe da Einige Anteile,
und stehe mit den Boys in Austausch.
BRN weiss ich, NNDM glaube ich..........................???
Sie können(?!?!?!?!?) sich auch mal mit Dieser Firma beschäftigen:
http://borealis.com/press/index.shtml
Ich habe da Einige Anteile,
und stehe mit den Boys in Austausch.
BRN, A3D, und Silber - SVM, EXK mehr nicht zur Zeit, warte den Sommer ab, der es in sich haben dürfte.
Die FAANG´s können, müssens aber nicht - jeden Moment zusammenbrechen.
Von den Techs: TSLA ist auf der Watch, DDD, SSYS, ESU ebenso und NNDM, die fliegen öfters hin und her.
NXO schau ich auch, aber kein musthave.
Wo ich keinen - auch persönlichen - Bezug habe(FB, GOOG , MSFT, AMZN etc.), kann ich auch nicht überzeugt investieren, TSLA ist eine Ausnahme, da noch jung und zerstörerisch für die dt. Industrie etc., ich würde dennoch keinen fahren, dazu liebe ich die Freiheit zu sehr.
Die FAANG´s können, müssens aber nicht - jeden Moment zusammenbrechen.
Von den Techs: TSLA ist auf der Watch, DDD, SSYS, ESU ebenso und NNDM, die fliegen öfters hin und her.
NXO schau ich auch, aber kein musthave.
Wo ich keinen - auch persönlichen - Bezug habe(FB, GOOG , MSFT, AMZN etc.), kann ich auch nicht überzeugt investieren, TSLA ist eine Ausnahme, da noch jung und zerstörerisch für die dt. Industrie etc., ich würde dennoch keinen fahren, dazu liebe ich die Freiheit zu sehr.
Teradyne fehlt noch, ist gerade ins Depot
Meinem Eindruck nach wird Ihr strategischen Denken besser.
Würd ich, if true, DRANBLEIBEN.
Würd ich, if true, DRANBLEIBEN.
Usermeinung MrSiliconValley über hotcopper:
https://hotcopper.com.au/threads/ann-brainchip-unveils-the-a…
Viel hin und her über das Unternehmen und wohin es unterwegs ist.
Nehmen Sie es mit einem Körnchen Salz, aber ich denke, es gibt viele Leute, die BrainChip genau beobachten. Das ist aus gutem Grund ein leiser Motor geworden.
Ich werde offen sein. Es reicht nicht, dass Akida für den Markt freigegeben wird, um aufzuwachen. Es muss für den Produktmarkt geeignet sein. Wir brauchen große Namen, die irgendwie verbunden sind. Wir brauchen viele Kunden und viele $$$$, die hereinkommen.
BrainChip ist der einzige ASX Tech Coy, den ich kenne, der über $100m Bewertung mit (lassen Sie uns ehrlich sein) wenig zu keinem Einkommen für alle diese Jahre geblieben ist. Wenn das nicht aussagekräftig ist, was diese Aktie sein könnte, weiß ich nicht, was es sein könnte.
Ich bin gespannt auf das Quartal und hoffe, von Lou zu hören.
Übersetzt mit www.DeepL.com/Translator
https://hotcopper.com.au/threads/ann-brainchip-unveils-the-a…
Viel hin und her über das Unternehmen und wohin es unterwegs ist.
Nehmen Sie es mit einem Körnchen Salz, aber ich denke, es gibt viele Leute, die BrainChip genau beobachten. Das ist aus gutem Grund ein leiser Motor geworden.
Ich werde offen sein. Es reicht nicht, dass Akida für den Markt freigegeben wird, um aufzuwachen. Es muss für den Produktmarkt geeignet sein. Wir brauchen große Namen, die irgendwie verbunden sind. Wir brauchen viele Kunden und viele $$$$, die hereinkommen.
BrainChip ist der einzige ASX Tech Coy, den ich kenne, der über $100m Bewertung mit (lassen Sie uns ehrlich sein) wenig zu keinem Einkommen für alle diese Jahre geblieben ist. Wenn das nicht aussagekräftig ist, was diese Aktie sein könnte, weiß ich nicht, was es sein könnte.
Ich bin gespannt auf das Quartal und hoffe, von Lou zu hören.
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 58.301.192 von H2OAllergiker am 25.07.18 18:53:30Wo ich keinen - auch persönlichen - Bezug habe(FB, GOOG , MSFT, AMZN etc.), kann ich auch nicht überzeugt investieren
_________________________________________________________________________
Finde ich Eine sehr, sehr Gute, Vernüftige Haltung.
Soll nicht heissen Diesen Techkram dann Alles zu benutzen, aber geht Mir ähnlich.
Man muss "Irgendwas mit anfangen, sich Irgendwie idENTIFIZIEREN können", geht Mir jedenfalls so.
Dürfte m.E. sehr, sehr interessant zu sehen werden Was BRN noch Alles enABLEN wird.
_________________________________________________________________________
Finde ich Eine sehr, sehr Gute, Vernüftige Haltung.
Soll nicht heissen Diesen Techkram dann Alles zu benutzen, aber geht Mir ähnlich.
Man muss "Irgendwas mit anfangen, sich Irgendwie idENTIFIZIEREN können", geht Mir jedenfalls so.
Dürfte m.E. sehr, sehr interessant zu sehen werden Was BRN noch Alles enABLEN wird.
Sieht so aus, als würde jetzt ein kursstützender Newsflow starten.
Einsehbar unter der bekannten Homepage von BRN - Übersetzung!:
Das Computerunternehmen BrainChip Holdings (ASX: BRN) möchte seine neuartigen "neuromorphen" Computerlösungen auf dem jährlichen Multiprozessor-System-on-Chip-Forum (MPSoC) vom 29. Juli bis 3. August in Snowbird, Utah, vorstellen.
Das MPSoC-Forum ist ein jährlich in den USA stattfindendes "Software Defined Hardware Event", bei dem neue Software- und Hardwarearchitekturen, Designtechnologien und Innovationen in der Halbleiterfertigung vorgestellt werden.
Nach Angaben des Unternehmens bietet die bevorstehende Messe eine hervorragende Gelegenheit, seine Produkte mit dem Gründer und CTO Peter van der Made vorzustellen, der zu den 60 Weltklasse-KI-Entwicklern und -Forschern gehören soll, die auf der Veranstaltung sprechen.
Über neuromorphes Computing nachdenken
BrainChip entwickelt beschleunigte künstliche Intelligenz und maschinelle Lern-Software und -Hardware.
Als kommerzielles Unternehmen will es den wachsenden Bedarf an KI-gestützten Lösungen nutzen, indem es "Spiking Neural Networks" kommerzialisiert, eine Art neuromorphes Computing, das die Funktionalität des menschlichen Gehirns simuliert.
BrainChip hat bestätigt, dass Herr van der Made während seiner Präsentation auf dem Forum in Utah nächste Woche einen detaillierten Einblick in den energieeffizienten und vielseitigen Ansatz von BrainChip für neuronale Netzwerke (SNN) geben wird.
"Der Akida NSoC ist der Höhepunkt von über einem Jahrzehnt Entwicklung und das erste Gerät zur Beschleunigung neuronaler Netzwerke in Produktionsumgebungen", sagt Peter van der Made.
Die leistungsstarke SNN-Plattform von BrainChip ist eine Art künstliches neuronales Netzwerk, das die Funktionalität der Synapsen und Neuronen des menschlichen Gehirns emuliert.
Einzigartig an BrainChips SNN ist die Fähigkeit, schnell aus kleinen Datensätzen zu lernen und "im Feld" weiter zu lernen, was es für viele Endmarktanwendungen anwendbar macht, einschließlich Vision-Systeme für zivile Überwachung, autonome Fahrzeuge, Robotik und Drohnen, Finanztechnologie und Cybersicherheit.
Als Beispiel für seine Anwendungen nennt BrainChip seine Produkte BrainChip Studio und BrainChip Accelerator zwei Kick-Off-Beispiele für Videoanalyselösungen, die Strafverfolgungs- und Nachrichtendienste bei der schnellen Suche nach riesigen Mengen an Videomaterial zur Identifizierung von Objekten oder Gesichtern unterstützen.
Im Laufe der Zeit hofft man, dass die weitere technische Entwicklung zusätzliche Anwendungen und innovative Produkte liefern wird, die sowohl von Verbrauchern als auch von Unternehmen benötigt werden.
BrainChip sagt, dass seine revolutionäre neue neuronale Netzwerktechnologie "wie das menschliche Gehirn autonom lernen, sich weiterentwickeln und Informationen verbinden kann", wobei seine Produkte bereits die Hochleistungsanforderungen in den Bereichen zivile Überwachung, Spiele, Finanztechnologie, Cybersicherheit, autonome Fahrzeuge und andere fortschrittliche Visionssysteme erfüllen.
Durchtrennen des roten Bandes auf Akida
Die kommende Tech-Show in Utah dient BrainChip als prominente Plattform, um seine neueste Entwicklung vorzustellen: die Akida Development Environment - erstmals Anfang dieser Woche vorgestellt.
Akida hat seinen Namen von dem griechischen Wort für "spike" (ακίδα) und stellt das Flaggschiffprodukt von BrainChip als Teil einer breiteren Mission dar, das führende neuromorphe Computerunternehmen zu werden, das in der Lage ist, komplexe Probleme zu lösen, die weltweite Industrie produktiver zu machen und "die menschliche Verfassung zu verbessern", sagte das Unternehmen.
Die Akida Entwicklungsumgebung ist ein maschinelles Lernframework zur Erstellung, Schulung und Prüfung von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte auf dem Akida Neuromorphic System-on-Chip (NSoC) des BrainChips unterstützt.
Trotz der frühen Phase seines übergreifenden Entwicklungsplans könnten die von Akida entwickelten Anwendungen der öffentlichen Sicherheit, dem Verkehrswesen, der landwirtschaftlichen Produktivität, der finanziellen Sicherheit, der Cybersicherheit und dem Gesundheitswesen dienen.
Einige Analystenschätzungen gehen davon aus, dass diese bedeutenden Wachstumsmärkte zusammengenommen bis 2025 eine Chance von 4,5 Milliarden US-Dollar bieten.
"Diese Entwicklungsumgebung ist die erste Phase der Kommerzialisierung von neuromorphem Computing auf Basis des bahnbrechenden Akida-Neuronendesigns von BrainChip", sagte Bob Beachler, Senior Vice President of Marketing and Business Development bei BrainChip.
"Es bietet alles, was ein Benutzer zum Entwickeln, Trainieren und Ausführen von Ableitungen für neuronale Netze benötigt. Akida ist auf wachstumsstarke Märkte ausgerichtet, die eine Multimilliarden-Dollar-Chance bieten, und wir arbeiten bereits mit führenden Unternehmen in wichtigen Marktsegmenten zusammen", sagte Herr Beachler.
Übersetzt mit www.DeepL.com/Translator
Einsehbar unter der bekannten Homepage von BRN - Übersetzung!:
Das Computerunternehmen BrainChip Holdings (ASX: BRN) möchte seine neuartigen "neuromorphen" Computerlösungen auf dem jährlichen Multiprozessor-System-on-Chip-Forum (MPSoC) vom 29. Juli bis 3. August in Snowbird, Utah, vorstellen.
Das MPSoC-Forum ist ein jährlich in den USA stattfindendes "Software Defined Hardware Event", bei dem neue Software- und Hardwarearchitekturen, Designtechnologien und Innovationen in der Halbleiterfertigung vorgestellt werden.
Nach Angaben des Unternehmens bietet die bevorstehende Messe eine hervorragende Gelegenheit, seine Produkte mit dem Gründer und CTO Peter van der Made vorzustellen, der zu den 60 Weltklasse-KI-Entwicklern und -Forschern gehören soll, die auf der Veranstaltung sprechen.
Über neuromorphes Computing nachdenken
BrainChip entwickelt beschleunigte künstliche Intelligenz und maschinelle Lern-Software und -Hardware.
Als kommerzielles Unternehmen will es den wachsenden Bedarf an KI-gestützten Lösungen nutzen, indem es "Spiking Neural Networks" kommerzialisiert, eine Art neuromorphes Computing, das die Funktionalität des menschlichen Gehirns simuliert.
BrainChip hat bestätigt, dass Herr van der Made während seiner Präsentation auf dem Forum in Utah nächste Woche einen detaillierten Einblick in den energieeffizienten und vielseitigen Ansatz von BrainChip für neuronale Netzwerke (SNN) geben wird.
"Der Akida NSoC ist der Höhepunkt von über einem Jahrzehnt Entwicklung und das erste Gerät zur Beschleunigung neuronaler Netzwerke in Produktionsumgebungen", sagt Peter van der Made.
Die leistungsstarke SNN-Plattform von BrainChip ist eine Art künstliches neuronales Netzwerk, das die Funktionalität der Synapsen und Neuronen des menschlichen Gehirns emuliert.
Einzigartig an BrainChips SNN ist die Fähigkeit, schnell aus kleinen Datensätzen zu lernen und "im Feld" weiter zu lernen, was es für viele Endmarktanwendungen anwendbar macht, einschließlich Vision-Systeme für zivile Überwachung, autonome Fahrzeuge, Robotik und Drohnen, Finanztechnologie und Cybersicherheit.
Als Beispiel für seine Anwendungen nennt BrainChip seine Produkte BrainChip Studio und BrainChip Accelerator zwei Kick-Off-Beispiele für Videoanalyselösungen, die Strafverfolgungs- und Nachrichtendienste bei der schnellen Suche nach riesigen Mengen an Videomaterial zur Identifizierung von Objekten oder Gesichtern unterstützen.
Im Laufe der Zeit hofft man, dass die weitere technische Entwicklung zusätzliche Anwendungen und innovative Produkte liefern wird, die sowohl von Verbrauchern als auch von Unternehmen benötigt werden.
BrainChip sagt, dass seine revolutionäre neue neuronale Netzwerktechnologie "wie das menschliche Gehirn autonom lernen, sich weiterentwickeln und Informationen verbinden kann", wobei seine Produkte bereits die Hochleistungsanforderungen in den Bereichen zivile Überwachung, Spiele, Finanztechnologie, Cybersicherheit, autonome Fahrzeuge und andere fortschrittliche Visionssysteme erfüllen.
Durchtrennen des roten Bandes auf Akida
Die kommende Tech-Show in Utah dient BrainChip als prominente Plattform, um seine neueste Entwicklung vorzustellen: die Akida Development Environment - erstmals Anfang dieser Woche vorgestellt.
Akida hat seinen Namen von dem griechischen Wort für "spike" (ακίδα) und stellt das Flaggschiffprodukt von BrainChip als Teil einer breiteren Mission dar, das führende neuromorphe Computerunternehmen zu werden, das in der Lage ist, komplexe Probleme zu lösen, die weltweite Industrie produktiver zu machen und "die menschliche Verfassung zu verbessern", sagte das Unternehmen.
Die Akida Entwicklungsumgebung ist ein maschinelles Lernframework zur Erstellung, Schulung und Prüfung von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte auf dem Akida Neuromorphic System-on-Chip (NSoC) des BrainChips unterstützt.
Trotz der frühen Phase seines übergreifenden Entwicklungsplans könnten die von Akida entwickelten Anwendungen der öffentlichen Sicherheit, dem Verkehrswesen, der landwirtschaftlichen Produktivität, der finanziellen Sicherheit, der Cybersicherheit und dem Gesundheitswesen dienen.
Einige Analystenschätzungen gehen davon aus, dass diese bedeutenden Wachstumsmärkte zusammengenommen bis 2025 eine Chance von 4,5 Milliarden US-Dollar bieten.
"Diese Entwicklungsumgebung ist die erste Phase der Kommerzialisierung von neuromorphem Computing auf Basis des bahnbrechenden Akida-Neuronendesigns von BrainChip", sagte Bob Beachler, Senior Vice President of Marketing and Business Development bei BrainChip.
"Es bietet alles, was ein Benutzer zum Entwickeln, Trainieren und Ausführen von Ableitungen für neuronale Netze benötigt. Akida ist auf wachstumsstarke Märkte ausgerichtet, die eine Multimilliarden-Dollar-Chance bieten, und wir arbeiten bereits mit führenden Unternehmen in wichtigen Marktsegmenten zusammen", sagte Herr Beachler.
Übersetzt mit www.DeepL.com/Translator
Am 1.8 findet wieder ein Quartals-Webinar mit Luis statt, wer Fragen hat, kann sie an die Kontaktadresse, s.u. schicken.
https://d1io3yog0oux5.cloudfront.net/_effed8c31d4f6303e95f2a…
https://d1io3yog0oux5.cloudfront.net/_effed8c31d4f6303e95f2a…
BrainChip Holdings (ASX:BRN) June 2018 Quarter Update
BrainChip Bestände (ASX:BRN) Juni 2018 Quartalsbericht
Unternehmenspräsentationen
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
August 02, 2018 03:30 PM
Der CEO von BrainChip Holdings Limited (ASX:BRN), Louis DiNardo, stellt ein Quartals-Update vom Juni 2018 über die Akida Entwicklungsumgebung, das BrainChip Studio und die Veritone Ankündigung zur Verfügung.
Guten Morgen, allerseits. Das ist Lou DiNardo. Danke, dass Sie sich unserem Ruf angeschlossen haben. Dies ist das Quartals-Update vom Juni 2018. Ich wähle mich eigentlich aus Europa ein. Ich weiß, dass einige von Ihnen mir eine Notiz über den Zeitpunkt dieses Anrufs hinterlassen haben. Es ist also ungefähr 8 Uhr morgens hier in Europa. Ich glaube, es ist ungefähr 16 Uhr in Sydney und ein Uhr in Westaustralien. Ich werde heute viel berichten. Wie Sie wissen, führen wir diese Anrufe vierteljährlich durch. Ich denke, es ist eine gute Praxis. Es ist eine gute Möglichkeit für uns, mit einzelnen Investoren zu interagieren. Ich habe eine Reihe von Fragen bekommen und, wie Sie wissen, versuche ich, diese Antworten während der Präsentation zu weben. Wenn ich etwas verpasst habe, gehe ich die Liste noch einmal durch, wenn wir am Ende des Anrufs sind.
Ich möchte auch sagen, dass die Fragen, die ich denke, wirklich gut waren. Viele gut informierte Fragen, die sich wirklich auf die Akida-Entwicklung, die Akida-Einführung, die für uns wirklich der große Aufwand und der große Preis sind, konzentrierten. Also werde ich direkt in die Präsentation springen.
Seite zwei ist der Standard-Haftungsausschluss, Sie haben ihn jedes Quartal gesehen, Sie haben wahrscheinlich Dutzende von ihnen gesehen. Lesen Sie es nach Belieben. Ich werde einfach weitermachen.
Nur ein Überblick über das, was wir heute ansprechen werden und das sind die Highlights des Quartals, und es ist wirklich nicht nur ein Quartalsupdate, es ist wirklich ein Update seit dem letzten Quartalsupdate. Wenn wir diese Sache stutzen und nicht über Dinge reden würden, die nach dem Quartal passiert sind, würden wir eine Menge Material weglassen. Also nach dem Ende des Quartals, es ist nach dem Juni Quartal, aber vor diesem Aufruf, kündigten wir die Akida Development Environment.
Das war eine äußerst spannende Entwicklung für das Unternehmen. Wir bekommen eine Menge gute Presse auf der ganzen Welt. Ich werde auf einige Details über die Akida-Entwicklungsumgebung eingehen und was das in der Entwicklung des Akida-Projekts und der endgültigen Einführung eines integrierten Schaltkreises bedeutet.
BrainChip Studio, wir hatten einen zweiten Start im Quartal. Grundsätzlich war dies die Linux-Version von BrainChip Studio und BrainChip Accelerator. Der erste Start erfolgte auf einer Microsoft-Plattform, ein Großteil der Industrie arbeitet unter Linux. Außerdem wurden einige inkrementelle Funktionen wie die Autorotation von Modellen hinzugefügt, was für den Kunden von großem Wert ist. Da sie ein Modell einrichten, können sie automatisch drehen, sie müssen nicht mehrere Modelle einrichten. Und eine API für die einfache Systemintegration.
Die API richtet sich wirklich an die OEM-Kundenbasis. Endanwender verwenden BrainChip Studio von der Stange und die grafische Benutzeroberfläche oder die mit BrainChip Studio mitgelieferte Benutzeroberfläche. Wenn Sie in der OEM-Welt arbeiten, ist es eher eine eingebettete Anwendung. Der Endkunde, der Kunde unseres Kunden, wird wahrscheinlich nicht einmal wir sein. Sie wird in die Systemintegration unserer OEM-Partner eingebettet.
Wir haben die Zusammenarbeit mit Veritone angekündigt. Ihre aiWare ist ein sehr schönes Softwarepaket. Software als Dienstleistung. Also ist es eine Cloud-basierte Anwendung. Sie machen es auch vor Ort. Veritone hat bei der Einführung von aiWare eine Menge guter Pressearbeit geleistet und wir freuen uns, mit ihnen zusammenzuarbeiten. Das Projekt schreitet gut voran und die Integration läuft gut.
Wir unterzeichneten unseren ersten Herstellervertreter. Ich denke, ich hatte die Gelegenheit, beim letzten Anruf darüber zu sprechen, also werde ich nicht zu sehr darauf eingehen. Aber Bager in Südkalifornien. Es ist eine Repräsentantenfirma, die es seit über 30 Jahren gibt, und ich denke, es ist die stärkste Repräsentantenorganisation der Hersteller in Südkalifornien. Sie konzentrieren sich auf einige Endbenutzer-Engagements, und sie werden sich auch stark auf die Einführung von Akida konzentrieren. Sie sind in der Regel ein sehr leistungsstarker Vertreter der Siliziumhersteller, also passt es wirklich gut zu uns.
Wir haben James Roe hinzugefügt, nachdem das Quartal endete, aber vor diesem Aufruf. Dies ist wirklich ein Fokus auf Endbenutzerengagements. Es gibt einen ziemlich großen Unterschied zwischen einem Anruf bei einem OEM-Kunden, bei dem Sie schließlich entweder das Softwarepaket oder eher den Akida-Chip verkaufen werden, im Vergleich zu einem Anruf bei Polizeidienststellen, kommunalen Strafverfolgungsbehörden, Bundesbehörden, Schulen und Krankenhäusern.
Diese Endbenutzerengagements sind wirklich die Stärke von James. Er hat Amerika in früheren Leben abgedeckt, er ist ein sehr erfahrener Vertriebsmitarbeiter, und er hat auch sehr eng mit den Polizeibehörden zusammengearbeitet. Er hat eine so genannte POST-Zertifizierung, die ein Zertifikat für die Ausbildung zum Polizeibeamten ist. So kann er in jede Polizeistation gehen, seine POST-Plakette aufblitzen lassen und wird sofort akzeptiert.
ÜbersAußerdem haben wir eine Änderung in der Zusammensetzung unseres Verwaltungsrats angekündigt. Wie die meisten von Ihnen wissen, ist Mick Bolto zum Zeitpunkt der Hauptversammlung in den Ruhestand getreten. Wir hatten Steve Liebeskind. Manny Hernandez ist nun Vorsitzender des Vergütungsausschusses, Julie Stein ist Vorsitzende des Prüfungsausschusses. Julie ist jetzt auch unsere führende unabhängige Regisseurin.
Wir haben Nominierung und Governance getrennt, anstatt einen dritten Ausschuss zu schaffen, geht die Nominierung mit der Vergütung und die Governance mit der Prüfung einher. Wir haben einen relativ kleinen Vorstand, wir haben vier nicht-exekutive Direktoren, also gerade genug, um alle Ausschussaufgaben abzudecken, und Julie und ich haben die Verantwortung mit mir als Interim Executive Chairman, der sich mit Investoren und Dingen auf dieser Seite des Hauses beschäftigt, geteilt. Und Julie kümmert sich wirklich um die Geschäftsführung, um die Verwaltung einer Reihe von großen, großen Projekten, wie Sie sehen werden. Wenn nicht schon, werden Sie bald sehen, dass wir sechs unserer internen Richtlinien neu formuliert haben. Wir müssen sie als öffentliche Gesellschaft behalten. In diesen ASX-Listing-Regeln, ASIC-Richtlinien, und wir müssen diese aktuell und zeitgemäß halten, so dass Sie sechs überarbeitete Policy Statements sowie drei überarbeitete Chartas sehen werden.
Das sind so ziemlich die Highlights, über die ich berichten werde. Ich werde direkt in das Deck von BrainChip Studio und dem Accelerator springen. Es ist jetzt wirklich gegabelt, wir haben einen Endbenutzer und eine Reihe von Engagements, wo Software verkauft wird, Hardware verkauft wird, und das ist in erster Linie oder ausschließlich Vision Systems. Wie Sie wissen, hätte die zivile Überwachung, die kommerzielle Überwachung hier vielleicht sogar als dritte Kugel aufgeführt werden sollen, wissen Sie, was wir BrainChip-Spiele nennen könnten, was das Engagement ist, das wir mit Gaming Products International haben. BrainChip Studio als Beschleuniger und Beschleuniger für OEMs ist die API-Version, in der OEMs ihre eigene API generieren können, die in ihren Stack eingebettet ist und Software zu sein beginnt, es könnte Hardware sein, wenn der Einsatz groß genug ist.
Dann wiederum wäre dies für Bildverarbeitungssysteme oder Videoanalytik. Jetzt sehen Sie in der unteren rechten Ecke eine der Anzeigen, die wir geschaltet haben, sie ist wirklich gut angekommen. Wir werden in wenigen Minuten über die Vertriebspipeline sprechen, aber wir generieren viele Leads, viele qualifizierte Gelegenheiten und viele Engagements rund um den Globus. Wir reden darüber, wenn wir auf den Märkten sind. Wenn wir uns Studio und Accelerator ansehen, werden die Automobilentwicklungen, an denen wir arbeiten, mit mehreren multinationalen Unternehmen fortgesetzt. Dabei handelt es sich sowohl um Automobilhersteller als auch um Zulieferer dieser Automobilhersteller. Und das sind große Dritte, keine kleinen Job-Shops. Wir sprechen von Multi-Milliarden-Dollar-Unternehmen sowohl in den USA als auch in Europa.
Ein Großteil des Engagements gilt der autonomen Fahrzeugentwicklung oder fortgeschrittenen Fahrerassistenzsystemen. Die bewegen sich also ganz gut. Das Endspiel im Automobil wird sicherlich Akida sein, es wird nicht BrainChip Studio sein, aber BrainChip Studio lässt sie die Dinge wirklich ausprobieren, um die Technologie zu verstehen. Bei einem europäischen Automobilhersteller liegt der Akida-Kernel seit einigen Monaten in ihren Händen. Sie lernen viel mit uns und wir lernen viel. Es hilft uns, die Akida-Definition zu verfeinern, um sicherzustellen, dass wir alle Funktionen und Haken und Vorteile haben, die die Automobilhersteller benötigen. Diese Überwachungs- und Sicherheitsaufgaben haben erheblich zugenommen.
Luis Coello ist seit ein oder zwei Quartalen in Europa. Tom Stengel hatte sich mehr auf Endbenutzer konzentriert, aber jetzt haben wir James Roe für Endbenutzer in Nordamerika, und wir haben immer noch Greg Ryan, der viele Geschäfte in Australien macht. Wie Sie in ein paar weiteren Folien eines Updates sehen werden, wo wir uns mit der zivilen Überwachung, der öffentlichen Sicherheit und der Strafverfolgung im Allgemeinen befinden. Gaming Products International, diese gemeinsame Entwicklung läuft recht gut. Es liegt im Zeitplan, es wurde von den Kunden gut angenommen. Ich besuchte Macau, nachdem ich vor kurzem durch Sydney gegangen war, ich schätze, es war im Mai, die G2E-Konferenz, sie demonstrierten ihr fortschrittliches Tischmanagementsystem. Sehr gut angenommen, alle Top-Gaming-Unternehmen der Welt waren vor allem von Sands, MGM, Win, Seminoles vertreten. So gut angenommen.
Wir haben Kundenversuche. Wir gehen davon aus, dass wir irgendwann im September und vielleicht sogar im August loslegen werden, was ich erst gestern Abend gelernt habe, und es wird in einer großen Veranstaltung, der G2E-Konferenz im Oktober in Las Vegas, weiter vorgestellt werden. Die Features und Funktionen sind gut angekommen, es gibt eine Menge Videoanalysen, die weitergehen, und die wieder mit einem RFID-System zusammenarbeiten, um die Währung zu sichern, das Konsumenten- oder Kundenverhalten zu betrachten, Wettmuster, alle Arten von Analysen in der Gaming-Community legen wirklich Wert darauf. So bewegt sich GPI entlang ziemlich freundlich, ich hatte wirklich Abendessen gestern Abend mit unserem Vorsitzenden hier in Paris.
Als ich nach Akida sprang, wies mich kürzlich jemand darauf hin, dass niemand weiß, was Akida bedeutet. Es ist ein schönes, einfaches Wort, aber es ist ein griechisches Wort für Spike. Peter, abgesehen davon, dass er ein Genie in neuronalen Netzwerken ist, ist er auch gerne ein bisschen ein Marketing-Typ. Das war seine Entdeckung, die wir als Branding für die Entwicklung neuronaler Netzwerk-ICs nutzen. Die Akida, lassen Sie mich die Akida-Entwicklung als Produkt durchgehen, weil ich sicher sein möchte, dass die Leute die Entwicklungsumgebung gegenüber dem FPGA gegenüber dem IC und möglicherweise sogar gegenüber dem Verkauf von geistigem Eigentum verstehen. Die Akida-Entwicklungsumgebung, die am 24. Juli veröffentlicht wurde, enthält die Daten zum Spike-Konverter. Denken Sie daran, dass die Daten nicht nativ aufgestockt sind, Sie nehmen nur die Daten und ob es sich dabei um pixelbasierte Daten handelt oder um Daten aus der Finanztechnik, Agrartechnik, IoT Systems, Sie müssen sie in Spikes umwandeln. Wir sind sicher gut im Bereich der Sehsysteme, wir haben die künstliche Netzhaut geschaffen, die wir im BrainChip Studio verwenden. Die ersten Daten zu Spike-Konverter, die in der Entwicklungsumgebung eingesetzt werden, werden für pixelbasierte Vision-Systeme sein, die sich im Zuge der Zusammenarbeit mit anderen Datenquellen weiterentwickeln werden. Wir haben es auch direkt an eine DVS-Kamera angeschlossen, die native Spikes out ist. Also die Entwicklungsumgebung, ich zeige Ihnen das Blockdiagramm, es ist wirklich dazu gedacht, Kunden zu geben, und das wird weit verbreitet sein. Es gab eine Frage, die ich über frühe Kundenengagements und qualifizierte Kundenengagements für das Entwicklungssystem bekam. Das ist wirklich eine Bemühung, es herauszubekommen, es in die Hände von Leuten zu bekommen, mit denen wir eng zusammengearbeitet haben, sicherzustellen, dass es gut debuggt wird, bevor wir groß und breit werden.
Wir planen, in Kürze eine architektonische Ankündigung zu machen, die wirklich enthüllt, was in Akida ist und wie es funktioniert. Ein Teil davon ist es nun, die Entwicklungsumgebung in die Praxis umzusetzen und sicherzustellen, dass wir so viel Feedback wie möglich von Kunden erhalten, mit denen wir zusammenarbeiten, sowie von einem breiten Spektrum von Forschern sowohl im akademischen Bereich als auch in der Industrie. Die architektonische Ankündigung, mit der wir vorsichtig sein müssen, müssen wir richtig timen, denn es gibt eine Menge Erfindungen, die in Akida eintreffen und patentiert werden müssen. Die letzte Sache, die Sie tun möchten, ist, etwas in die Öffentlichkeit zu stellen, bevor Sie Patente anmelden, die den Nutzen der Patente verhindern würden.
Also arbeitet Peter an Patenten. Also werden wir seine Geschäftsgeheimnisse behalten, weil wir denken, dass es sehr schwierig ist, sie zurückzuentwickeln. Es gibt keinen Grund, den Leuten zu sagen, wie wir die Dinge machen. Andere werden Patente beantragen. Aber die architektonische Ankündigung wird in Kürze erscheinen, wir werden Ihnen einen tiefen Einblick in die Leistungsfähigkeit sowohl des Designs als auch der Leistung geben. Welche Daten für Spike-Konverter werden verfügbar sein? Welche Art von Busschnittstellen wird es geben? Wie sieht die neuronale Netzwerkstruktur aus? Wie kann es angeschlossen werden? Es wird ein sehr tiefer Tauchgang auf den Architekten für Architektur. Sobald die architektonische Ankündigung raus ist, werden wir mit redaktionellen Roadshows unterwegs sein. Europa ist bereits für Anfang September, den 4. und 5. September geplant, wir werden kurz darauf die USA machen und dann werden wir wahrscheinlich nach Australien kommen und ich werde wahrscheinlich selbst Australien machen.
Bob Beachler war in London, München, sowie auf der United States Roadshow, wo er wahrscheinlich auch Peter mitgebracht hat. Damit diese Roadshow, denke ich, gut ankommt, haben wir bereits Redakteure in Europa eingerichtet. Redaktionssitzungen in Australien, von denen ich sagte, dass sie irgendwann im September stattfinden werden, und ich werde sie wahrscheinlich selbst durchführen. Die Entwicklungsumgebung ist mit einer Handvoll Kunden öffentlich zugänglich. Es wird immer breiter und breiter werden, wenn wir Feedback bekommen, aber es ist wirklich beabsichtigt, den Leuten zu erlauben, in der Software genau das zu simulieren, was sie sehen werden, wenn sie das FPGA bekommen und dann, wenn sie einen eventuellen IC bekommen.
Natürlich wird es langsamer laufen als auf dem IC oder dem FPGA, aber sie werden Leistungsbenchmarks sehen können, sie werden sehen können, welche Art von neuronaler Struktur sie aufbauen können, wie viele Schichten sie tief sie gehen wollen, wie viele Synopsen gegen die Anzahl der Neuronen und all die Konnektivität. So werden wir in der Lage sein, in der Entwicklungsumgebung ein vollständiges System zu implementieren, das ein Spiegelbild dessen ist, was sie im FPGA gesehen haben, und dann wieder, sobald wir den IC zur Verfügung haben. Die nächste Folie gibt Ihnen einen Eindruck davon, wie die Entwicklungsumgebung aussieht. Alles in der gepunkteten Linienbox ist in der Entwicklungsumgebung enthalten, man nimmt Daten von links, es geht zu Python-Skripten für die Vorverarbeitung, dann fällt es in die Ausführungsmaschine, die die Akida-Ausführungsmaschine ist, die wir den Kernel nannten, aber der Kernel war ein oder zwei Kerne, aber das ist viele, viele, viele Kerne. Es gibt ihnen also wirklich die Möglichkeit, in dieser Entwicklungsumgebung ein vollständiges System aufzubauen.
Sie können das Neuronenmodell sehen, die Trainingsmethoden und die Daten zu den Spike-Konvertern sind alle in der Ausführungsmaschine. Sie haben das Modell Zoo, ich denke, das ist ein interessanter Name, es ist wirklich ein Zoo oder eine Bibliothek von Modellen. Modelle, die entweder von uns entwickelt wurden oder wie wir die Entwicklungsumgebung in dem Bereich haben, in dem ich breit verteilt habe, werden Modelle erwerben, um diesen Modell-Zoo mit der Zeit zu bevölkern, die immer größer und größer werden. Jetzt Unterstützung von Werkzeugen fast alles, was Sie in der Welt der KI benötigen, vor allem in neuronalen Netzen, wissen Sie, Jupiter, Python, die Liste geht weiter. Das ist also die Entwicklungsmaschine, das wird ein Software-Drop, und wieder simuliert es die gesamte Akida-Entwicklungsumgebung, so dass Sie Ihre Entwicklung durchführen können. Wenn das FPGA herauskommt, portieren Sie es einfach auf das FPGA und führen es aus, und wenn wir an den Punkt kommen, an dem wir einen IC haben, portieren Sie es einfach auf den IC. Oder wenn wir eine PCIE-Karte für Unternehmensanwendungen haben, wissen Sie, dass Sie auf die PCIE-Karte portieren würden.
Das nächste Dia ist ein wenig darüber, wohin wir mit Akida als Reifeprozess gehen. Wir haben die Entwicklungsumgebung. Wie gesagt, das wird breit gestreut. Während die Entwicklungsumgebung verteilt ist und wir Feedback erhalten, hoffen wir auf viel und viel Feedback. Parallel dazu werden wir die FPGA-Entwicklungssysteme entwickeln. Also setzen Sie das FPGA auf ein Board, umwickeln es mit all den Dingen, die Sie für die Entwicklung Ihres neuronalen Netzwerks benötigen. Das FPGA-Entwicklungssystem wird nicht unbedingt ein Produkt für den Verkauf sein, es wird wirklich eine Entwicklungsumgebung für diejenigen sein, die Akida verwenden wollen.
Es ist interessant, dass ich eine Minute in die Entwicklungsumgebung zurückkehre. Die Entwicklungsumgebung soll genau das sein, eine Entwicklungsumgebung. Einige unserer früheren Engagements und Dialoge, die wir jetzt mit potenziellen Kunden führen, können die Entwicklungsumgebung so gestaltet werden, dass wir einige kundenspezifische Arbeiten durchführen, um Menschen dabei zu helfen, dieses System für bestimmte Anwendungsfälle zu entwickeln. Sie werden es lizenzieren, wir bekommen eine Lizenzgebühr, eine laufende Lizenzgebühr. Es ist ein Ort, an dem wir frühzeitig Geld verdienen können. Die Entwicklungsumgebung wird immer robuster, da wir Feedback erhalten, da wir mit spezifischen Verträgen und spezifischen Anwendungsfällen in bestimmten Märkten arbeiten. Es ist etwas, das wahrscheinlich ein Endprodukt für bestimmte Kundensegmente sein wird.
Geistiges Eigentum ist auch ein interessanter Bereich für die Zwecke der Zeit zu Geld und einige sehr große Möglichkeiten. Wenn man darüber nachdenkt, an den Rand zu gehen, denken IoT-Geräte an Überwachungskameras, sogar an Handys. Handys würde ich ein Randgerät in Betracht ziehen. Du wirst wahrscheinlich keinen Akida-Chip in ein Handy verkaufen. Wenn du dein Handy auseinander reißt, wirst du drei oder vier ICs darin finden, eine sehr große Integration. Die meisten der großen Handy-Hersteller, denken Sie an Apple, Samsung, Huawei, alle von ihnen tun einige interne Entwicklung ihrer eigenen Chips oder sie verwenden externe Ressourcen, um benutzerdefinierte Chips zu entwickeln. Sie möchten IP wie Akida in einen ihrer kundenspezifischen Chips einbauen. Also haben wir frühe Gespräche mit einem großen Handy-Hersteller. Es war eigentlich eine ganze Reihe von Meetings, ein Meeting in ihrer Einrichtung, ein Meeting in unserer Einrichtung, bei dem eine Arbeitserklärung entwickelt wurde, um zu definieren, was sie sich von Akida als IP-Schloss wünschen, das in einen ihrer sehr großen systemweiten Chips integriert ist.
Dann haben Sie natürlich das neuronale System von Akida auf einem Chip, den Sie auf der rechten Seite sehen. Das ist wirklich das Endspiel für uns, ist ein Lieferant dieses Chips im Volumen zu sein, sowohl am Rand als auch auf der nächsten Kugel wie PCIE-Beschleuniger. Also am Rand kauft man den Chip und im Unternehmen im Serverraum oder Rechenzentrum, in der Cloud steckt man eine PCIE-Karte ein und die hat mehrere Akida-Chips darauf, so dass man ein Vielfaches der Anzahl der Synapsen oder Neuronen, die man auf einem Akida-Chip bekommt, auf eine PCIE-Karte legen kann. Wenn wir die architektonische Ankündigung machen, werden wir über die Low-Power-Natur von Akida sprechen. Wir werden über seine Rechenleistung sprechen, die alle zum Vorschein kommen wird, wenn die architektonische Ankündigung herauskommt, aber wir haben uns wirklich auf einige herausragende Spezifikationen konzentriert, die uns in die Führungsposition bringen werden, wenn es darum geht, ihre eigenen Netzwerke oder neuromorphe IC's im Allgemeinen zu verstärken.
Das ist also nur ein bisschen mehr von dem, was ich gerade erwähnt habe, also sind die Edge-Anwendungen sehr klein. Ob es ein kleiner IC oder ein IP-Block ist, der integriert und extrem stromsparend ist. Wieder können Sie an Kameras denken, die Sie an IoT-Sensoren denken können, Sie können an Handys denken. Handys wären wahrscheinlich ein IP-Block. IoT-Sensoren wären wahrscheinlich ein Chip und Kameras wären wahrscheinlich ein IP-Block, obwohl es mehr High-End-Kameras oder zivile Überwachung der IC ist auch eine potenzielle Chance.
Wenn Sie sich Unternehmensanwendungen ansehen, sprechen Sie von Rechenzentren, von Servern, von Clad- und SaaS-basierten Systemen, von mehreren Geräten auf einer PCIE-Karte und von höchster Leistung bei geringstem Stromverbrauch. Das wird eine um Größenordnungen geringere Leistung sein als eine GPU-Installation eines CNN, der in SNN auf den Akida-Produkten läuft, es wird nur eine deutlich geringere Leistung sein und dient wirklich für Endanwendungen mit viel besserer Leistung.
Es gab eine Frage, ich werde versuchen und sicherstellen, dass ich zu den Fragen komme, während ich dies durchlaufe, es gab eine Frage über, Peter beantwortete eine Frage auf der Hauptversammlung, über in einem autonomen Fahrzeug, würde der Akida-Chip Seite an Seite mit dem Grafikprozessor sitzen, der die Berechnung durchführt, oder könnte Akida den Grafikprozessor ganz ersetzen? Natürlich denkt Peter groß und er denkt für die Zukunft und sagte: "Ja, wir könnten die GPU ersetzen." Das ist weit in der Zukunft. Der Spike im neuronalen Netzwerk wird wahrscheinlich zuerst in Wandler und Sensorschnittstellen und dann vielleicht als eine Lösung auf Kartenebene oder mehrere Chips seinen Weg finden und bestimmte Aufgaben als eine Art Co-Prozessor auf die GPU laden, wobei das Endspiel in der Zukunft sicherlich ihre eigenen Netzwerke reifen lässt und die Kunden mehr und mehr mit der Architektur vertraut werden und das, was sie erreichen können, mehr und mehr in die GPU-CPU-Landschaft einfließen wird.
Ich denke, ich habe das schon ein wenig angesprochen, die Automobilhersteller und Dritthersteller gehen sehr gut weiter. Wir bekommen architektonische Einblicke, wir sehen die Entwicklung spezifischer Regeln für das Erlernen von Anwendungen. Was uns bei diesen engen Engagements wirklich zugute kommt, sei es im Automobilbereich, sei es bei Fintech, Agtech, Cyber, ist, dass wir die Lernregeln entwickeln können, die notwendig sind, um bestimmte Datenflüsse zu betrachten, wie wir diese Daten nehmen, wie wir sie in Spikes umwandeln und welche Lernregeln für die Anwendungsfälle am besten geeignet sind. Sie wissen, wenn Sie Daten in der Landwirtschaft oder in Fintech aufnehmen wollen, müssen Sie die Art der Daten, die Muster, die Sie suchen, und die Zusammenhänge, die Sie zu anderen Mustern machen wollen, verstehen. Es geht also darum, die Lernregeln zu definieren und dann die Korrelation über andere Lernregeln vorzunehmen, um zu verwertbaren Ergebnissen zu kommen. Sie wissen, dass ich es gerne so sehen würde: Wir nehmen Daten, wir verwandeln sie in Informationen, wir nehmen diese Informationen und wir bauen eine Wissensbasis auf, die für den Endkunden umsetzbar ist.
Und das könnte in der Landwirtschaft zur Optimierung und Ertragssteigerung von Produkten oder Pflanzen sein. In Fintech ist es sicher, ich denke, Sie alle verstehen, dass die Lernregeln über Algorithmen, mittlere Regression, Kerzenständer, Vergleichen und Korrelieren, so dass Sie Trades schneller machen können und verbessern Sie Ihre Anzahl der Gewinne versus Verluste in einem bestimmten, verwendet, um eine Woche, dann ging es zu einem Tag, dann ging es zu einer Minute, und dann ging es durch den Bruchteil einer Sekunde.
In Fintech haben wir einen ersten Dialog. Ich denke, es geht gut voran. Ich denke, wir sind uns einig, was wir mit Fintech erreichen können, und es ist ein solides Team. Ich habe selbst mit ein paar Ingenieuren gesprochen. Die Cybersicherheit kommt gut voran. Wir haben ein bisschen geistiges Eigentum gefunden, von dem wir denken, dass wir es billig aufheben können. Es ist bereits in einem neuronalen Netzwerk gemacht und wir haben eine Inspektion und andere Cyber-Methoden entpackt, und ich denke, wir werden das sehr schnell abschließen, und das wird uns einen Sprung in die Lernregeln der Cybersicherheit ermöglichen.
An dieser Stelle wird das Akida-Entwicklungssystem, zumindest in den ersten beiden Fällen, in denen wir einen Dialog mit unseren Kunden führen, verwendet, um eine Art von benutzerdefinierten Lernregeln zu entwickeln, bei denen generische Lernregeln mit benutzerdefinierten Anwendungen, für Agtech und für Fintech, verwendet werden. Und Cybersicherheit, weil sie sich bereits in einer Spikes-Domäne befindet und die Lernregeln existieren, die eine allgemeine Entwicklungsumgebung sein werden, die wir an so viele Cyberkunden weitergeben können, wie wir für notwendig halten, um unsere Fähigkeiten zu verfeinern.
Die nächste Folie handelt von der Technologie. Bis jetzt haben wir über die Produktentwicklung gesprochen und Sie kennen die Roadmap aus der Entwicklungsumgebung, die angekündigt wurde und jetzt verfügbar ist, wird in den nächsten Monaten breiter verfügbar sein. Die FPGA-Entwicklung des Akida ist in vollem Gange. Irgendwann, nachdem wir das FPGA herausgeholt haben und wir ein wenig Feedback von Kunden bekommen haben, beginnen wir mit der Entwicklung bzw. dem Design oder dem RTL-Design des gehärteten ICs. Ich werde noch einmal darüber sprechen, was die Alternativen für uns sind, um diesen IC herzustellen. Was die Kosten, die mit jeder dieser Alternativen verbunden sind, sind ebenfalls. Wie Sie wissen, reifen die Akida-Lernregeln weiter. Es ist jetzt in den Händen von ein paar Kunden. Es wurde an eine DVS-Kamera angeschlossen und wir haben mehrschichtige neuronale Netzwerke implementiert. Sie wissen, dass wir Benchmarks für CIFAR-10, Amnest und GoogLeNet durchgeführt haben. Dies sind drei Industriestandard-Benchmark-Tests für Bildverarbeitungsanwendungen und Inter-Processing-Anwendungen. Wir erzielen großartige Ergebnisse.
Das komplette neuromorphe System auf einem Chip stellt, wie ich bereits mehrfach in einem Jahrzehnt der Arbeit von Peter und unseren Ingenieurteams gesagt habe, dar, dass die Entwicklung sehr risikoreduziert ist. Eine Menge von dem, was in den Chip geht, du kennst die Daten zu den Spike-Konvertern, wir haben bereits die künstlichen Netzhäute. Das Team hat mit Audio gespielt, wir werden gute lernende Kunden in den drei Kategorien haben, mit denen ich vorher gesprochen habe. Das neuronale Gewebe, der Kern, wir haben den Kern seit vielen Monaten zusammengeschlagen. Und dieser Kern wird einfach Kern für Kern für Kern repliziert, um das neuronale Gewebe zu entwickeln. Das Gewebe wird relativ komplex sein. Es wird verschiedene Arten von Blöcken und verschiedene Arten von Konnektivität haben und wieder wird Bob die Abdeckungen davon abnehmen, wenn wir die architektonische Ankündigung machen.
Wir erwarten, dass die Hardware-Implementierung termingerecht erfolgt. Unser Zeitplan ist ein wenig fungibel, denn wenn wir Feedback von der Entwicklungsumgebung erhalten, werden wir das FPGA-Design anpassen, um sicherzustellen, dass das, was wir durch diese Entwicklungsumgebung lernen, in das FPGA integriert wird. So Frage, wie ich hier über die Portierung von Faltungsneuronalen Netzen auf Spiking Neuronalen Netzen sagte. Das ist wirklich eine gute Möglichkeit für uns, einen sehr breiten Markt sehr schnell zu erschließen. Und Peter und das Forschungsteam haben viel Zeit damit verbracht, CNN's auf unser SNN-Gewebe zu portieren, es hat gezeigt, dass es sehr machbar und sehr effizient ist. Es wäre nicht so effizient, als ob Sie mit einem nativen neuronalen Spiking-Netzwerk begonnen hätten, aber es übertrifft die Leistung von CNN's mit geringerer Latenz.
Die Portierung von CNN's, die es Tausende und Abertausende und Abertausende da draußen gibt, war also ein gut abgenutzter Weg. Anstatt selbst zu evangelisieren und einen Kunden anzusprechen, der sagt: "Schau, zeig mir deine CNN, wir werden sie für dich kartieren, wir werden sie portieren. Und wir zeigen Ihnen, was die Benchmark-Ergebnisse sind." Die Möglichkeit, bestehende Anwendungen und Implementierungen wieder in unser neuronales Netzwerk umzuwandeln, eröffnet einen großen und unmittelbaren Markt, während die native SNN-Entwicklung im Hintergrund läuft.
Cashflow für das Quartal, nahmen wir in Einnahmen in $ 301.000 wir schlossen das Quartal mit $ 11,9 Millionen. Ich war etwas enttäuscht von den 301.000 Dollar. Es hat SN Tech in Rechnung gestellt, ich habe einige Fragen zu SN Tech. Wir haben SN Tech 609.000 Dollar in Rechnung gestellt, die wir für das Quartal erwartet hatten. Basierend auf Fakten, Umständen und Kommunikation mit SN Tech, ist das eine gültige Rechnung und sie bestreiten die Rechnung. Wir versuchen zu verstehen, worum es bei dem Streit geht, aber der Vertrag ist sehr frisch. Wenn Sie sich im Dezember erinnern, haben wir den Vertrag mit SN Tech neu gestaltet und die Exklusivität, die wir mit Gaming Products International im Spielbereich hatten, weggenommen, was für uns ein fantastischer Schritt war. Damit die Tinte kaum trocken ist, wissen wir, was im Vertrag steht. Wir wissen, was unsere Rechte aus diesem Vertrag sind. Wir glauben, dass dies eine gültige Rechnung ist, die bezahlt werden muss. Wir werden alle notwendigen Maßnahmen ergreifen, um das zu erreichen. Ich werde es natürlich ständig offen legen. Ich werde Sie alle darüber auf dem Laufenden halten, worum es in diesem Streit geht, sobald wir uns darüber im Klaren sind und was die Lösung oder die Abhilfemaßnahmen sind.
Heute haben wir 28 Vollzeitmitarbeiter und drei Vollzeitmitarbeiter in Vertrieb und Marketing. Auftragnehmer in Vertrieb und Marketing sind vollzeitlich für uns tätig. Aber sie leben auf Marktplätzen, wo es für uns besser ist, Auftragnehmer zu haben als auf der Gehaltsliste. Wir sind ein relativ kleines Team. Wenn du dir das ansiehst, sind das 31 Leute. Wir sind führend in der Entwicklung neuromorpher ICs. Wir konkurrieren mit großen Unternehmen, wir konkurrieren mit den Intel's der Welt, IBM sowie einer Reihe von Startups. Wir sind ihnen auf den Fersen. Wir denken, wir sind viel, viel weiter entfernt, wir haben einen bedeutenden Schutz des geistigen Eigentums. Peters Grundpatent 011 deckt die Spezifikation in der neuronalen Landschaft wirklich gut ab. Wir haben weitere Patente in Bearbeitung, 075 wird ein wichtiges für uns sein. Peter entwickelt und schreibt natürlich Patente für Akida, während wir in diese IC-Entwicklung einsteigen.
Das ist also der Cashflow für das Quartal, weiter zu.... Nur ein kurzer Ausblick, wir erwarten weiteres Wachstum. Wir haben über 500 Leads geerntet, wir haben 55 gut qualifizierte Gelegenheiten und weitere 100, die wir durchkämmen. 16 Design gewinnt mit signifikantem Wert im ersten Jahr. Wir unterstützen derzeit etwa 30 engagierte oder aktive Studien, die größtenteils unter Geheimhaltungsvereinbarungen stehen. Wir können also nicht über Namen von Firmen sprechen, wir könnten allgemein darüber reden, dass wir ein Handy-Engagement haben oder einen guten Dialog führen. Wir können Sie auf dem Laufenden halten über den Fortschritt in diesen allgemeinen Begriffen, dem Automobilbereich. Wir haben ähnlich darüber gesprochen, wie wir in AG Tech und FIN Tech und Cyber, werden wir das gleiche tun.
Die Vertriebspipeline ist robust. Es wird jeden Tag größer und größer. Wie ich bereits beim letzten Anruf erwähnte, sind wir jetzt in den Polizeidienststellen an der Ostküste der Vereinigten Staaten, einige an der Westküste, ein wenig in der Mitte des Landes. Wir sind jetzt nicht mehr nur in Frankreich. Luis Coello hat uns nach Skandinavien gebracht, er hat uns nach Spanien gebracht. Er hat uns durch ganz Europa geführt, Großbritannien ist sehr prominent in seiner Datenbank für qualifizierte Stellenangebote. Die Aussichten für die zweite Jahreshälfte sind also wieder positiv: Das Wachstum in der zweiten Jahreshälfte basiert auf dem, was wir an qualifizierten Möglichkeiten sehen, die sich in Designgewinne und Designgewinne in Umsätze umwandeln. Die letzte Folie soll nur daran erinnern, dass wir es mit einem Multi-Milliarden-Dollar-Markt zu tun haben. Dieses ist etwas über $6 Milliarde des gedienten vorhandenen Marktes.
Das bedeutet, dass unsere Technologie, ob es sich nun um Brain Chip Studio, Accelerator oder Akida in einer der vielen möglichen Formen handelt. Das Entwicklungssystem, IP, gehärtetes IC, könnte diesen Markt adressieren. Wir müssen nicht den Löwenanteil dieses Marktes einnehmen. Dieses ist nicht ein Sieger nehmen alle Art Marktplatz, aber wir können unseren gerechten Anteil von diesem erhalten. Wir könnten ein großes Geschäft aufbauen, es ist ein sehr margenstarkes Gewinnmodell. Es wird sich im Laufe der Zeit verschieben, da Sie über eine Lizenzierung verfügen, die praktisch 100 Prozent der Bruttomarge beträgt. Wenn Sie mit der Entwicklung fertig sind, haben Sie Ihre Kosten des Umsatzes, so dass Sie eine Menge zu folgen haben. Wenn wir zum IC kommen, wird es mehr ein IC-Modell sein. Die Bruttomargen für integrierte Hochleistungsschaltungen können zwischen 60 und 65 Prozent liegen. Kontrollieren Sie Ihre Betriebskosten und entwickeln Sie ein Modell, das 30 Prozent des Betriebsertrags ausmacht. Das ist das IC-Modell, das wir verfolgen werden.
Ich glaube, das sind alle Dias. Lassen Sie mich nur sichergehen, dass ich Fragen berührt habe. Es stellte sich die Frage, ob unser Team auf einer Konferenz Seite an Seite mit IBM sitzt. Ob wir kollaborierten oder konkurrierten. Wir konkurrieren. Wir verraten keine Geschäftsgeheimnisse und Nicholas ist sehr vorsichtig damit. IBM hat sicher ein Auge auf uns, sie kennen Akida und den zeitlichen Inhalt der Architektur. Ich sprach ein wenig über den SN Tech Raum, GPA, das ATS System ist gut gelaufen. Wir erwarten wirklich, dass es im August Versuche geben wird, die erste ist Mitte August. Das große Ereignis wird dann die G2E-Konferenz im Oktober sein. Also das Verteidigungsministerium Projekt, mit dem ich vertraut bin, wenn du das Verteidigungsministerium machst, bekommst du selten einen Einblick in ihre geheimen Programme. Aber wir haben eine Verlobung und haben tatsächlich eine Karte in den Händen des Teils, der vom Verteidigungsministerium als geheim eingestuft wurde. Die Dialoge verliefen recht gut, sie laufen schon eine Weile damit.
Der Schlüssel zur Preisgestaltung je nach Entwicklung als maßgeschneiderte Form eines Anwendungsfalles mit AD Tech Fin oder Cyber, der eine große Lizenz und eine laufende Lizenzgebühr sowie eine Wartungsgebühr beinhaltet. Wenn wir uns den IC anschauen, bei dem Sie das Silikon kaufen, entwickeln Sie das, was Sie darauf entwickeln werden, so dass es sich um ein typisches Modell für integrierte Schaltungen handelt. Geistiges Eigentum, das auch interessant sein wird, das wäre eine hohe Lizenzgebühr und eine laufende Lizenzgebühr. Ähnlich wie die Akida-Entwicklungsumgebung wird auch das IP-Preismodell ähnlich sein. Wie wir Akida bauen und welche Kosten damit verbunden sind, war eine andere Frage. Wenn man an den Punkt kommt, an dem die FPGA's fertig sind, fühlt man sich wirklich wohl, dass das Design solide ist und man in das übergeht, was wir RTL-Design nennen. Wo Sie wirklich den Ort und die Route des RTL machen, der im FPGA implementiert wurde. Ort und Route werden wir kein Ort und Route Team aufbauen, in einem integrierten Schaltkreis wie diesem braucht es 25 Kerle, vielleicht 35 Kerle, die ich so viele Leute gesehen habe, wie auf einem Ort und Route Projekt wie diesem.
Wir werden das auslagern, es gibt viele, viele Anbieter im Silicone Valley, die sich um Ort und Route kümmern. Sie haben alle Werkzeuge, Sie müssen nicht Millionen von Dollar für Synopse und Mentor oder Kadenz-Design-Tools ausgeben. Sie benutzen ihre Werkzeuge, sie berechnen Ihnen eine Gebühr und Sie bekommen Ihr Design heraus. Sobald Sie Ihr Design haben, haben Sie ein paar Modelle, mit denen Sie gehen können, können Sie den gleichen Anbieter und erhalten einen Turn Key, nun, sie werden die Masken schneiden, sie werden die Masken entwickeln, sie werden tatsächlich mit der Gießerei bauen die IC. Arbeiten Sie mit dem Montagehaus, montieren Sie das Produkt und sie arbeiten mit dem Testhaus, testen Sie das Produkt und dann geben sie Ihnen den IC als Turn Key. Es wird Sie mehr kosten, Sie werden eine Prämie für sie zahlen, die alle diese Arbeit erledigen, aber Sie haben die Kapitalkosten des Maskensatzes, der Entwicklung der Testplattform, der Lastplatten und der ganzen Testentwicklung, die weitergehen muss, gespart. Das erspart Ihnen all diese Vorabkosten, aber der IC kostet Sie mehr als ein fertiges Produkt.
Die andere Alternative ist, was wir ein COT-Programm nennen, oder kundeneigene Werkzeuge, bei denen Sie durch Ihren Ort und Ihre Route kommen, die Sie ausgelagert haben. Sie erhalten die GDS-Datei, GDS2-Datei, Sie nehmen diese Datei und bauen dann Ihre eigene Maske. Das ist ein kostspieliger Prozess, ein Maskensatz und 28 Anti-Meter an, ich weiß nicht genau, aber ich würde schätzen, dass es immer noch $20-2.5 Millionen sind. Sie haben also diese Vorauszahlung, dann müssen Sie mit dem Pakethaus arbeiten, und Sie müssen mit dem Testhaus arbeiten. Entwickeln Sie Ihre eigenen Testplattformen, so dass die Kosten für ein kundeneigenes Werkzeugmodell wesentlich höher sind als für ein schlüsselfertiges Modell. Es kommt im Allgemeinen unten zur einfachen Mathematik, basiert auf Ihrer Prognose des ersten Jahres, des zweiten Jahres, des dritten Jahres, wieviele Maßeinheiten werden Sie errichten? Wie lange wird es dauern, bis Sie diese Kosten wieder einnehmen, wenn Sie in die eine oder andere Richtung gehen? Das sind also Entscheidungen, die wir treffen werden, wenn wir dem Start des Ortes und der Route näher kommen. Natürlich werden wir Sie darüber auf dem Laufenden halten.
Über die Modelle gesprochen, über die autonomen Fahrzeuge, die SNN-Konverter, die Frage nach den Neoterm-Einnahmen und aus welchem Sektor werden wir den größten Anteil sehen? Neoterm wird sicherlich Brain Chip Studio und Accelerator sein. Es wird im Überwachungsgeschäft sein, ich schätze, es wird ein kleines Pferderennen an der Front sein, weil das Spielen so gut läuft und es für uns eine sehr schnelle Zeit ist, es auf den Markt zu bringen. Weil wir eine Verabredung mit dem haben, nenne ich ihn den 800-Pfund-Gorilla in der Art von Gaming Products International. Im Laufe der Zeit ist die Überwachung ein viel größerer Markt, aber ich denke, die kurzfristigen Einnahmen werden sicherlich Brain Chip Studio und der Accelerator sein. Obgleich wir die Gelegenheit haben werden, während die Entwicklungsumgebung herauskommt und wir mit spezifischen Kunden und Ad Tech spezifischen Kunden und FIN Tech sprechen, konnten diese sinnvolle Stücke des Einkommens sein, die Akida bezogen werden. Sie sind nicht das IC, aber es ist das Akida-Design, das implementiert wird und Software mit speziellen Lernregeln und speziellen Anwendungsschichten.
Akida frühen Zugang, sprach ich über frühen Zugang wirklich nur eine kurzfristige Sache. Erhalten Sie etwas Feedback und dann wird es allgemein verfügbar sein. Über Handy, Gesichtserkennung gesprochen, verbessern wir ständig die Gesichtserkennung. Wir machen wirklich Gesichtsklassifizierung, wir machen keine biometrische Gesichtserkennung. Es neigt dazu, weniger sensibel zu sein, die Frage war, dass ein Bericht über Gesichtserkennung wirklich irgendwie herunterfällt, wenn man in bestimmte Rassen oder Geschlechter oder Alterskategorien kommt. Weil wir Klassifikation machen, haben wir nicht dieses biometrische Problem, aber wir machen wieder eine Gesichtsklassifikation. Wir werden die ersten drei Matches auftischen, gewichten und bewerten und sagen: "Hier ist die Nummer eins, und unsere höchste Genauigkeit ist sehr, sehr gut." Über all diese Dynamiken, die ich gerade erwähnt habe. Was ist eine Frage zur Speicherung, denn wir haben die Speicherung mit der Quantenankündigung angesprochen. Ich denke, dass ich bei unserem letzten Anruf erwähnt habe, dass wir buchstäblich am Tag nach der Quantenankündigung einen Eingang von einem der fünf größten Speicherhersteller der Welt hatten. Top 5 sind HP, IBM, Dell, EMC, Hitachi, ich weiß nicht, ob ich fünf gesagt habe, aber das ist die Top-Kategorie.
Also haben wir tolle Treffen mit einem dieser Top Five, die uns mehrmals besucht haben. Wir haben sie mehrmals besucht, und wir schauen uns konkrete Anwendungsfälle an, die sich über eine Vielzahl von Möglichkeiten erstrecken. Es gab eine Frage zu einem Nasdaq-Listing, darüber haben wir seit den ersten beiden Quartalen nach meinem Eintritt in das Unternehmen keine Zeit mehr nachgedacht. Es ging um die Frage, was wären die Zulassungsvoraussetzungen? Wenn Erinnerung mich gut dient, ist es ein minimaler Aktienkurs $4, also würden Sie eine sehr große Rückseite Spalte sehen. 50 Millionen Dollar Marktlücke und 10 Millionen Dollar in bar, aber das ist noch nicht auf unserem Teller. Wir haben so viel zu tun beim Aufbau eines Unternehmens, wir haben eine loyale und engagierte, enthusiastische Investorenbasis in Australien, die auch die letzte Frage berührt. Welches war, erwägen wir, ich schätze, was wir in Australien Konsolidierung und eine Rückspaltung nennen, wie wir es hier in den USA nennen. Ich sage Ihnen nur, der Vorstand hat darüber keine Diskussion geführt. Es geht uns im Moment nicht durch den Kopf, das Board, das Managementteam, die Rangliste und die Datei sind alle darauf ausgerichtet, Einnahmen aus Brain Chip Studio und Accelerator zu generieren. Akida so schnell wie möglich auf den Markt zu bringen.
Das war's also von hier aus, ich bin ein wenig blind geworden, es wäre schön, wenn wir die Gelegenheit hätten, einfach einen interaktiven Anruf zu machen. Aber ich denke, dass ich die meisten Fragen, wenn nicht alle, und eine Menge Material abgedeckt habe. Also werde ich das unterschreiben und wir werden in etwa 90 Tagen wieder mit dir reden. Ich danke Ihnen vielmals.
BrainChip Bestände (ASX:BRN) Juni 2018 Quartalsbericht
Unternehmenspräsentationen
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
August 02, 2018 03:30 PM
Der CEO von BrainChip Holdings Limited (ASX:BRN), Louis DiNardo, stellt ein Quartals-Update vom Juni 2018 über die Akida Entwicklungsumgebung, das BrainChip Studio und die Veritone Ankündigung zur Verfügung.
Guten Morgen, allerseits. Das ist Lou DiNardo. Danke, dass Sie sich unserem Ruf angeschlossen haben. Dies ist das Quartals-Update vom Juni 2018. Ich wähle mich eigentlich aus Europa ein. Ich weiß, dass einige von Ihnen mir eine Notiz über den Zeitpunkt dieses Anrufs hinterlassen haben. Es ist also ungefähr 8 Uhr morgens hier in Europa. Ich glaube, es ist ungefähr 16 Uhr in Sydney und ein Uhr in Westaustralien. Ich werde heute viel berichten. Wie Sie wissen, führen wir diese Anrufe vierteljährlich durch. Ich denke, es ist eine gute Praxis. Es ist eine gute Möglichkeit für uns, mit einzelnen Investoren zu interagieren. Ich habe eine Reihe von Fragen bekommen und, wie Sie wissen, versuche ich, diese Antworten während der Präsentation zu weben. Wenn ich etwas verpasst habe, gehe ich die Liste noch einmal durch, wenn wir am Ende des Anrufs sind.
Ich möchte auch sagen, dass die Fragen, die ich denke, wirklich gut waren. Viele gut informierte Fragen, die sich wirklich auf die Akida-Entwicklung, die Akida-Einführung, die für uns wirklich der große Aufwand und der große Preis sind, konzentrierten. Also werde ich direkt in die Präsentation springen.
Seite zwei ist der Standard-Haftungsausschluss, Sie haben ihn jedes Quartal gesehen, Sie haben wahrscheinlich Dutzende von ihnen gesehen. Lesen Sie es nach Belieben. Ich werde einfach weitermachen.
Nur ein Überblick über das, was wir heute ansprechen werden und das sind die Highlights des Quartals, und es ist wirklich nicht nur ein Quartalsupdate, es ist wirklich ein Update seit dem letzten Quartalsupdate. Wenn wir diese Sache stutzen und nicht über Dinge reden würden, die nach dem Quartal passiert sind, würden wir eine Menge Material weglassen. Also nach dem Ende des Quartals, es ist nach dem Juni Quartal, aber vor diesem Aufruf, kündigten wir die Akida Development Environment.
Das war eine äußerst spannende Entwicklung für das Unternehmen. Wir bekommen eine Menge gute Presse auf der ganzen Welt. Ich werde auf einige Details über die Akida-Entwicklungsumgebung eingehen und was das in der Entwicklung des Akida-Projekts und der endgültigen Einführung eines integrierten Schaltkreises bedeutet.
BrainChip Studio, wir hatten einen zweiten Start im Quartal. Grundsätzlich war dies die Linux-Version von BrainChip Studio und BrainChip Accelerator. Der erste Start erfolgte auf einer Microsoft-Plattform, ein Großteil der Industrie arbeitet unter Linux. Außerdem wurden einige inkrementelle Funktionen wie die Autorotation von Modellen hinzugefügt, was für den Kunden von großem Wert ist. Da sie ein Modell einrichten, können sie automatisch drehen, sie müssen nicht mehrere Modelle einrichten. Und eine API für die einfache Systemintegration.
Die API richtet sich wirklich an die OEM-Kundenbasis. Endanwender verwenden BrainChip Studio von der Stange und die grafische Benutzeroberfläche oder die mit BrainChip Studio mitgelieferte Benutzeroberfläche. Wenn Sie in der OEM-Welt arbeiten, ist es eher eine eingebettete Anwendung. Der Endkunde, der Kunde unseres Kunden, wird wahrscheinlich nicht einmal wir sein. Sie wird in die Systemintegration unserer OEM-Partner eingebettet.
Wir haben die Zusammenarbeit mit Veritone angekündigt. Ihre aiWare ist ein sehr schönes Softwarepaket. Software als Dienstleistung. Also ist es eine Cloud-basierte Anwendung. Sie machen es auch vor Ort. Veritone hat bei der Einführung von aiWare eine Menge guter Pressearbeit geleistet und wir freuen uns, mit ihnen zusammenzuarbeiten. Das Projekt schreitet gut voran und die Integration läuft gut.
Wir unterzeichneten unseren ersten Herstellervertreter. Ich denke, ich hatte die Gelegenheit, beim letzten Anruf darüber zu sprechen, also werde ich nicht zu sehr darauf eingehen. Aber Bager in Südkalifornien. Es ist eine Repräsentantenfirma, die es seit über 30 Jahren gibt, und ich denke, es ist die stärkste Repräsentantenorganisation der Hersteller in Südkalifornien. Sie konzentrieren sich auf einige Endbenutzer-Engagements, und sie werden sich auch stark auf die Einführung von Akida konzentrieren. Sie sind in der Regel ein sehr leistungsstarker Vertreter der Siliziumhersteller, also passt es wirklich gut zu uns.
Wir haben James Roe hinzugefügt, nachdem das Quartal endete, aber vor diesem Aufruf. Dies ist wirklich ein Fokus auf Endbenutzerengagements. Es gibt einen ziemlich großen Unterschied zwischen einem Anruf bei einem OEM-Kunden, bei dem Sie schließlich entweder das Softwarepaket oder eher den Akida-Chip verkaufen werden, im Vergleich zu einem Anruf bei Polizeidienststellen, kommunalen Strafverfolgungsbehörden, Bundesbehörden, Schulen und Krankenhäusern.
Diese Endbenutzerengagements sind wirklich die Stärke von James. Er hat Amerika in früheren Leben abgedeckt, er ist ein sehr erfahrener Vertriebsmitarbeiter, und er hat auch sehr eng mit den Polizeibehörden zusammengearbeitet. Er hat eine so genannte POST-Zertifizierung, die ein Zertifikat für die Ausbildung zum Polizeibeamten ist. So kann er in jede Polizeistation gehen, seine POST-Plakette aufblitzen lassen und wird sofort akzeptiert.
ÜbersAußerdem haben wir eine Änderung in der Zusammensetzung unseres Verwaltungsrats angekündigt. Wie die meisten von Ihnen wissen, ist Mick Bolto zum Zeitpunkt der Hauptversammlung in den Ruhestand getreten. Wir hatten Steve Liebeskind. Manny Hernandez ist nun Vorsitzender des Vergütungsausschusses, Julie Stein ist Vorsitzende des Prüfungsausschusses. Julie ist jetzt auch unsere führende unabhängige Regisseurin.
Wir haben Nominierung und Governance getrennt, anstatt einen dritten Ausschuss zu schaffen, geht die Nominierung mit der Vergütung und die Governance mit der Prüfung einher. Wir haben einen relativ kleinen Vorstand, wir haben vier nicht-exekutive Direktoren, also gerade genug, um alle Ausschussaufgaben abzudecken, und Julie und ich haben die Verantwortung mit mir als Interim Executive Chairman, der sich mit Investoren und Dingen auf dieser Seite des Hauses beschäftigt, geteilt. Und Julie kümmert sich wirklich um die Geschäftsführung, um die Verwaltung einer Reihe von großen, großen Projekten, wie Sie sehen werden. Wenn nicht schon, werden Sie bald sehen, dass wir sechs unserer internen Richtlinien neu formuliert haben. Wir müssen sie als öffentliche Gesellschaft behalten. In diesen ASX-Listing-Regeln, ASIC-Richtlinien, und wir müssen diese aktuell und zeitgemäß halten, so dass Sie sechs überarbeitete Policy Statements sowie drei überarbeitete Chartas sehen werden.
Das sind so ziemlich die Highlights, über die ich berichten werde. Ich werde direkt in das Deck von BrainChip Studio und dem Accelerator springen. Es ist jetzt wirklich gegabelt, wir haben einen Endbenutzer und eine Reihe von Engagements, wo Software verkauft wird, Hardware verkauft wird, und das ist in erster Linie oder ausschließlich Vision Systems. Wie Sie wissen, hätte die zivile Überwachung, die kommerzielle Überwachung hier vielleicht sogar als dritte Kugel aufgeführt werden sollen, wissen Sie, was wir BrainChip-Spiele nennen könnten, was das Engagement ist, das wir mit Gaming Products International haben. BrainChip Studio als Beschleuniger und Beschleuniger für OEMs ist die API-Version, in der OEMs ihre eigene API generieren können, die in ihren Stack eingebettet ist und Software zu sein beginnt, es könnte Hardware sein, wenn der Einsatz groß genug ist.
Dann wiederum wäre dies für Bildverarbeitungssysteme oder Videoanalytik. Jetzt sehen Sie in der unteren rechten Ecke eine der Anzeigen, die wir geschaltet haben, sie ist wirklich gut angekommen. Wir werden in wenigen Minuten über die Vertriebspipeline sprechen, aber wir generieren viele Leads, viele qualifizierte Gelegenheiten und viele Engagements rund um den Globus. Wir reden darüber, wenn wir auf den Märkten sind. Wenn wir uns Studio und Accelerator ansehen, werden die Automobilentwicklungen, an denen wir arbeiten, mit mehreren multinationalen Unternehmen fortgesetzt. Dabei handelt es sich sowohl um Automobilhersteller als auch um Zulieferer dieser Automobilhersteller. Und das sind große Dritte, keine kleinen Job-Shops. Wir sprechen von Multi-Milliarden-Dollar-Unternehmen sowohl in den USA als auch in Europa.
Ein Großteil des Engagements gilt der autonomen Fahrzeugentwicklung oder fortgeschrittenen Fahrerassistenzsystemen. Die bewegen sich also ganz gut. Das Endspiel im Automobil wird sicherlich Akida sein, es wird nicht BrainChip Studio sein, aber BrainChip Studio lässt sie die Dinge wirklich ausprobieren, um die Technologie zu verstehen. Bei einem europäischen Automobilhersteller liegt der Akida-Kernel seit einigen Monaten in ihren Händen. Sie lernen viel mit uns und wir lernen viel. Es hilft uns, die Akida-Definition zu verfeinern, um sicherzustellen, dass wir alle Funktionen und Haken und Vorteile haben, die die Automobilhersteller benötigen. Diese Überwachungs- und Sicherheitsaufgaben haben erheblich zugenommen.
Luis Coello ist seit ein oder zwei Quartalen in Europa. Tom Stengel hatte sich mehr auf Endbenutzer konzentriert, aber jetzt haben wir James Roe für Endbenutzer in Nordamerika, und wir haben immer noch Greg Ryan, der viele Geschäfte in Australien macht. Wie Sie in ein paar weiteren Folien eines Updates sehen werden, wo wir uns mit der zivilen Überwachung, der öffentlichen Sicherheit und der Strafverfolgung im Allgemeinen befinden. Gaming Products International, diese gemeinsame Entwicklung läuft recht gut. Es liegt im Zeitplan, es wurde von den Kunden gut angenommen. Ich besuchte Macau, nachdem ich vor kurzem durch Sydney gegangen war, ich schätze, es war im Mai, die G2E-Konferenz, sie demonstrierten ihr fortschrittliches Tischmanagementsystem. Sehr gut angenommen, alle Top-Gaming-Unternehmen der Welt waren vor allem von Sands, MGM, Win, Seminoles vertreten. So gut angenommen.
Wir haben Kundenversuche. Wir gehen davon aus, dass wir irgendwann im September und vielleicht sogar im August loslegen werden, was ich erst gestern Abend gelernt habe, und es wird in einer großen Veranstaltung, der G2E-Konferenz im Oktober in Las Vegas, weiter vorgestellt werden. Die Features und Funktionen sind gut angekommen, es gibt eine Menge Videoanalysen, die weitergehen, und die wieder mit einem RFID-System zusammenarbeiten, um die Währung zu sichern, das Konsumenten- oder Kundenverhalten zu betrachten, Wettmuster, alle Arten von Analysen in der Gaming-Community legen wirklich Wert darauf. So bewegt sich GPI entlang ziemlich freundlich, ich hatte wirklich Abendessen gestern Abend mit unserem Vorsitzenden hier in Paris.
Als ich nach Akida sprang, wies mich kürzlich jemand darauf hin, dass niemand weiß, was Akida bedeutet. Es ist ein schönes, einfaches Wort, aber es ist ein griechisches Wort für Spike. Peter, abgesehen davon, dass er ein Genie in neuronalen Netzwerken ist, ist er auch gerne ein bisschen ein Marketing-Typ. Das war seine Entdeckung, die wir als Branding für die Entwicklung neuronaler Netzwerk-ICs nutzen. Die Akida, lassen Sie mich die Akida-Entwicklung als Produkt durchgehen, weil ich sicher sein möchte, dass die Leute die Entwicklungsumgebung gegenüber dem FPGA gegenüber dem IC und möglicherweise sogar gegenüber dem Verkauf von geistigem Eigentum verstehen. Die Akida-Entwicklungsumgebung, die am 24. Juli veröffentlicht wurde, enthält die Daten zum Spike-Konverter. Denken Sie daran, dass die Daten nicht nativ aufgestockt sind, Sie nehmen nur die Daten und ob es sich dabei um pixelbasierte Daten handelt oder um Daten aus der Finanztechnik, Agrartechnik, IoT Systems, Sie müssen sie in Spikes umwandeln. Wir sind sicher gut im Bereich der Sehsysteme, wir haben die künstliche Netzhaut geschaffen, die wir im BrainChip Studio verwenden. Die ersten Daten zu Spike-Konverter, die in der Entwicklungsumgebung eingesetzt werden, werden für pixelbasierte Vision-Systeme sein, die sich im Zuge der Zusammenarbeit mit anderen Datenquellen weiterentwickeln werden. Wir haben es auch direkt an eine DVS-Kamera angeschlossen, die native Spikes out ist. Also die Entwicklungsumgebung, ich zeige Ihnen das Blockdiagramm, es ist wirklich dazu gedacht, Kunden zu geben, und das wird weit verbreitet sein. Es gab eine Frage, die ich über frühe Kundenengagements und qualifizierte Kundenengagements für das Entwicklungssystem bekam. Das ist wirklich eine Bemühung, es herauszubekommen, es in die Hände von Leuten zu bekommen, mit denen wir eng zusammengearbeitet haben, sicherzustellen, dass es gut debuggt wird, bevor wir groß und breit werden.
Wir planen, in Kürze eine architektonische Ankündigung zu machen, die wirklich enthüllt, was in Akida ist und wie es funktioniert. Ein Teil davon ist es nun, die Entwicklungsumgebung in die Praxis umzusetzen und sicherzustellen, dass wir so viel Feedback wie möglich von Kunden erhalten, mit denen wir zusammenarbeiten, sowie von einem breiten Spektrum von Forschern sowohl im akademischen Bereich als auch in der Industrie. Die architektonische Ankündigung, mit der wir vorsichtig sein müssen, müssen wir richtig timen, denn es gibt eine Menge Erfindungen, die in Akida eintreffen und patentiert werden müssen. Die letzte Sache, die Sie tun möchten, ist, etwas in die Öffentlichkeit zu stellen, bevor Sie Patente anmelden, die den Nutzen der Patente verhindern würden.
Also arbeitet Peter an Patenten. Also werden wir seine Geschäftsgeheimnisse behalten, weil wir denken, dass es sehr schwierig ist, sie zurückzuentwickeln. Es gibt keinen Grund, den Leuten zu sagen, wie wir die Dinge machen. Andere werden Patente beantragen. Aber die architektonische Ankündigung wird in Kürze erscheinen, wir werden Ihnen einen tiefen Einblick in die Leistungsfähigkeit sowohl des Designs als auch der Leistung geben. Welche Daten für Spike-Konverter werden verfügbar sein? Welche Art von Busschnittstellen wird es geben? Wie sieht die neuronale Netzwerkstruktur aus? Wie kann es angeschlossen werden? Es wird ein sehr tiefer Tauchgang auf den Architekten für Architektur. Sobald die architektonische Ankündigung raus ist, werden wir mit redaktionellen Roadshows unterwegs sein. Europa ist bereits für Anfang September, den 4. und 5. September geplant, wir werden kurz darauf die USA machen und dann werden wir wahrscheinlich nach Australien kommen und ich werde wahrscheinlich selbst Australien machen.
Bob Beachler war in London, München, sowie auf der United States Roadshow, wo er wahrscheinlich auch Peter mitgebracht hat. Damit diese Roadshow, denke ich, gut ankommt, haben wir bereits Redakteure in Europa eingerichtet. Redaktionssitzungen in Australien, von denen ich sagte, dass sie irgendwann im September stattfinden werden, und ich werde sie wahrscheinlich selbst durchführen. Die Entwicklungsumgebung ist mit einer Handvoll Kunden öffentlich zugänglich. Es wird immer breiter und breiter werden, wenn wir Feedback bekommen, aber es ist wirklich beabsichtigt, den Leuten zu erlauben, in der Software genau das zu simulieren, was sie sehen werden, wenn sie das FPGA bekommen und dann, wenn sie einen eventuellen IC bekommen.
Natürlich wird es langsamer laufen als auf dem IC oder dem FPGA, aber sie werden Leistungsbenchmarks sehen können, sie werden sehen können, welche Art von neuronaler Struktur sie aufbauen können, wie viele Schichten sie tief sie gehen wollen, wie viele Synopsen gegen die Anzahl der Neuronen und all die Konnektivität. So werden wir in der Lage sein, in der Entwicklungsumgebung ein vollständiges System zu implementieren, das ein Spiegelbild dessen ist, was sie im FPGA gesehen haben, und dann wieder, sobald wir den IC zur Verfügung haben. Die nächste Folie gibt Ihnen einen Eindruck davon, wie die Entwicklungsumgebung aussieht. Alles in der gepunkteten Linienbox ist in der Entwicklungsumgebung enthalten, man nimmt Daten von links, es geht zu Python-Skripten für die Vorverarbeitung, dann fällt es in die Ausführungsmaschine, die die Akida-Ausführungsmaschine ist, die wir den Kernel nannten, aber der Kernel war ein oder zwei Kerne, aber das ist viele, viele, viele Kerne. Es gibt ihnen also wirklich die Möglichkeit, in dieser Entwicklungsumgebung ein vollständiges System aufzubauen.
Sie können das Neuronenmodell sehen, die Trainingsmethoden und die Daten zu den Spike-Konvertern sind alle in der Ausführungsmaschine. Sie haben das Modell Zoo, ich denke, das ist ein interessanter Name, es ist wirklich ein Zoo oder eine Bibliothek von Modellen. Modelle, die entweder von uns entwickelt wurden oder wie wir die Entwicklungsumgebung in dem Bereich haben, in dem ich breit verteilt habe, werden Modelle erwerben, um diesen Modell-Zoo mit der Zeit zu bevölkern, die immer größer und größer werden. Jetzt Unterstützung von Werkzeugen fast alles, was Sie in der Welt der KI benötigen, vor allem in neuronalen Netzen, wissen Sie, Jupiter, Python, die Liste geht weiter. Das ist also die Entwicklungsmaschine, das wird ein Software-Drop, und wieder simuliert es die gesamte Akida-Entwicklungsumgebung, so dass Sie Ihre Entwicklung durchführen können. Wenn das FPGA herauskommt, portieren Sie es einfach auf das FPGA und führen es aus, und wenn wir an den Punkt kommen, an dem wir einen IC haben, portieren Sie es einfach auf den IC. Oder wenn wir eine PCIE-Karte für Unternehmensanwendungen haben, wissen Sie, dass Sie auf die PCIE-Karte portieren würden.
Das nächste Dia ist ein wenig darüber, wohin wir mit Akida als Reifeprozess gehen. Wir haben die Entwicklungsumgebung. Wie gesagt, das wird breit gestreut. Während die Entwicklungsumgebung verteilt ist und wir Feedback erhalten, hoffen wir auf viel und viel Feedback. Parallel dazu werden wir die FPGA-Entwicklungssysteme entwickeln. Also setzen Sie das FPGA auf ein Board, umwickeln es mit all den Dingen, die Sie für die Entwicklung Ihres neuronalen Netzwerks benötigen. Das FPGA-Entwicklungssystem wird nicht unbedingt ein Produkt für den Verkauf sein, es wird wirklich eine Entwicklungsumgebung für diejenigen sein, die Akida verwenden wollen.
Es ist interessant, dass ich eine Minute in die Entwicklungsumgebung zurückkehre. Die Entwicklungsumgebung soll genau das sein, eine Entwicklungsumgebung. Einige unserer früheren Engagements und Dialoge, die wir jetzt mit potenziellen Kunden führen, können die Entwicklungsumgebung so gestaltet werden, dass wir einige kundenspezifische Arbeiten durchführen, um Menschen dabei zu helfen, dieses System für bestimmte Anwendungsfälle zu entwickeln. Sie werden es lizenzieren, wir bekommen eine Lizenzgebühr, eine laufende Lizenzgebühr. Es ist ein Ort, an dem wir frühzeitig Geld verdienen können. Die Entwicklungsumgebung wird immer robuster, da wir Feedback erhalten, da wir mit spezifischen Verträgen und spezifischen Anwendungsfällen in bestimmten Märkten arbeiten. Es ist etwas, das wahrscheinlich ein Endprodukt für bestimmte Kundensegmente sein wird.
Geistiges Eigentum ist auch ein interessanter Bereich für die Zwecke der Zeit zu Geld und einige sehr große Möglichkeiten. Wenn man darüber nachdenkt, an den Rand zu gehen, denken IoT-Geräte an Überwachungskameras, sogar an Handys. Handys würde ich ein Randgerät in Betracht ziehen. Du wirst wahrscheinlich keinen Akida-Chip in ein Handy verkaufen. Wenn du dein Handy auseinander reißt, wirst du drei oder vier ICs darin finden, eine sehr große Integration. Die meisten der großen Handy-Hersteller, denken Sie an Apple, Samsung, Huawei, alle von ihnen tun einige interne Entwicklung ihrer eigenen Chips oder sie verwenden externe Ressourcen, um benutzerdefinierte Chips zu entwickeln. Sie möchten IP wie Akida in einen ihrer kundenspezifischen Chips einbauen. Also haben wir frühe Gespräche mit einem großen Handy-Hersteller. Es war eigentlich eine ganze Reihe von Meetings, ein Meeting in ihrer Einrichtung, ein Meeting in unserer Einrichtung, bei dem eine Arbeitserklärung entwickelt wurde, um zu definieren, was sie sich von Akida als IP-Schloss wünschen, das in einen ihrer sehr großen systemweiten Chips integriert ist.
Dann haben Sie natürlich das neuronale System von Akida auf einem Chip, den Sie auf der rechten Seite sehen. Das ist wirklich das Endspiel für uns, ist ein Lieferant dieses Chips im Volumen zu sein, sowohl am Rand als auch auf der nächsten Kugel wie PCIE-Beschleuniger. Also am Rand kauft man den Chip und im Unternehmen im Serverraum oder Rechenzentrum, in der Cloud steckt man eine PCIE-Karte ein und die hat mehrere Akida-Chips darauf, so dass man ein Vielfaches der Anzahl der Synapsen oder Neuronen, die man auf einem Akida-Chip bekommt, auf eine PCIE-Karte legen kann. Wenn wir die architektonische Ankündigung machen, werden wir über die Low-Power-Natur von Akida sprechen. Wir werden über seine Rechenleistung sprechen, die alle zum Vorschein kommen wird, wenn die architektonische Ankündigung herauskommt, aber wir haben uns wirklich auf einige herausragende Spezifikationen konzentriert, die uns in die Führungsposition bringen werden, wenn es darum geht, ihre eigenen Netzwerke oder neuromorphe IC's im Allgemeinen zu verstärken.
Das ist also nur ein bisschen mehr von dem, was ich gerade erwähnt habe, also sind die Edge-Anwendungen sehr klein. Ob es ein kleiner IC oder ein IP-Block ist, der integriert und extrem stromsparend ist. Wieder können Sie an Kameras denken, die Sie an IoT-Sensoren denken können, Sie können an Handys denken. Handys wären wahrscheinlich ein IP-Block. IoT-Sensoren wären wahrscheinlich ein Chip und Kameras wären wahrscheinlich ein IP-Block, obwohl es mehr High-End-Kameras oder zivile Überwachung der IC ist auch eine potenzielle Chance.
Wenn Sie sich Unternehmensanwendungen ansehen, sprechen Sie von Rechenzentren, von Servern, von Clad- und SaaS-basierten Systemen, von mehreren Geräten auf einer PCIE-Karte und von höchster Leistung bei geringstem Stromverbrauch. Das wird eine um Größenordnungen geringere Leistung sein als eine GPU-Installation eines CNN, der in SNN auf den Akida-Produkten läuft, es wird nur eine deutlich geringere Leistung sein und dient wirklich für Endanwendungen mit viel besserer Leistung.
Es gab eine Frage, ich werde versuchen und sicherstellen, dass ich zu den Fragen komme, während ich dies durchlaufe, es gab eine Frage über, Peter beantwortete eine Frage auf der Hauptversammlung, über in einem autonomen Fahrzeug, würde der Akida-Chip Seite an Seite mit dem Grafikprozessor sitzen, der die Berechnung durchführt, oder könnte Akida den Grafikprozessor ganz ersetzen? Natürlich denkt Peter groß und er denkt für die Zukunft und sagte: "Ja, wir könnten die GPU ersetzen." Das ist weit in der Zukunft. Der Spike im neuronalen Netzwerk wird wahrscheinlich zuerst in Wandler und Sensorschnittstellen und dann vielleicht als eine Lösung auf Kartenebene oder mehrere Chips seinen Weg finden und bestimmte Aufgaben als eine Art Co-Prozessor auf die GPU laden, wobei das Endspiel in der Zukunft sicherlich ihre eigenen Netzwerke reifen lässt und die Kunden mehr und mehr mit der Architektur vertraut werden und das, was sie erreichen können, mehr und mehr in die GPU-CPU-Landschaft einfließen wird.
Ich denke, ich habe das schon ein wenig angesprochen, die Automobilhersteller und Dritthersteller gehen sehr gut weiter. Wir bekommen architektonische Einblicke, wir sehen die Entwicklung spezifischer Regeln für das Erlernen von Anwendungen. Was uns bei diesen engen Engagements wirklich zugute kommt, sei es im Automobilbereich, sei es bei Fintech, Agtech, Cyber, ist, dass wir die Lernregeln entwickeln können, die notwendig sind, um bestimmte Datenflüsse zu betrachten, wie wir diese Daten nehmen, wie wir sie in Spikes umwandeln und welche Lernregeln für die Anwendungsfälle am besten geeignet sind. Sie wissen, wenn Sie Daten in der Landwirtschaft oder in Fintech aufnehmen wollen, müssen Sie die Art der Daten, die Muster, die Sie suchen, und die Zusammenhänge, die Sie zu anderen Mustern machen wollen, verstehen. Es geht also darum, die Lernregeln zu definieren und dann die Korrelation über andere Lernregeln vorzunehmen, um zu verwertbaren Ergebnissen zu kommen. Sie wissen, dass ich es gerne so sehen würde: Wir nehmen Daten, wir verwandeln sie in Informationen, wir nehmen diese Informationen und wir bauen eine Wissensbasis auf, die für den Endkunden umsetzbar ist.
Und das könnte in der Landwirtschaft zur Optimierung und Ertragssteigerung von Produkten oder Pflanzen sein. In Fintech ist es sicher, ich denke, Sie alle verstehen, dass die Lernregeln über Algorithmen, mittlere Regression, Kerzenständer, Vergleichen und Korrelieren, so dass Sie Trades schneller machen können und verbessern Sie Ihre Anzahl der Gewinne versus Verluste in einem bestimmten, verwendet, um eine Woche, dann ging es zu einem Tag, dann ging es zu einer Minute, und dann ging es durch den Bruchteil einer Sekunde.
In Fintech haben wir einen ersten Dialog. Ich denke, es geht gut voran. Ich denke, wir sind uns einig, was wir mit Fintech erreichen können, und es ist ein solides Team. Ich habe selbst mit ein paar Ingenieuren gesprochen. Die Cybersicherheit kommt gut voran. Wir haben ein bisschen geistiges Eigentum gefunden, von dem wir denken, dass wir es billig aufheben können. Es ist bereits in einem neuronalen Netzwerk gemacht und wir haben eine Inspektion und andere Cyber-Methoden entpackt, und ich denke, wir werden das sehr schnell abschließen, und das wird uns einen Sprung in die Lernregeln der Cybersicherheit ermöglichen.
An dieser Stelle wird das Akida-Entwicklungssystem, zumindest in den ersten beiden Fällen, in denen wir einen Dialog mit unseren Kunden führen, verwendet, um eine Art von benutzerdefinierten Lernregeln zu entwickeln, bei denen generische Lernregeln mit benutzerdefinierten Anwendungen, für Agtech und für Fintech, verwendet werden. Und Cybersicherheit, weil sie sich bereits in einer Spikes-Domäne befindet und die Lernregeln existieren, die eine allgemeine Entwicklungsumgebung sein werden, die wir an so viele Cyberkunden weitergeben können, wie wir für notwendig halten, um unsere Fähigkeiten zu verfeinern.
Die nächste Folie handelt von der Technologie. Bis jetzt haben wir über die Produktentwicklung gesprochen und Sie kennen die Roadmap aus der Entwicklungsumgebung, die angekündigt wurde und jetzt verfügbar ist, wird in den nächsten Monaten breiter verfügbar sein. Die FPGA-Entwicklung des Akida ist in vollem Gange. Irgendwann, nachdem wir das FPGA herausgeholt haben und wir ein wenig Feedback von Kunden bekommen haben, beginnen wir mit der Entwicklung bzw. dem Design oder dem RTL-Design des gehärteten ICs. Ich werde noch einmal darüber sprechen, was die Alternativen für uns sind, um diesen IC herzustellen. Was die Kosten, die mit jeder dieser Alternativen verbunden sind, sind ebenfalls. Wie Sie wissen, reifen die Akida-Lernregeln weiter. Es ist jetzt in den Händen von ein paar Kunden. Es wurde an eine DVS-Kamera angeschlossen und wir haben mehrschichtige neuronale Netzwerke implementiert. Sie wissen, dass wir Benchmarks für CIFAR-10, Amnest und GoogLeNet durchgeführt haben. Dies sind drei Industriestandard-Benchmark-Tests für Bildverarbeitungsanwendungen und Inter-Processing-Anwendungen. Wir erzielen großartige Ergebnisse.
Das komplette neuromorphe System auf einem Chip stellt, wie ich bereits mehrfach in einem Jahrzehnt der Arbeit von Peter und unseren Ingenieurteams gesagt habe, dar, dass die Entwicklung sehr risikoreduziert ist. Eine Menge von dem, was in den Chip geht, du kennst die Daten zu den Spike-Konvertern, wir haben bereits die künstlichen Netzhäute. Das Team hat mit Audio gespielt, wir werden gute lernende Kunden in den drei Kategorien haben, mit denen ich vorher gesprochen habe. Das neuronale Gewebe, der Kern, wir haben den Kern seit vielen Monaten zusammengeschlagen. Und dieser Kern wird einfach Kern für Kern für Kern repliziert, um das neuronale Gewebe zu entwickeln. Das Gewebe wird relativ komplex sein. Es wird verschiedene Arten von Blöcken und verschiedene Arten von Konnektivität haben und wieder wird Bob die Abdeckungen davon abnehmen, wenn wir die architektonische Ankündigung machen.
Wir erwarten, dass die Hardware-Implementierung termingerecht erfolgt. Unser Zeitplan ist ein wenig fungibel, denn wenn wir Feedback von der Entwicklungsumgebung erhalten, werden wir das FPGA-Design anpassen, um sicherzustellen, dass das, was wir durch diese Entwicklungsumgebung lernen, in das FPGA integriert wird. So Frage, wie ich hier über die Portierung von Faltungsneuronalen Netzen auf Spiking Neuronalen Netzen sagte. Das ist wirklich eine gute Möglichkeit für uns, einen sehr breiten Markt sehr schnell zu erschließen. Und Peter und das Forschungsteam haben viel Zeit damit verbracht, CNN's auf unser SNN-Gewebe zu portieren, es hat gezeigt, dass es sehr machbar und sehr effizient ist. Es wäre nicht so effizient, als ob Sie mit einem nativen neuronalen Spiking-Netzwerk begonnen hätten, aber es übertrifft die Leistung von CNN's mit geringerer Latenz.
Die Portierung von CNN's, die es Tausende und Abertausende und Abertausende da draußen gibt, war also ein gut abgenutzter Weg. Anstatt selbst zu evangelisieren und einen Kunden anzusprechen, der sagt: "Schau, zeig mir deine CNN, wir werden sie für dich kartieren, wir werden sie portieren. Und wir zeigen Ihnen, was die Benchmark-Ergebnisse sind." Die Möglichkeit, bestehende Anwendungen und Implementierungen wieder in unser neuronales Netzwerk umzuwandeln, eröffnet einen großen und unmittelbaren Markt, während die native SNN-Entwicklung im Hintergrund läuft.
Cashflow für das Quartal, nahmen wir in Einnahmen in $ 301.000 wir schlossen das Quartal mit $ 11,9 Millionen. Ich war etwas enttäuscht von den 301.000 Dollar. Es hat SN Tech in Rechnung gestellt, ich habe einige Fragen zu SN Tech. Wir haben SN Tech 609.000 Dollar in Rechnung gestellt, die wir für das Quartal erwartet hatten. Basierend auf Fakten, Umständen und Kommunikation mit SN Tech, ist das eine gültige Rechnung und sie bestreiten die Rechnung. Wir versuchen zu verstehen, worum es bei dem Streit geht, aber der Vertrag ist sehr frisch. Wenn Sie sich im Dezember erinnern, haben wir den Vertrag mit SN Tech neu gestaltet und die Exklusivität, die wir mit Gaming Products International im Spielbereich hatten, weggenommen, was für uns ein fantastischer Schritt war. Damit die Tinte kaum trocken ist, wissen wir, was im Vertrag steht. Wir wissen, was unsere Rechte aus diesem Vertrag sind. Wir glauben, dass dies eine gültige Rechnung ist, die bezahlt werden muss. Wir werden alle notwendigen Maßnahmen ergreifen, um das zu erreichen. Ich werde es natürlich ständig offen legen. Ich werde Sie alle darüber auf dem Laufenden halten, worum es in diesem Streit geht, sobald wir uns darüber im Klaren sind und was die Lösung oder die Abhilfemaßnahmen sind.
Heute haben wir 28 Vollzeitmitarbeiter und drei Vollzeitmitarbeiter in Vertrieb und Marketing. Auftragnehmer in Vertrieb und Marketing sind vollzeitlich für uns tätig. Aber sie leben auf Marktplätzen, wo es für uns besser ist, Auftragnehmer zu haben als auf der Gehaltsliste. Wir sind ein relativ kleines Team. Wenn du dir das ansiehst, sind das 31 Leute. Wir sind führend in der Entwicklung neuromorpher ICs. Wir konkurrieren mit großen Unternehmen, wir konkurrieren mit den Intel's der Welt, IBM sowie einer Reihe von Startups. Wir sind ihnen auf den Fersen. Wir denken, wir sind viel, viel weiter entfernt, wir haben einen bedeutenden Schutz des geistigen Eigentums. Peters Grundpatent 011 deckt die Spezifikation in der neuronalen Landschaft wirklich gut ab. Wir haben weitere Patente in Bearbeitung, 075 wird ein wichtiges für uns sein. Peter entwickelt und schreibt natürlich Patente für Akida, während wir in diese IC-Entwicklung einsteigen.
Das ist also der Cashflow für das Quartal, weiter zu.... Nur ein kurzer Ausblick, wir erwarten weiteres Wachstum. Wir haben über 500 Leads geerntet, wir haben 55 gut qualifizierte Gelegenheiten und weitere 100, die wir durchkämmen. 16 Design gewinnt mit signifikantem Wert im ersten Jahr. Wir unterstützen derzeit etwa 30 engagierte oder aktive Studien, die größtenteils unter Geheimhaltungsvereinbarungen stehen. Wir können also nicht über Namen von Firmen sprechen, wir könnten allgemein darüber reden, dass wir ein Handy-Engagement haben oder einen guten Dialog führen. Wir können Sie auf dem Laufenden halten über den Fortschritt in diesen allgemeinen Begriffen, dem Automobilbereich. Wir haben ähnlich darüber gesprochen, wie wir in AG Tech und FIN Tech und Cyber, werden wir das gleiche tun.
Die Vertriebspipeline ist robust. Es wird jeden Tag größer und größer. Wie ich bereits beim letzten Anruf erwähnte, sind wir jetzt in den Polizeidienststellen an der Ostküste der Vereinigten Staaten, einige an der Westküste, ein wenig in der Mitte des Landes. Wir sind jetzt nicht mehr nur in Frankreich. Luis Coello hat uns nach Skandinavien gebracht, er hat uns nach Spanien gebracht. Er hat uns durch ganz Europa geführt, Großbritannien ist sehr prominent in seiner Datenbank für qualifizierte Stellenangebote. Die Aussichten für die zweite Jahreshälfte sind also wieder positiv: Das Wachstum in der zweiten Jahreshälfte basiert auf dem, was wir an qualifizierten Möglichkeiten sehen, die sich in Designgewinne und Designgewinne in Umsätze umwandeln. Die letzte Folie soll nur daran erinnern, dass wir es mit einem Multi-Milliarden-Dollar-Markt zu tun haben. Dieses ist etwas über $6 Milliarde des gedienten vorhandenen Marktes.
Das bedeutet, dass unsere Technologie, ob es sich nun um Brain Chip Studio, Accelerator oder Akida in einer der vielen möglichen Formen handelt. Das Entwicklungssystem, IP, gehärtetes IC, könnte diesen Markt adressieren. Wir müssen nicht den Löwenanteil dieses Marktes einnehmen. Dieses ist nicht ein Sieger nehmen alle Art Marktplatz, aber wir können unseren gerechten Anteil von diesem erhalten. Wir könnten ein großes Geschäft aufbauen, es ist ein sehr margenstarkes Gewinnmodell. Es wird sich im Laufe der Zeit verschieben, da Sie über eine Lizenzierung verfügen, die praktisch 100 Prozent der Bruttomarge beträgt. Wenn Sie mit der Entwicklung fertig sind, haben Sie Ihre Kosten des Umsatzes, so dass Sie eine Menge zu folgen haben. Wenn wir zum IC kommen, wird es mehr ein IC-Modell sein. Die Bruttomargen für integrierte Hochleistungsschaltungen können zwischen 60 und 65 Prozent liegen. Kontrollieren Sie Ihre Betriebskosten und entwickeln Sie ein Modell, das 30 Prozent des Betriebsertrags ausmacht. Das ist das IC-Modell, das wir verfolgen werden.
Ich glaube, das sind alle Dias. Lassen Sie mich nur sichergehen, dass ich Fragen berührt habe. Es stellte sich die Frage, ob unser Team auf einer Konferenz Seite an Seite mit IBM sitzt. Ob wir kollaborierten oder konkurrierten. Wir konkurrieren. Wir verraten keine Geschäftsgeheimnisse und Nicholas ist sehr vorsichtig damit. IBM hat sicher ein Auge auf uns, sie kennen Akida und den zeitlichen Inhalt der Architektur. Ich sprach ein wenig über den SN Tech Raum, GPA, das ATS System ist gut gelaufen. Wir erwarten wirklich, dass es im August Versuche geben wird, die erste ist Mitte August. Das große Ereignis wird dann die G2E-Konferenz im Oktober sein. Also das Verteidigungsministerium Projekt, mit dem ich vertraut bin, wenn du das Verteidigungsministerium machst, bekommst du selten einen Einblick in ihre geheimen Programme. Aber wir haben eine Verlobung und haben tatsächlich eine Karte in den Händen des Teils, der vom Verteidigungsministerium als geheim eingestuft wurde. Die Dialoge verliefen recht gut, sie laufen schon eine Weile damit.
Der Schlüssel zur Preisgestaltung je nach Entwicklung als maßgeschneiderte Form eines Anwendungsfalles mit AD Tech Fin oder Cyber, der eine große Lizenz und eine laufende Lizenzgebühr sowie eine Wartungsgebühr beinhaltet. Wenn wir uns den IC anschauen, bei dem Sie das Silikon kaufen, entwickeln Sie das, was Sie darauf entwickeln werden, so dass es sich um ein typisches Modell für integrierte Schaltungen handelt. Geistiges Eigentum, das auch interessant sein wird, das wäre eine hohe Lizenzgebühr und eine laufende Lizenzgebühr. Ähnlich wie die Akida-Entwicklungsumgebung wird auch das IP-Preismodell ähnlich sein. Wie wir Akida bauen und welche Kosten damit verbunden sind, war eine andere Frage. Wenn man an den Punkt kommt, an dem die FPGA's fertig sind, fühlt man sich wirklich wohl, dass das Design solide ist und man in das übergeht, was wir RTL-Design nennen. Wo Sie wirklich den Ort und die Route des RTL machen, der im FPGA implementiert wurde. Ort und Route werden wir kein Ort und Route Team aufbauen, in einem integrierten Schaltkreis wie diesem braucht es 25 Kerle, vielleicht 35 Kerle, die ich so viele Leute gesehen habe, wie auf einem Ort und Route Projekt wie diesem.
Wir werden das auslagern, es gibt viele, viele Anbieter im Silicone Valley, die sich um Ort und Route kümmern. Sie haben alle Werkzeuge, Sie müssen nicht Millionen von Dollar für Synopse und Mentor oder Kadenz-Design-Tools ausgeben. Sie benutzen ihre Werkzeuge, sie berechnen Ihnen eine Gebühr und Sie bekommen Ihr Design heraus. Sobald Sie Ihr Design haben, haben Sie ein paar Modelle, mit denen Sie gehen können, können Sie den gleichen Anbieter und erhalten einen Turn Key, nun, sie werden die Masken schneiden, sie werden die Masken entwickeln, sie werden tatsächlich mit der Gießerei bauen die IC. Arbeiten Sie mit dem Montagehaus, montieren Sie das Produkt und sie arbeiten mit dem Testhaus, testen Sie das Produkt und dann geben sie Ihnen den IC als Turn Key. Es wird Sie mehr kosten, Sie werden eine Prämie für sie zahlen, die alle diese Arbeit erledigen, aber Sie haben die Kapitalkosten des Maskensatzes, der Entwicklung der Testplattform, der Lastplatten und der ganzen Testentwicklung, die weitergehen muss, gespart. Das erspart Ihnen all diese Vorabkosten, aber der IC kostet Sie mehr als ein fertiges Produkt.
Die andere Alternative ist, was wir ein COT-Programm nennen, oder kundeneigene Werkzeuge, bei denen Sie durch Ihren Ort und Ihre Route kommen, die Sie ausgelagert haben. Sie erhalten die GDS-Datei, GDS2-Datei, Sie nehmen diese Datei und bauen dann Ihre eigene Maske. Das ist ein kostspieliger Prozess, ein Maskensatz und 28 Anti-Meter an, ich weiß nicht genau, aber ich würde schätzen, dass es immer noch $20-2.5 Millionen sind. Sie haben also diese Vorauszahlung, dann müssen Sie mit dem Pakethaus arbeiten, und Sie müssen mit dem Testhaus arbeiten. Entwickeln Sie Ihre eigenen Testplattformen, so dass die Kosten für ein kundeneigenes Werkzeugmodell wesentlich höher sind als für ein schlüsselfertiges Modell. Es kommt im Allgemeinen unten zur einfachen Mathematik, basiert auf Ihrer Prognose des ersten Jahres, des zweiten Jahres, des dritten Jahres, wieviele Maßeinheiten werden Sie errichten? Wie lange wird es dauern, bis Sie diese Kosten wieder einnehmen, wenn Sie in die eine oder andere Richtung gehen? Das sind also Entscheidungen, die wir treffen werden, wenn wir dem Start des Ortes und der Route näher kommen. Natürlich werden wir Sie darüber auf dem Laufenden halten.
Über die Modelle gesprochen, über die autonomen Fahrzeuge, die SNN-Konverter, die Frage nach den Neoterm-Einnahmen und aus welchem Sektor werden wir den größten Anteil sehen? Neoterm wird sicherlich Brain Chip Studio und Accelerator sein. Es wird im Überwachungsgeschäft sein, ich schätze, es wird ein kleines Pferderennen an der Front sein, weil das Spielen so gut läuft und es für uns eine sehr schnelle Zeit ist, es auf den Markt zu bringen. Weil wir eine Verabredung mit dem haben, nenne ich ihn den 800-Pfund-Gorilla in der Art von Gaming Products International. Im Laufe der Zeit ist die Überwachung ein viel größerer Markt, aber ich denke, die kurzfristigen Einnahmen werden sicherlich Brain Chip Studio und der Accelerator sein. Obgleich wir die Gelegenheit haben werden, während die Entwicklungsumgebung herauskommt und wir mit spezifischen Kunden und Ad Tech spezifischen Kunden und FIN Tech sprechen, konnten diese sinnvolle Stücke des Einkommens sein, die Akida bezogen werden. Sie sind nicht das IC, aber es ist das Akida-Design, das implementiert wird und Software mit speziellen Lernregeln und speziellen Anwendungsschichten.
Akida frühen Zugang, sprach ich über frühen Zugang wirklich nur eine kurzfristige Sache. Erhalten Sie etwas Feedback und dann wird es allgemein verfügbar sein. Über Handy, Gesichtserkennung gesprochen, verbessern wir ständig die Gesichtserkennung. Wir machen wirklich Gesichtsklassifizierung, wir machen keine biometrische Gesichtserkennung. Es neigt dazu, weniger sensibel zu sein, die Frage war, dass ein Bericht über Gesichtserkennung wirklich irgendwie herunterfällt, wenn man in bestimmte Rassen oder Geschlechter oder Alterskategorien kommt. Weil wir Klassifikation machen, haben wir nicht dieses biometrische Problem, aber wir machen wieder eine Gesichtsklassifikation. Wir werden die ersten drei Matches auftischen, gewichten und bewerten und sagen: "Hier ist die Nummer eins, und unsere höchste Genauigkeit ist sehr, sehr gut." Über all diese Dynamiken, die ich gerade erwähnt habe. Was ist eine Frage zur Speicherung, denn wir haben die Speicherung mit der Quantenankündigung angesprochen. Ich denke, dass ich bei unserem letzten Anruf erwähnt habe, dass wir buchstäblich am Tag nach der Quantenankündigung einen Eingang von einem der fünf größten Speicherhersteller der Welt hatten. Top 5 sind HP, IBM, Dell, EMC, Hitachi, ich weiß nicht, ob ich fünf gesagt habe, aber das ist die Top-Kategorie.
Also haben wir tolle Treffen mit einem dieser Top Five, die uns mehrmals besucht haben. Wir haben sie mehrmals besucht, und wir schauen uns konkrete Anwendungsfälle an, die sich über eine Vielzahl von Möglichkeiten erstrecken. Es gab eine Frage zu einem Nasdaq-Listing, darüber haben wir seit den ersten beiden Quartalen nach meinem Eintritt in das Unternehmen keine Zeit mehr nachgedacht. Es ging um die Frage, was wären die Zulassungsvoraussetzungen? Wenn Erinnerung mich gut dient, ist es ein minimaler Aktienkurs $4, also würden Sie eine sehr große Rückseite Spalte sehen. 50 Millionen Dollar Marktlücke und 10 Millionen Dollar in bar, aber das ist noch nicht auf unserem Teller. Wir haben so viel zu tun beim Aufbau eines Unternehmens, wir haben eine loyale und engagierte, enthusiastische Investorenbasis in Australien, die auch die letzte Frage berührt. Welches war, erwägen wir, ich schätze, was wir in Australien Konsolidierung und eine Rückspaltung nennen, wie wir es hier in den USA nennen. Ich sage Ihnen nur, der Vorstand hat darüber keine Diskussion geführt. Es geht uns im Moment nicht durch den Kopf, das Board, das Managementteam, die Rangliste und die Datei sind alle darauf ausgerichtet, Einnahmen aus Brain Chip Studio und Accelerator zu generieren. Akida so schnell wie möglich auf den Markt zu bringen.
Das war's also von hier aus, ich bin ein wenig blind geworden, es wäre schön, wenn wir die Gelegenheit hätten, einfach einen interaktiven Anruf zu machen. Aber ich denke, dass ich die meisten Fragen, wenn nicht alle, und eine Menge Material abgedeckt habe. Also werde ich das unterschreiben und wir werden in etwa 90 Tagen wieder mit dir reden. Ich danke Ihnen vielmals.
https://www.eetindia.co.in/news/article/18080102-advances-in…
Fortschritte im neuromorphen Rechnen
1. August 2018Nitin Dahad, EE Zeiten
Forschungsanstrengungen beginnen Früchte zu tragen
LONDON - Es gab in den letzten Jahren eine enorme Menge an Forschung im Bereich des Brain-inspirierten Computing, um die explosionsartige Zunahme der Rechenleistung und des Speicherbedarfs zu bewältigen, um den wachsenden Anforderungen an künstliche Intelligenz und maschinelles Lernen in nahezu allen Bereichen gerecht zu werden.
Diese Forschung beginnt nun Früchte zu tragen, und mindestens ein neuromorpher Computerchip-Entwickler, BrainChip, plant, seine Chip-Architektur im nächsten Monat zu detaillieren.
Anfang des Jahres erklärte Barbara de Salvo, CEA-Leti's leitende Wissenschaftlerin, dass die Halbleiterindustrie sich an der Biologie orientieren könnte, um den Energiebedarf zu decken, den herkömmliche Computerarchitekturen heute nicht mehr erfüllen können. Sie skizzierte die Eigenschaften einer Gehirnsynapse, die sowohl Speicher als auch Computer in einer einzigen Architektur enthält, die die Grundlage für eine hirninspirierte Nicht-Von-Neumann-Computerarchitektur bilden kann. Ein neuer Trend im neuromorphen Computing ist die Kodierung von Neuronenwerten als Pulse oder Spikes.
Und dann ist da noch das neuromorphe Computerprojekt des European Human Brain Project, das an der Konstruktion von zwei großen, einzigartigen neuromorphen Maschinen und dem Prototyping der nächsten Generation neuromorpher Chips arbeitet. Kürzlich veröffentlichte sie ein Papier über ihre ersten vollständigen Simulationen eines kortikalen Mikroschaltungsmodells von 80.000 Neuronen und 300 Millionen Synapsen auf der Basis der SpiNNNaker-Hardware, um ihre Verwendbarkeit für Computational Neuroscience-Anwendungen zu demonstrieren.
Professor Markus Diesmann, Mitautor der Arbeit und Leiter der Abteilung Computational and Systems Neuroscience am Forschungszentrum Jülich, sagte: "Es gibt eine große Lücke zwischen dem Energieverbrauch des Gehirns und den heutigen Supercomputern. Das neuromorphe (hirninspirierte) Computing erlaubt uns zu untersuchen, wie nahe wir mit Hilfe von Elektronik an die Energieeffizienz des Gehirns herankommen können."
Er fügt hinzu: "Es ist derzeit unklar, welche Computerarchitektur am besten geeignet ist, Ganzhirnnetze effizient zu untersuchen. Das European Human Brain Project und das Forschungszentrum Jülich haben umfangreiche Untersuchungen durchgeführt, um die beste Strategie für dieses hochkomplexe Problem zu finden. Heutige Supercomputer benötigen mehrere Minuten, um eine Sekunde Echtzeit zu simulieren, so dass Studien über Prozesse wie Lernen, die Stunden und Tage in Echtzeit dauern, derzeit außer Reichweite sind."
Das Mikroschaltungsmodell wird auf einer Maschine aus sechs SpiNNN-5 SpiNNaker-Boards mit insgesamt 217 Chips und 1.934 ARM9-Kernen simuliert. Jedes Board besteht aus 48 Chips und jedem Chip mit 18 Kernen, so dass insgesamt 288 Chips und 5.174 Kerne zur Verfügung stehen. Davon werden auf jedem Chip zwei Kerne zum Laden, Abrufen der Ergebnisse und zur Simulationssteuerung verwendet. Von den restlichen Kernen werden nur 1.934 verwendet, da dies alles ist, was benötigt wird, um die Anzahl der Neuronen im Netzwerk mit 80 Neuronen auf jedem der Neuronenkerne zu simulieren.
"Dies ist das erste Mal, dass eine so detaillierte Simulation des Cortex auf SpiNNaker oder einer neuromorphen Plattform durchgeführt wurde", sagt Steve Furber, ein weiterer Co-Autor und Professor für Computertechnik an der University of Manchester, Großbritannien. Die Ergebnisse unserer Forschung werden die Software verbessern, um diese auf ein einziges Board zu reduzieren."
Ein Unternehmen, das hofft, der erste Marktteilnehmer mit einem kommerziellen Spiking Neural-Network-Chip oder neuromorphic system-on-chip (NSoC) zu sein, ist BrainChip, das an der australischen Wertpapierbörse notiert ist, aber die meisten seiner 30 Mitarbeiter in Orange County, Kalifornien, und Toulouse, Frankreich, beschäftigt.
Im September 2016 erwarb das Unternehmen Spikenet in Toulouse - einen Spezialisten für softwarebasierte neuronale Netzwerke (SNNs), der jedes visuelle Muster in Echtzeit, aber ohne intensive Schulung und mit sehr wenigen Bildproben erlernte. Dies emulierte die SNNs in Software, die auf x86-Plattformen läuft, während BrainChip ursprünglich gegründet wurde, um das Neuron selbst in Silizium umzusetzen.
Spikenet hatte Kunden in den Bereichen Sicherheit und Gaming (mit einer Reihe von Casinos in Las Vegas), so dass BrainChip eine Einnahmequelle und ein ergänzendes Produkt erwerben konnte, das von der Integration seines neuronalen adaptiven Prozessors profitieren konnte.
Künstliche neuronale Netze lassen sich in zwei Bereiche einteilen - Faltungsneuronale Netze oder CNNs (auch bekannt als Deep Learning) und Spiking Neuronale Netze (SNNs), auch bekannt als Neuromorphic Computing (weil sie Neuronenfunktionen modellieren). Die Basisfunktionalität von CNNs ist eine Mathematikfunktion.
"In einem CNN ist das, was Sie tun, eine lineare Algebra-Matrix-Multiplikation, und ein tiefes neuronales Netzwerk ist nur ein Haufen von Filtern, die versuchen, herausragende Merkmale zu extrahieren, die zusammengesetzt werden können, um der Maschine oder dem System zu helfen, bestimmte Objekte zu erkennen - wie visuelle, finanzielle oder Cybersicherheitsdaten", sagte Bob Beachler, Senior von BrainChip.
"Statt der Matrix-Multiplikation ist unsere Basisfunktionalität ein echtes Neuron, das wir als eine Reihe von Synapsen modellieren, bei denen die Verbindungen entweder gehemmt oder verstärkt sind", fügte Beachler hinzu. "Das Neuron selbst, das eine Integrationsfunktion ist, zählt im Grunde die Anzahl der Spikes - ein Stück Daten, das über eine Synapse gesendet wird. Die Art und Weise, wie es trainiert wird, ist, im Gegensatz zum Setzen von Gewichten im CNN, in SNNs, wir verstärken oder hemmen die Synapse. Das ist eine Art zu trainieren. Die andere ist, dass wir die Schwelle innerhalb des Neurons selbst festlegen, die veränderbare Funktionen sind."
Beachler fügte hinzu: "Es trainiert einen Feed-Forward-Ansatz, also ein unbeaufsichtigtes Training, das sich nicht hinsetzt und sich vorbeschriftete Datensätze merkt. Sie sehen die reale Welt und hören die reale Welt, und es ist unbeaufsichtigte Mustererkennung."
Spiking neuronalen Netzwerken vs Faltung neuronalen Netzwerken.
Laut Beachler hat BrainChip seine Technologie auf x86 im Software-Emulationsmodus bewiesen, verwendete FPGAs, um seine neuronalen Netzwerke zu beschleunigen, und entwickelt jetzt sein Akida NSoC. Sie wird die Chip-Architektur voraussichtlich im September bekannt geben, gibt ihren Kunden aber bereits Details unter NDA bekannt.
Um den Markt mit seinen SNNs zu entwickeln, hat das Unternehmen diesen Monat seine Akida-Entwicklungsumgebung auf den Markt gebracht, ein maschinelles Lernframework für die Erstellung, Schulung und Prüfung von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte auf der Akida NSoC des Unternehmens unterstützt.
Die Entwicklungsumgebung umfasst die Ausführungsmaschine, Daten-zu-Spike-Konverter und einen Modellzoo mit vordefinierten SNN-Modellen. Das Framework nutzt die Skriptsprache Python und die dazugehörigen Tools und Bibliotheken, einschließlich Jupyter Notebooks, NumPy und Matplotlib.
Akida Ausführungsmotor
Die Akida-Ausführungsmaschine enthält eine Software-Simulation des Akida-Neurons, der Synapsen und der verschiedenen unterstützten Trainingsmethoden. Über API-Aufrufe in einem Python-Skript können Benutzer ihre neuronalen Netzwerktopologien, Trainingsmethoden und Datensätze zur Ausführung angeben.
Basierend auf der Struktur des Akida-Neurons unterstützt die Ausführungsmaschine mehrere Trainingsmethoden, darunter unbeaufsichtigtes Training und unbeaufsichtigtes Training mit einer beschrifteten Endschicht.
Spiking neuronale Netze arbeiten mit Spike-Mustern. Die Entwicklungsumgebung akzeptiert nativ Spiking-Daten, die von dynamischen Vision-Sensoren (DVS) erzeugt werden. Es gibt jedoch noch viele andere Arten von Daten, die mit SNNs verwendet werden können. Eingebettet in die Akida-Ausführungsmaschine sind Data-to-Spike-Konverter, die gängige Datenformate wie Bildinformationen (Pixel) in die für einen SNN benötigten Spikes umwandeln. Die Entwicklungsumgebung wird zunächst mit einem Pixel-zu-Spike-Datenkonverter ausgeliefert, gefolgt von Konvertern für Audio- und große Datenanforderungen in den Bereichen Cybersicherheit, Finanzinformationen und IoT-Daten. Benutzer können auch ihre eigenen proprietären Daten erstellen, um die Konverter in der Entwicklungsumgebung zu verwenden.
Die Entwicklungsumgebung enthält vorbereitete SNN-Modelle. Derzeit sind folgende Modelle verfügbar: eine mehrschichtige Perceptron-Implementierung für MNIST im DVS-Format, ein für den CIFAR-10-Datensatz optimiertes siebenschichtiges Netzwerk und ein für den ImageNet-Datensatz optimiertes 22schichtiges Netzwerk. Diese Modelle können die Grundlage für Benutzer sein, um ihre eigenen SNN-Modelle zu modifizieren oder zu erstellen.
Beachler sagte, dass BrainChip in erster Linie auf den eingebetteten Vision-Raum abzielt, in dem Menschen am meisten maschinelles Lernen anwenden, wie zum Beispiel die Objektklassifizierung. "Wir sehen das auf verschiedenen Marktplätzen: Automotive für ADAS und autonome Fahrzeuge, Drohnen, Machine Vision." Das Unternehmen setzt auch auf Cybersicherheit und Finanztechnologie, da Akida in der Lage ist, Muster im unbeaufsichtigten Trainingsmodus und bei der Analyse großer Datenmengen zu finden.
Auf die Frage nach den Technologien für das neuromorphe SoC, die Beachler im September ankündigen will, antwortete er: "Wir werden dies in einem rein digitalen Prozess, dem Standard-CMOS, tun, und in welcher Größe auch immer wir uns entscheiden, ob es 28 nm oder 14 nm ist. Wir machen nichts Esoterisches, keine Phase-Change-Erinnerungen, Memristoren oder ähnliches. Wir glauben fest an einen rein digitalen Logikprozess."
Fortschritte im neuromorphen Rechnen
1. August 2018Nitin Dahad, EE Zeiten
Forschungsanstrengungen beginnen Früchte zu tragen
LONDON - Es gab in den letzten Jahren eine enorme Menge an Forschung im Bereich des Brain-inspirierten Computing, um die explosionsartige Zunahme der Rechenleistung und des Speicherbedarfs zu bewältigen, um den wachsenden Anforderungen an künstliche Intelligenz und maschinelles Lernen in nahezu allen Bereichen gerecht zu werden.
Diese Forschung beginnt nun Früchte zu tragen, und mindestens ein neuromorpher Computerchip-Entwickler, BrainChip, plant, seine Chip-Architektur im nächsten Monat zu detaillieren.
Anfang des Jahres erklärte Barbara de Salvo, CEA-Leti's leitende Wissenschaftlerin, dass die Halbleiterindustrie sich an der Biologie orientieren könnte, um den Energiebedarf zu decken, den herkömmliche Computerarchitekturen heute nicht mehr erfüllen können. Sie skizzierte die Eigenschaften einer Gehirnsynapse, die sowohl Speicher als auch Computer in einer einzigen Architektur enthält, die die Grundlage für eine hirninspirierte Nicht-Von-Neumann-Computerarchitektur bilden kann. Ein neuer Trend im neuromorphen Computing ist die Kodierung von Neuronenwerten als Pulse oder Spikes.
Und dann ist da noch das neuromorphe Computerprojekt des European Human Brain Project, das an der Konstruktion von zwei großen, einzigartigen neuromorphen Maschinen und dem Prototyping der nächsten Generation neuromorpher Chips arbeitet. Kürzlich veröffentlichte sie ein Papier über ihre ersten vollständigen Simulationen eines kortikalen Mikroschaltungsmodells von 80.000 Neuronen und 300 Millionen Synapsen auf der Basis der SpiNNNaker-Hardware, um ihre Verwendbarkeit für Computational Neuroscience-Anwendungen zu demonstrieren.
Professor Markus Diesmann, Mitautor der Arbeit und Leiter der Abteilung Computational and Systems Neuroscience am Forschungszentrum Jülich, sagte: "Es gibt eine große Lücke zwischen dem Energieverbrauch des Gehirns und den heutigen Supercomputern. Das neuromorphe (hirninspirierte) Computing erlaubt uns zu untersuchen, wie nahe wir mit Hilfe von Elektronik an die Energieeffizienz des Gehirns herankommen können."
Er fügt hinzu: "Es ist derzeit unklar, welche Computerarchitektur am besten geeignet ist, Ganzhirnnetze effizient zu untersuchen. Das European Human Brain Project und das Forschungszentrum Jülich haben umfangreiche Untersuchungen durchgeführt, um die beste Strategie für dieses hochkomplexe Problem zu finden. Heutige Supercomputer benötigen mehrere Minuten, um eine Sekunde Echtzeit zu simulieren, so dass Studien über Prozesse wie Lernen, die Stunden und Tage in Echtzeit dauern, derzeit außer Reichweite sind."
Das Mikroschaltungsmodell wird auf einer Maschine aus sechs SpiNNN-5 SpiNNaker-Boards mit insgesamt 217 Chips und 1.934 ARM9-Kernen simuliert. Jedes Board besteht aus 48 Chips und jedem Chip mit 18 Kernen, so dass insgesamt 288 Chips und 5.174 Kerne zur Verfügung stehen. Davon werden auf jedem Chip zwei Kerne zum Laden, Abrufen der Ergebnisse und zur Simulationssteuerung verwendet. Von den restlichen Kernen werden nur 1.934 verwendet, da dies alles ist, was benötigt wird, um die Anzahl der Neuronen im Netzwerk mit 80 Neuronen auf jedem der Neuronenkerne zu simulieren.
"Dies ist das erste Mal, dass eine so detaillierte Simulation des Cortex auf SpiNNaker oder einer neuromorphen Plattform durchgeführt wurde", sagt Steve Furber, ein weiterer Co-Autor und Professor für Computertechnik an der University of Manchester, Großbritannien. Die Ergebnisse unserer Forschung werden die Software verbessern, um diese auf ein einziges Board zu reduzieren."
Ein Unternehmen, das hofft, der erste Marktteilnehmer mit einem kommerziellen Spiking Neural-Network-Chip oder neuromorphic system-on-chip (NSoC) zu sein, ist BrainChip, das an der australischen Wertpapierbörse notiert ist, aber die meisten seiner 30 Mitarbeiter in Orange County, Kalifornien, und Toulouse, Frankreich, beschäftigt.
Im September 2016 erwarb das Unternehmen Spikenet in Toulouse - einen Spezialisten für softwarebasierte neuronale Netzwerke (SNNs), der jedes visuelle Muster in Echtzeit, aber ohne intensive Schulung und mit sehr wenigen Bildproben erlernte. Dies emulierte die SNNs in Software, die auf x86-Plattformen läuft, während BrainChip ursprünglich gegründet wurde, um das Neuron selbst in Silizium umzusetzen.
Spikenet hatte Kunden in den Bereichen Sicherheit und Gaming (mit einer Reihe von Casinos in Las Vegas), so dass BrainChip eine Einnahmequelle und ein ergänzendes Produkt erwerben konnte, das von der Integration seines neuronalen adaptiven Prozessors profitieren konnte.
Künstliche neuronale Netze lassen sich in zwei Bereiche einteilen - Faltungsneuronale Netze oder CNNs (auch bekannt als Deep Learning) und Spiking Neuronale Netze (SNNs), auch bekannt als Neuromorphic Computing (weil sie Neuronenfunktionen modellieren). Die Basisfunktionalität von CNNs ist eine Mathematikfunktion.
"In einem CNN ist das, was Sie tun, eine lineare Algebra-Matrix-Multiplikation, und ein tiefes neuronales Netzwerk ist nur ein Haufen von Filtern, die versuchen, herausragende Merkmale zu extrahieren, die zusammengesetzt werden können, um der Maschine oder dem System zu helfen, bestimmte Objekte zu erkennen - wie visuelle, finanzielle oder Cybersicherheitsdaten", sagte Bob Beachler, Senior von BrainChip.
"Statt der Matrix-Multiplikation ist unsere Basisfunktionalität ein echtes Neuron, das wir als eine Reihe von Synapsen modellieren, bei denen die Verbindungen entweder gehemmt oder verstärkt sind", fügte Beachler hinzu. "Das Neuron selbst, das eine Integrationsfunktion ist, zählt im Grunde die Anzahl der Spikes - ein Stück Daten, das über eine Synapse gesendet wird. Die Art und Weise, wie es trainiert wird, ist, im Gegensatz zum Setzen von Gewichten im CNN, in SNNs, wir verstärken oder hemmen die Synapse. Das ist eine Art zu trainieren. Die andere ist, dass wir die Schwelle innerhalb des Neurons selbst festlegen, die veränderbare Funktionen sind."
Beachler fügte hinzu: "Es trainiert einen Feed-Forward-Ansatz, also ein unbeaufsichtigtes Training, das sich nicht hinsetzt und sich vorbeschriftete Datensätze merkt. Sie sehen die reale Welt und hören die reale Welt, und es ist unbeaufsichtigte Mustererkennung."
Spiking neuronalen Netzwerken vs Faltung neuronalen Netzwerken.
Laut Beachler hat BrainChip seine Technologie auf x86 im Software-Emulationsmodus bewiesen, verwendete FPGAs, um seine neuronalen Netzwerke zu beschleunigen, und entwickelt jetzt sein Akida NSoC. Sie wird die Chip-Architektur voraussichtlich im September bekannt geben, gibt ihren Kunden aber bereits Details unter NDA bekannt.
Um den Markt mit seinen SNNs zu entwickeln, hat das Unternehmen diesen Monat seine Akida-Entwicklungsumgebung auf den Markt gebracht, ein maschinelles Lernframework für die Erstellung, Schulung und Prüfung von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte auf der Akida NSoC des Unternehmens unterstützt.
Die Entwicklungsumgebung umfasst die Ausführungsmaschine, Daten-zu-Spike-Konverter und einen Modellzoo mit vordefinierten SNN-Modellen. Das Framework nutzt die Skriptsprache Python und die dazugehörigen Tools und Bibliotheken, einschließlich Jupyter Notebooks, NumPy und Matplotlib.
Akida Ausführungsmotor
Die Akida-Ausführungsmaschine enthält eine Software-Simulation des Akida-Neurons, der Synapsen und der verschiedenen unterstützten Trainingsmethoden. Über API-Aufrufe in einem Python-Skript können Benutzer ihre neuronalen Netzwerktopologien, Trainingsmethoden und Datensätze zur Ausführung angeben.
Basierend auf der Struktur des Akida-Neurons unterstützt die Ausführungsmaschine mehrere Trainingsmethoden, darunter unbeaufsichtigtes Training und unbeaufsichtigtes Training mit einer beschrifteten Endschicht.
Spiking neuronale Netze arbeiten mit Spike-Mustern. Die Entwicklungsumgebung akzeptiert nativ Spiking-Daten, die von dynamischen Vision-Sensoren (DVS) erzeugt werden. Es gibt jedoch noch viele andere Arten von Daten, die mit SNNs verwendet werden können. Eingebettet in die Akida-Ausführungsmaschine sind Data-to-Spike-Konverter, die gängige Datenformate wie Bildinformationen (Pixel) in die für einen SNN benötigten Spikes umwandeln. Die Entwicklungsumgebung wird zunächst mit einem Pixel-zu-Spike-Datenkonverter ausgeliefert, gefolgt von Konvertern für Audio- und große Datenanforderungen in den Bereichen Cybersicherheit, Finanzinformationen und IoT-Daten. Benutzer können auch ihre eigenen proprietären Daten erstellen, um die Konverter in der Entwicklungsumgebung zu verwenden.
Die Entwicklungsumgebung enthält vorbereitete SNN-Modelle. Derzeit sind folgende Modelle verfügbar: eine mehrschichtige Perceptron-Implementierung für MNIST im DVS-Format, ein für den CIFAR-10-Datensatz optimiertes siebenschichtiges Netzwerk und ein für den ImageNet-Datensatz optimiertes 22schichtiges Netzwerk. Diese Modelle können die Grundlage für Benutzer sein, um ihre eigenen SNN-Modelle zu modifizieren oder zu erstellen.
Beachler sagte, dass BrainChip in erster Linie auf den eingebetteten Vision-Raum abzielt, in dem Menschen am meisten maschinelles Lernen anwenden, wie zum Beispiel die Objektklassifizierung. "Wir sehen das auf verschiedenen Marktplätzen: Automotive für ADAS und autonome Fahrzeuge, Drohnen, Machine Vision." Das Unternehmen setzt auch auf Cybersicherheit und Finanztechnologie, da Akida in der Lage ist, Muster im unbeaufsichtigten Trainingsmodus und bei der Analyse großer Datenmengen zu finden.
Auf die Frage nach den Technologien für das neuromorphe SoC, die Beachler im September ankündigen will, antwortete er: "Wir werden dies in einem rein digitalen Prozess, dem Standard-CMOS, tun, und in welcher Größe auch immer wir uns entscheiden, ob es 28 nm oder 14 nm ist. Wir machen nichts Esoterisches, keine Phase-Change-Erinnerungen, Memristoren oder ähnliches. Wir glauben fest an einen rein digitalen Logikprozess."
https://futurism.com/pledge-autonomous-killing-machines-igno…
by Dan Robitzski July 23, 2018 Artificial Intelligence
Autonome Tötungsmaschinen ignorieren das eigentliche Problem
Letzte Woche unterzeichneten viele der wichtigsten Akteure in der Welt der künstlichen Intelligenz ein Versprechen, niemals künstliche Intelligenzsysteme zu bauen oder zu unterstützen, die eine autonome Waffe führen könnten. Die Unterzeichner eingeschlossen: Die Mitbegründer von Google DeepMind, der OpenAI-Gründer Elon Musk, und eine ganze Reihe prominenter Forscher und Branchenführer der künstlichen Intelligenz.
Das Versprechen des KI-Forschers Max Tegmark's Future of Life Institute argumentiert, dass jedes System, das Menschen ohne menschliche Aufsicht angreifen und töten kann, von Natur aus unmoralisch ist, und verurteilt jedes zukünftige KI-Rüstungsrennen, das stattfinden könnte. Mit der Unterzeichnung des Versprechens schließen sich diese KI-Bigwigs den Regierungen von 26 Nationen an, darunter China, Pakistan und der Staat Palästina, die ebenfalls tödliche autonome Waffen verurteilt und verboten haben.
Wenn du also eine Kampfdrohne bauen willst, die vor dem Töten keine menschliche Aufsicht benötigt, musst du es irgendwo anders als in diesen Nationen und mit anderen Partnern als denen, die das Abkommen unterzeichnet haben, tun.
Ja, das Verbot von Killerrobotern ist wahrscheinlich ein guter Schritt für unsere gemeinsame Zukunft - Kinder in Nationen, die vom Drohnenkrieg verwüstet wurden, haben bereits begonnen, den Himmel zu fürchten - aber es gibt ein ziemlich krasses Loch in dem, was dieses Versprechen tatsächlich bewirkt.
Nämlich: Es gibt subtilere und heimtückischere Wege, die KI gegen die Feinde einer Nation einzusetzen, als ein Maschinengewehr an den Arm eines Roboters zu schnallen, im Terminator-Stil.
Das Versprechen ignoriert völlig die Tatsache, dass Cybersicherheit mehr bedeutet, als sich vor einer Armee von Killerrobotern zu schützen. Wie Mariarosaria Taddeo vom Oxford Internet Institute Business Insider sagte, könnte KI in internationalen Konflikten auf subtilere, aber wirkungsvollere Weise eingesetzt werden. Künstliche Intelligenz-Algorithmen könnten sich bei Hacking oder Hijacking von Netzwerken, die für die nationale Sicherheit entscheidend sind, als effektiv erweisen.
Wie Taddeo bereits erwähnte, wurde der britische National Health Service von dem mit Nordkorea verbundenen WannaCry-Virus als Geisel genommen und ein russischer Cyberattack übernahm die Kontrolle über die europäischen und nordamerikanischen Stromnetze. Mit ausgeklügelten, autonomen Algorithmen am Steuer könnten diese Cyberattacken häufiger und verheerender werden. Und doch, weil diese autonomen Waffen nicht "Kirchenbank" gehen, erwähnt die jüngste KI-Versprechen nicht (oder bezieht sich auf) sie überhaupt.
Das macht das Versprechen natürlich nicht bedeutungslos. Bei weitem nicht. Aber genauso wichtig wie die hochkarätigen Leute und Firmen, die sich bereit erklärt haben, keine autonomen Tötungsmaschinen zu bauen, sind die Namen, die in der Vereinbarung fehlen. Am bemerkenswertesten ist vielleicht das US-Verteidigungsministerium, das vor kurzem sein Joint Artificial Intelligence Center (JAIC) gegründet hat, um bei allen bevorstehenden KI-Waffenrennen voranzukommen.
"Der stellvertretende Verteidigungsminister Patrick M. Shanahan wies den DOD Chief Information Officer an, das Joint Artificial Intelligence Center (JAIC) aufzustellen, um es den Teams im gesamten DOD zu ermöglichen, schnell neue KI-fähige Fähigkeiten bereitzustellen und effektiv mit neuen Betriebskonzepten zur Unterstützung der militärischen Missionen und Geschäftsfunktionen des DOD zu experimentieren", sagte Heather Babb, Sprecherin des Verteidigungsministeriums, Futurismus.
"Viele Leute sprechen über die Behandlung von AI; wir wollen die Bedrohung sein", schrieb der stellvertretende Verteidigungsminister Patrick Shanahan kürzlich in einer E-Mail an DoD-Mitarbeiter, ein Sprecher des DoD, der dem Futurismus bestätigt wurde.
Die JAIC sieht in der künstlichen Intelligenz ein entscheidendes Instrument für die Zukunft der Kriegsführung. In Anbetracht der amerikanischen Falkenhaltung zur algorithmischen Kriegsführung ist unklar, ob ein gut gemeintes, unvollständiges Versprechen möglicherweise Bestand haben kann.
by Dan Robitzski July 23, 2018 Artificial Intelligence
Autonome Tötungsmaschinen ignorieren das eigentliche Problem
Letzte Woche unterzeichneten viele der wichtigsten Akteure in der Welt der künstlichen Intelligenz ein Versprechen, niemals künstliche Intelligenzsysteme zu bauen oder zu unterstützen, die eine autonome Waffe führen könnten. Die Unterzeichner eingeschlossen: Die Mitbegründer von Google DeepMind, der OpenAI-Gründer Elon Musk, und eine ganze Reihe prominenter Forscher und Branchenführer der künstlichen Intelligenz.
Das Versprechen des KI-Forschers Max Tegmark's Future of Life Institute argumentiert, dass jedes System, das Menschen ohne menschliche Aufsicht angreifen und töten kann, von Natur aus unmoralisch ist, und verurteilt jedes zukünftige KI-Rüstungsrennen, das stattfinden könnte. Mit der Unterzeichnung des Versprechens schließen sich diese KI-Bigwigs den Regierungen von 26 Nationen an, darunter China, Pakistan und der Staat Palästina, die ebenfalls tödliche autonome Waffen verurteilt und verboten haben.
Wenn du also eine Kampfdrohne bauen willst, die vor dem Töten keine menschliche Aufsicht benötigt, musst du es irgendwo anders als in diesen Nationen und mit anderen Partnern als denen, die das Abkommen unterzeichnet haben, tun.
Ja, das Verbot von Killerrobotern ist wahrscheinlich ein guter Schritt für unsere gemeinsame Zukunft - Kinder in Nationen, die vom Drohnenkrieg verwüstet wurden, haben bereits begonnen, den Himmel zu fürchten - aber es gibt ein ziemlich krasses Loch in dem, was dieses Versprechen tatsächlich bewirkt.
Nämlich: Es gibt subtilere und heimtückischere Wege, die KI gegen die Feinde einer Nation einzusetzen, als ein Maschinengewehr an den Arm eines Roboters zu schnallen, im Terminator-Stil.
Das Versprechen ignoriert völlig die Tatsache, dass Cybersicherheit mehr bedeutet, als sich vor einer Armee von Killerrobotern zu schützen. Wie Mariarosaria Taddeo vom Oxford Internet Institute Business Insider sagte, könnte KI in internationalen Konflikten auf subtilere, aber wirkungsvollere Weise eingesetzt werden. Künstliche Intelligenz-Algorithmen könnten sich bei Hacking oder Hijacking von Netzwerken, die für die nationale Sicherheit entscheidend sind, als effektiv erweisen.
Wie Taddeo bereits erwähnte, wurde der britische National Health Service von dem mit Nordkorea verbundenen WannaCry-Virus als Geisel genommen und ein russischer Cyberattack übernahm die Kontrolle über die europäischen und nordamerikanischen Stromnetze. Mit ausgeklügelten, autonomen Algorithmen am Steuer könnten diese Cyberattacken häufiger und verheerender werden. Und doch, weil diese autonomen Waffen nicht "Kirchenbank" gehen, erwähnt die jüngste KI-Versprechen nicht (oder bezieht sich auf) sie überhaupt.
Das macht das Versprechen natürlich nicht bedeutungslos. Bei weitem nicht. Aber genauso wichtig wie die hochkarätigen Leute und Firmen, die sich bereit erklärt haben, keine autonomen Tötungsmaschinen zu bauen, sind die Namen, die in der Vereinbarung fehlen. Am bemerkenswertesten ist vielleicht das US-Verteidigungsministerium, das vor kurzem sein Joint Artificial Intelligence Center (JAIC) gegründet hat, um bei allen bevorstehenden KI-Waffenrennen voranzukommen.
"Der stellvertretende Verteidigungsminister Patrick M. Shanahan wies den DOD Chief Information Officer an, das Joint Artificial Intelligence Center (JAIC) aufzustellen, um es den Teams im gesamten DOD zu ermöglichen, schnell neue KI-fähige Fähigkeiten bereitzustellen und effektiv mit neuen Betriebskonzepten zur Unterstützung der militärischen Missionen und Geschäftsfunktionen des DOD zu experimentieren", sagte Heather Babb, Sprecherin des Verteidigungsministeriums, Futurismus.
"Viele Leute sprechen über die Behandlung von AI; wir wollen die Bedrohung sein", schrieb der stellvertretende Verteidigungsminister Patrick Shanahan kürzlich in einer E-Mail an DoD-Mitarbeiter, ein Sprecher des DoD, der dem Futurismus bestätigt wurde.
Die JAIC sieht in der künstlichen Intelligenz ein entscheidendes Instrument für die Zukunft der Kriegsführung. In Anbetracht der amerikanischen Falkenhaltung zur algorithmischen Kriegsführung ist unklar, ob ein gut gemeintes, unvollständiges Versprechen möglicherweise Bestand haben kann.
https://www.electronicproducts.com/Semiconductors/BrainChip_…
BrainChip stellt Entwicklungskit für fortgeschrittene neuronale Netze vor
Die Akida Entwicklungsumgebung ist ein komplettes maschinelles Lernframework zur Erstellung von neuronalen Netzwerken.
Von Brian Santo, beitragender Autor
BrainChip Holdings Ltd. hat ein Entwicklungskit zur Erstellung von Spiking Neural Networks (SNNs) auf den Markt gebracht. Es ist definitiv nichts für Anfänger. Auch als neuromorphes Computing bezeichnet, sind SNNs eine neuere Art von neuronalen Netzwerken, die schneller trainiert werden können als klassische neuronale Netzwerke und die Fähigkeit haben, nach dem Einsatz on the fly zu lernen.
SNN kann für eine Vielzahl von Anwendungen eingesetzt werden, darunter öffentliche Sicherheit, Transport, landwirtschaftliche Produktivität, finanzielle Sicherheit, Cybersicherheit und Gesundheitswesen. Die ersten beiden kommerziellen Anwendungen von BrainChip sind die Gesichtserkennung und ein System für Casinos. Es besteht auch ein großes Interesse daran, es in Datenkommunikationsnetzwerk-Edge-Geräten einzusetzen, mit dem Ziel, Edge-Systeme nicht nur schneller, sondern auch in der Lage zu machen, sich den Netzwerkbedingungen und -anforderungen nahezu in Echtzeit anzupassen. Intel, Altera, Xilinx, IBM und Nvidia gehören zu den interessierten Unternehmen.
Die Kurzgeschichte ist, dass der SNN-Spezialist BrainChip seine neue Akida Development Environment anbietet, ein maschinelles Lernframework für die Erstellung, Schulung und den Test von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte für das kommende eigene neuromorphe System-on-a-Chip, den Akida NSoC, unterstützt.
Brainchip-AkidaEntwicklungUmwelt
BrainChip lehnte es ab, mehr zu sagen, als dass das NSoC durch das Entwicklungskit unterstützt wird und dass es irgendwann im dritten Quartal 2018 fällig ist. Das lässt einige Fragen offen, unter anderem, was der NSoC spezifisch ist und welche Verbesserungen er bei der Entwicklung von SNNs darstellen könnte. Entwickler, die das Kit derzeit verwenden, können dies auf x86-basierten Systemen tun, so die Website des Unternehmens.
Die längere Geschichte, warum SNNs interessant sind, beinhaltet einen kurzen Einblick in die Geschichte der Entwicklung neuronaler Netzwerke.
Das Gehirn hat Millionen von Neuronen, und während der Gehirnaktivität und jedes Lernprozesses verbinden sich die Neuronen mit den Nachbarn. Diese Verbindungen bilden Pfade, und jedes gelernte Ding hat seinen eigenen Pfad oder Muster von Pfaden, die sich von sich selbst unterscheiden.
Klassische neuronale Netze versuchen dies zu emulieren, indem sie mit Knoten - "Neuronen" - beginnen, die alle miteinander verbunden sind. Zuerst sind die Verbindungen zwischen zwei beliebigen Neuronen schwach, aber wenn neue Daten hinzugefügt werden und die verarbeiteten Ergebnisse zurückgemeldet werden, wird die Stärke der Verbindungen zwischen jedem Neuronenpaar - genannt "Gewichte" - immer wieder angepasst. Mit dem Erlernen des Systems werden eindeutige Verarbeitungspfade gebildet.
Dieser Ansatz hat jedoch einige Nachteile. Ein vollständig angeschlossenes Netzwerk wertet Gewichte zwischen nahezu jeder möglichen Kombination von Neuronenpaaren aus, was kompliziert klingt und ist. Sie können immer mehr Neuronen hinzufügen, aber die Fähigkeiten und die Leistung eines klassischen neuronalen Netzwerks skalieren nicht direkt mit der Anzahl der Neuronen. Außerdem benötigt man oft große Datenmengen, um ein klassisches neuronales Netzwerk zu trainieren, bevor es verwendet werden kann, und der Trainingsprozess kann zeitaufwändig sein.
Es muss einen besseren Weg geben, und natürlich gibt es mehrere, angefangen bei einigen der Verhaltensweisen biologischer Gehirne. Biologische Gehirne können Dinge auf eine Weise lernen, die weitaus einfacher ist als die Funktionsweise klassischer neuronaler Netze. Insektenhirne zum Beispiel haben eine trügerisch einfache Architektur, und das Lernen scheint merkwürdig laut zu sein (in technischer Hinsicht) und ein komplettes Feed-Forward-Verfahren (siehe "Der Schlüssel zu einer intelligenteren, schnelleren KI, die wahrscheinlich durch die Modellierung von Mottenhirnen gefunden wird"). Ähnliche Prozesse können in den größeren, nominell anspruchsvolleren Gehirnen von Tieren höherer Ordnung beobachtet werden.
Das ist nicht der einzige Unterschied zwischen biologischen Gehirnen und elektronischen Gehirnen, aber er ist dadurch gekennzeichnet, dass biologische Gehirne und biologische Lernprozesse oft konzeptionell einfacher sind als klassische neuronale Netze. Neuere Generationen der neuronalen Netzwerktechnologie versuchen, diese Art von Einfachheit nachzuahmen. Zwei vielversprechende Alternativen sind Faltungsneuronale Netze (CNNs) und SNNs. Bei der Kommerzialisierung liegen die CNNs vorn.
CNNs basieren auf einem algorithmischen Ansatz, der im Vergleich zu SNNs sehr rechenintensiv ist. CNNs erfordern in der Regel eine Schulung vor dem Einsatz. Ein Grund dafür ist, dass der Trainingsprozess auf Rückführung beruht - die Ergebnisse werden zur Verstärkung in das System zurückgespeist.
SNNs basieren auf der "threshold"-Logik. Die Gewichte akkumulieren sich, bis sie eine voreingestellte Schwelle erreichen, und dann feuern sie oder "spike", woraufhin das Verbindungsgewicht auf ein Reset-Niveau zurückkehrt. Es ist ein Feed-Forward-Prozess (erinnern Sie sich an die Motte?).
Natürlich sind dies vereinfachte Erklärungen, aber sie führen direkt zu den Konsequenzen für Datacom-Netzwerke. CNNs sind rechenintensiv, was sich direkt auf den Stromverbrauch auswirkt. Rechenintensive Prozesse neigen daher dazu, in Rechenzentren tief in die Wolke geschoben zu werden. SNNs sind nicht rechenintensiv; da sie von Natur aus weniger Strom benötigen, werden sie für das Edge Computing empfohlen. Die Fähigkeit, on the fly zu lernen, ist auch eine Empfehlung für Edge Computing, erklärt BrainChip.
Und damit kommen wir zurück zur Akida-Entwicklungsumgebung des Unternehmens. Das Unternehmen sucht Kunden, die bereit sind, innovative Anwendungen für eine innovative Technologie zu erforschen.
Das Kit enthält eine Akida Execution Engine, Data-to-Spike-Konverter und einen Modell-Zoo mit vorgefertigten SNN-Modellen. Das Framework nutzt die Skriptsprache Python und die dazugehörigen Tools und Bibliotheken.
Der erste (und bisher einzige) Data-to-Spike-Konverter, der mit dem Kit erhältlich ist, ist ein Pixel-to-Spike-Konverter. Natürlich wird jeder, der das Kit in naher Zukunft verwenden möchte, ein Problem mit der visuellen Erkennung haben. BrainChip sagte, dass es plant, mit anderen Konvertern für Audio- und große Datenanforderungen in Cybersicherheit, Finanzinformationen und IoT-Daten zu folgen. Anwender können auch eigene Daten-zu-Spike-Konverter erstellen, die innerhalb der Entwicklungsumgebung verwendet werden können.
Das Entwicklungskit wird für Ingenieure empfohlen, die bereits Erfahrung mit neuronalen Netzen haben. In einem E-Mail-Austausch sagte Bob Beachler, Senior Vice President of Marketing and Business Development bei BrainChip, zu Electronic Products: "Wenn die Person mit der Entwicklung und dem Training künstlicher neuronaler Netze (entweder Faltungsneuronale Netze oder Spiking Neuronale Netze) mit TensorFlow, Caffe, PyTorch, Theano oder einem ähnlichen Maschinen-Lern-Framework vertraut ist, dann hätten sie kein Problem damit, SNNs mit der Akida-Entwicklungsumgebung zu erstellen.
"Wenn es sich um RTL-Ingenieure handelt, die es gewohnt sind, digitale Logik zu entwerfen, dann wäre es für sie nicht intuitiv", fügte Beachler hinzu. "Sie müssten ein oder zwei Klassen besuchen, um zu lernen, wie man ANNs erstellt und die Python-Skriptsprache lernt." (ANNs sind künstliche neuronale Netze. Sie haben konzeptionelle Ähnlichkeiten mit SNNs, und die beiden Begriffe werden manchmal austauschbar verwendet.
Die Akida-Entwicklungsumgebung ist derzeit über ein Early-Access-Programm für zugelassene Kunden verfügbar. Das Unternehmen weiß nicht, wann es allgemein verfügbar sein wird und hat keine Preisinformationen zur Verfügung gestellt. Kontaktieren Sie Brainchip für weitere Informationen oder um die Akida Entwicklungsumgebung anzufordern.
Übersetzt mit www.DeepL.com/Translator
P.S. Dieser DeepL Translator wird meiner Einschätzung nach auf DeepLearning basieren, dieses CNN wurde trainiert mit einer Unmenge von Daten, die Tausende User jede Minute in die Übersetzungsmaske eingeben.
Das ist rechenintensiv, cloudbasiert und dateienintensiv.
Brainchip geht den umgekehrten Weg, und ich bin überzeugt davon, dass es ein alternativer Weg ist, der seinen Markt findet, da es diesen Markt geben wird, dieser Markt wird erst in 5-10 Jahren so richtig groß werden. Wer den Gartner Hype Cycle kennt, wird wissen was ich meine.
Aber bis dahin wird das Unternehmen seine Umsätze derart gesteigert haben, dass der Marktwert die Mrd. Grenze übertroffen hat.
Ich hoffe, dass das Unternehmen in dieser Zeit nicht mehr zum Verkauf stehen wird, denn Louis hatte das bisher immer im Auge gehabt.
Der Newsflow wird nicht abbrechen dieses Jahr, und wenn er stimmig ist, wird der Aktienkurs zum Jahresende bei 30 Cent einpendeln.
Ich bin der bescheidenen Meinung, dass BRN mit seinem Akida-Entwicklertool nicht auf taube Ohren stösst, und wenn dieses Tool seine Abnehmer findet, und die Abnehmer bereit sind, damit zu arbeiten und sich darauf einzulassen, kann BRN darauf aufbauend in der Lage sein, einen Burggraben im SNN Bereich aufzubauen...ähnlich, wie es eine SAP im Unternehmensbereich, oder eine Azure von MSFT im Cloudbereich ist.
Solche Burggräben halten sich in der Regel 10-20 Jahre.
Ich bin kein Chip- oder Software-Experte ich bin ein Handwerker, der analytisch denkt und intuitiv handelt wenn ich die Freiheit dazu habe.
Ich erkenne was ich sehe, und das verstehe ich.
BrainChip stellt Entwicklungskit für fortgeschrittene neuronale Netze vor
Die Akida Entwicklungsumgebung ist ein komplettes maschinelles Lernframework zur Erstellung von neuronalen Netzwerken.
Von Brian Santo, beitragender Autor
BrainChip Holdings Ltd. hat ein Entwicklungskit zur Erstellung von Spiking Neural Networks (SNNs) auf den Markt gebracht. Es ist definitiv nichts für Anfänger. Auch als neuromorphes Computing bezeichnet, sind SNNs eine neuere Art von neuronalen Netzwerken, die schneller trainiert werden können als klassische neuronale Netzwerke und die Fähigkeit haben, nach dem Einsatz on the fly zu lernen.
SNN kann für eine Vielzahl von Anwendungen eingesetzt werden, darunter öffentliche Sicherheit, Transport, landwirtschaftliche Produktivität, finanzielle Sicherheit, Cybersicherheit und Gesundheitswesen. Die ersten beiden kommerziellen Anwendungen von BrainChip sind die Gesichtserkennung und ein System für Casinos. Es besteht auch ein großes Interesse daran, es in Datenkommunikationsnetzwerk-Edge-Geräten einzusetzen, mit dem Ziel, Edge-Systeme nicht nur schneller, sondern auch in der Lage zu machen, sich den Netzwerkbedingungen und -anforderungen nahezu in Echtzeit anzupassen. Intel, Altera, Xilinx, IBM und Nvidia gehören zu den interessierten Unternehmen.
Die Kurzgeschichte ist, dass der SNN-Spezialist BrainChip seine neue Akida Development Environment anbietet, ein maschinelles Lernframework für die Erstellung, Schulung und den Test von SNNs, das die Entwicklung von Systemen für Edge- und Enterprise-Produkte für das kommende eigene neuromorphe System-on-a-Chip, den Akida NSoC, unterstützt.
Brainchip-AkidaEntwicklungUmwelt
BrainChip lehnte es ab, mehr zu sagen, als dass das NSoC durch das Entwicklungskit unterstützt wird und dass es irgendwann im dritten Quartal 2018 fällig ist. Das lässt einige Fragen offen, unter anderem, was der NSoC spezifisch ist und welche Verbesserungen er bei der Entwicklung von SNNs darstellen könnte. Entwickler, die das Kit derzeit verwenden, können dies auf x86-basierten Systemen tun, so die Website des Unternehmens.
Die längere Geschichte, warum SNNs interessant sind, beinhaltet einen kurzen Einblick in die Geschichte der Entwicklung neuronaler Netzwerke.
Das Gehirn hat Millionen von Neuronen, und während der Gehirnaktivität und jedes Lernprozesses verbinden sich die Neuronen mit den Nachbarn. Diese Verbindungen bilden Pfade, und jedes gelernte Ding hat seinen eigenen Pfad oder Muster von Pfaden, die sich von sich selbst unterscheiden.
Klassische neuronale Netze versuchen dies zu emulieren, indem sie mit Knoten - "Neuronen" - beginnen, die alle miteinander verbunden sind. Zuerst sind die Verbindungen zwischen zwei beliebigen Neuronen schwach, aber wenn neue Daten hinzugefügt werden und die verarbeiteten Ergebnisse zurückgemeldet werden, wird die Stärke der Verbindungen zwischen jedem Neuronenpaar - genannt "Gewichte" - immer wieder angepasst. Mit dem Erlernen des Systems werden eindeutige Verarbeitungspfade gebildet.
Dieser Ansatz hat jedoch einige Nachteile. Ein vollständig angeschlossenes Netzwerk wertet Gewichte zwischen nahezu jeder möglichen Kombination von Neuronenpaaren aus, was kompliziert klingt und ist. Sie können immer mehr Neuronen hinzufügen, aber die Fähigkeiten und die Leistung eines klassischen neuronalen Netzwerks skalieren nicht direkt mit der Anzahl der Neuronen. Außerdem benötigt man oft große Datenmengen, um ein klassisches neuronales Netzwerk zu trainieren, bevor es verwendet werden kann, und der Trainingsprozess kann zeitaufwändig sein.
Es muss einen besseren Weg geben, und natürlich gibt es mehrere, angefangen bei einigen der Verhaltensweisen biologischer Gehirne. Biologische Gehirne können Dinge auf eine Weise lernen, die weitaus einfacher ist als die Funktionsweise klassischer neuronaler Netze. Insektenhirne zum Beispiel haben eine trügerisch einfache Architektur, und das Lernen scheint merkwürdig laut zu sein (in technischer Hinsicht) und ein komplettes Feed-Forward-Verfahren (siehe "Der Schlüssel zu einer intelligenteren, schnelleren KI, die wahrscheinlich durch die Modellierung von Mottenhirnen gefunden wird"). Ähnliche Prozesse können in den größeren, nominell anspruchsvolleren Gehirnen von Tieren höherer Ordnung beobachtet werden.
Das ist nicht der einzige Unterschied zwischen biologischen Gehirnen und elektronischen Gehirnen, aber er ist dadurch gekennzeichnet, dass biologische Gehirne und biologische Lernprozesse oft konzeptionell einfacher sind als klassische neuronale Netze. Neuere Generationen der neuronalen Netzwerktechnologie versuchen, diese Art von Einfachheit nachzuahmen. Zwei vielversprechende Alternativen sind Faltungsneuronale Netze (CNNs) und SNNs. Bei der Kommerzialisierung liegen die CNNs vorn.
CNNs basieren auf einem algorithmischen Ansatz, der im Vergleich zu SNNs sehr rechenintensiv ist. CNNs erfordern in der Regel eine Schulung vor dem Einsatz. Ein Grund dafür ist, dass der Trainingsprozess auf Rückführung beruht - die Ergebnisse werden zur Verstärkung in das System zurückgespeist.
SNNs basieren auf der "threshold"-Logik. Die Gewichte akkumulieren sich, bis sie eine voreingestellte Schwelle erreichen, und dann feuern sie oder "spike", woraufhin das Verbindungsgewicht auf ein Reset-Niveau zurückkehrt. Es ist ein Feed-Forward-Prozess (erinnern Sie sich an die Motte?).
Natürlich sind dies vereinfachte Erklärungen, aber sie führen direkt zu den Konsequenzen für Datacom-Netzwerke. CNNs sind rechenintensiv, was sich direkt auf den Stromverbrauch auswirkt. Rechenintensive Prozesse neigen daher dazu, in Rechenzentren tief in die Wolke geschoben zu werden. SNNs sind nicht rechenintensiv; da sie von Natur aus weniger Strom benötigen, werden sie für das Edge Computing empfohlen. Die Fähigkeit, on the fly zu lernen, ist auch eine Empfehlung für Edge Computing, erklärt BrainChip.
Und damit kommen wir zurück zur Akida-Entwicklungsumgebung des Unternehmens. Das Unternehmen sucht Kunden, die bereit sind, innovative Anwendungen für eine innovative Technologie zu erforschen.
Das Kit enthält eine Akida Execution Engine, Data-to-Spike-Konverter und einen Modell-Zoo mit vorgefertigten SNN-Modellen. Das Framework nutzt die Skriptsprache Python und die dazugehörigen Tools und Bibliotheken.
Der erste (und bisher einzige) Data-to-Spike-Konverter, der mit dem Kit erhältlich ist, ist ein Pixel-to-Spike-Konverter. Natürlich wird jeder, der das Kit in naher Zukunft verwenden möchte, ein Problem mit der visuellen Erkennung haben. BrainChip sagte, dass es plant, mit anderen Konvertern für Audio- und große Datenanforderungen in Cybersicherheit, Finanzinformationen und IoT-Daten zu folgen. Anwender können auch eigene Daten-zu-Spike-Konverter erstellen, die innerhalb der Entwicklungsumgebung verwendet werden können.
Das Entwicklungskit wird für Ingenieure empfohlen, die bereits Erfahrung mit neuronalen Netzen haben. In einem E-Mail-Austausch sagte Bob Beachler, Senior Vice President of Marketing and Business Development bei BrainChip, zu Electronic Products: "Wenn die Person mit der Entwicklung und dem Training künstlicher neuronaler Netze (entweder Faltungsneuronale Netze oder Spiking Neuronale Netze) mit TensorFlow, Caffe, PyTorch, Theano oder einem ähnlichen Maschinen-Lern-Framework vertraut ist, dann hätten sie kein Problem damit, SNNs mit der Akida-Entwicklungsumgebung zu erstellen.
"Wenn es sich um RTL-Ingenieure handelt, die es gewohnt sind, digitale Logik zu entwerfen, dann wäre es für sie nicht intuitiv", fügte Beachler hinzu. "Sie müssten ein oder zwei Klassen besuchen, um zu lernen, wie man ANNs erstellt und die Python-Skriptsprache lernt." (ANNs sind künstliche neuronale Netze. Sie haben konzeptionelle Ähnlichkeiten mit SNNs, und die beiden Begriffe werden manchmal austauschbar verwendet.
Die Akida-Entwicklungsumgebung ist derzeit über ein Early-Access-Programm für zugelassene Kunden verfügbar. Das Unternehmen weiß nicht, wann es allgemein verfügbar sein wird und hat keine Preisinformationen zur Verfügung gestellt. Kontaktieren Sie Brainchip für weitere Informationen oder um die Akida Entwicklungsumgebung anzufordern.
Übersetzt mit www.DeepL.com/Translator
P.S. Dieser DeepL Translator wird meiner Einschätzung nach auf DeepLearning basieren, dieses CNN wurde trainiert mit einer Unmenge von Daten, die Tausende User jede Minute in die Übersetzungsmaske eingeben.
Das ist rechenintensiv, cloudbasiert und dateienintensiv.
Brainchip geht den umgekehrten Weg, und ich bin überzeugt davon, dass es ein alternativer Weg ist, der seinen Markt findet, da es diesen Markt geben wird, dieser Markt wird erst in 5-10 Jahren so richtig groß werden. Wer den Gartner Hype Cycle kennt, wird wissen was ich meine.
Aber bis dahin wird das Unternehmen seine Umsätze derart gesteigert haben, dass der Marktwert die Mrd. Grenze übertroffen hat.
Ich hoffe, dass das Unternehmen in dieser Zeit nicht mehr zum Verkauf stehen wird, denn Louis hatte das bisher immer im Auge gehabt.
Der Newsflow wird nicht abbrechen dieses Jahr, und wenn er stimmig ist, wird der Aktienkurs zum Jahresende bei 30 Cent einpendeln.
Ich bin der bescheidenen Meinung, dass BRN mit seinem Akida-Entwicklertool nicht auf taube Ohren stösst, und wenn dieses Tool seine Abnehmer findet, und die Abnehmer bereit sind, damit zu arbeiten und sich darauf einzulassen, kann BRN darauf aufbauend in der Lage sein, einen Burggraben im SNN Bereich aufzubauen...ähnlich, wie es eine SAP im Unternehmensbereich, oder eine Azure von MSFT im Cloudbereich ist.
Solche Burggräben halten sich in der Regel 10-20 Jahre.
Ich bin kein Chip- oder Software-Experte ich bin ein Handwerker, der analytisch denkt und intuitiv handelt wenn ich die Freiheit dazu habe.
Ich erkenne was ich sehe, und das verstehe ich.
https://ir.brainchipinc.com/press-releases/detail/63/brainc…
BrainChip Partners with Telesikring to deliver AI-powered Video Analytics to Police and Security Customers across Scandinavia
BrainChip Partners with Telesikring to deliver AI-powered Video Analytics to Police and Security Customers across Scandinavia
Erfreulicher Chart, im AUgust sollte noch etwas kommen an news über die AKIDA Architektur.
P.S. offtopic
Kennt jemand Altium aus AU?
P.S. offtopic
Kennt jemand Altium aus AU?
Überaus interessant zu lesen aus Dez. 2017
Blockchain und BRN, doch ein Ja oder nein?
https://www.stockgumshoe.com/reviews/exponential-stock-inves…
Blockchain und BRN, doch ein Ja oder nein?
https://www.stockgumshoe.com/reviews/exponential-stock-inves…
Neben BRN sind 4DS und Appen sind die zweii anderen Aktien aus dem Artikel - evt, Weebit Nano . Interessant, dass alle drei sich in einem teilweise längeren starken Aufwärtstrend befinden Selten an der ASX und ein Volltreffer für den Researcher.
Comments:
Going back to the original article/tease which is about stocks rather than crypto per se…
I agree on #1 – it is clearly Brainchip [ASX:BRN]
However I think that #2 is 4DS Memory Ltd [ASX: 4DS] and I suspect #3 is Appen Ltd [ASX: APX]
The author also lists several others including Founding Member Report #1: The Microcap ICO Kingmaker – which appears to be DigitalX (ASXCC).
This is just from my research – without knowledge of the actual ‘tips’
Selten an der ASX und ein Volltreffer für den Researcher.Comments:
Going back to the original article/tease which is about stocks rather than crypto per se…
I agree on #1 – it is clearly Brainchip [ASX:BRN]
However I think that #2 is 4DS Memory Ltd [ASX: 4DS] and I suspect #3 is Appen Ltd [ASX: APX]
The author also lists several others including Founding Member Report #1: The Microcap ICO Kingmaker – which appears to be DigitalX (ASX
CC).This is just from my research – without knowledge of the actual ‘tips’
Der Link wurde von BRN nicht per Announcement bestätigt, möglicherweise gibt es eine undichte Stelle, der Kurs soll unten gehalten werden oder jemand war vorschnell.
Vor dem Ann. sollten laut Louis eigentlich erst die Patente abgesichert werden.
Wenn diese Daten stimmen, wäre das erheblich kursbeeinflussend.
https://webcache.googleusercontent.com/search?q=cache:mD1K5y…
Falls der Link nicht verfügbar ist, hier der Text:
Industrial Automation
SNN News: BrainChip Unveils Akida Architecture
Armed with approximately 1.2 million neurons and 10 billion synapses, the Akida NSoC spiking-neural-network chip takes on training and inference tasks.
William Wong | Sep 06, 2018
BrainChip has revealed the architecture for its Akida Neuromorphic System-on-Chip (NSoC), which is based on spiking-neural-network (SNN) technology. The self-contained processing system, designed for embedded applications, could also act as a coprocessor. Multiple chips can be combined to handle larger SNNs as well as multiple SNNs.
Spiking neural networks are an alternative to convolutional neural networks (CNNs) that have become very popular in recent years (Fig. 1). SNNs differ from CNNs in their operation, training, and inference-process functionality. At a high level, though, they are very similar. A trained inference engine can identify inputs and provide outputs that indicate the characteristics configured as part of the network model. Outputs are probabilities, but a high probability is a good indication of proper identification.
1. Spiking neural networks offer an alternative to convolutional neural networks that have become very popular.
CNNs and SNNs have an input layer and an output layer with one or more hidden layers in between. A CNN accepts inputs and the data flows through the network being modified by the weights associated with the neurons within the layers. The weights are determined by training the model. This can take some time and require a lot of samples.
SNNs translate data into a stream of spikes that also flow through the neural network. These are discrete events rather than the CNN’s array of values. Differential equations actually define how the spikes operate. One of the requirements of an SNN is the translation of input data into spike streams. The data-to-spike converters can be done in hardware or software.
SNNs also require training but the overhead is significantly less, allowing for in-field training that would be impractical for a CNN. SNNs also require less computational muscle compared to a CNN that helps reduce the power and performance requirements compared to a CNN.
Closer Look at the NSoC
The BrainChip’s Akida NSoC (Fig. 2) includes a conventional processor, enabling the system to be used as a standalone device. It can handle peripherals and communications, but the rest of the chip is dedicated to SNN support. Communication interfaces include PCI Express, USB 3.0, Ethernet, CAN, and serial ports. The Akida NSoC essentially has 1.2 million neurons and 10 billion synapses. The chip can handle training as well as inference chores.
2. BrainChip’s Akida NSoC is a self-contained chip with a conventional processor plus the Akida neuron fabric.
The system supports a range of sensor inputs including analog, digital, audio, pixel, and dynamic-vision sensors (DVS). The latter is a camera that only sends changes that occur in a frame versus the entire frame. This is handy for identifying objects and gestures. The NSoC’s DMA engine is designed to handle these inputs that supply the data-to-spike conversions (DSCs) that in turn deliver a stream of spikes stored by the SNN models in the neural network fabric. A number of common DSCs are built into the hardware, including support for graphical pixel data, audio data, and DVS data.
A high-speed serial, chip-to-chip interface can be used to link up to 1024 chips together in a larger network. Data and spikes flow through these connections, so each chip only needs about half-a-dozen serial links. Additional switches aren’t required. There’s a unified address system within a multichip complex.
Though pricing and final configurations haven’t been set, the cost per chip is on the order of $10 in quantity. Likewise, the power requirements are on the order of a conventional SoC, allowing SNNs to operate on the edge in an industrial Internet of Things (IIoT) node or as standalone systems.
BrainChip focused on a range of design aspects when creating its architecture. The fixed neuron model allows for more compact memory—on the order of 6 MB—as well as the use of programmable training and firing thresholds. The neural processor cores, which have been optimized to perform convolutions, are fully connected via the fabric. A global spike bus connects to all of the cores.
3. The Akida NSoC is moving up the ladder in terms of complexity with 1.2 million neurons and 10 billion synapses in a multichip system.
Neural networks have come a long way, but there’s still lots of room for improvement (Fig. 3). Nevertheless, significant applications have now become practical because of them. Neuromorphic computing using SSNs target applications like vision systems, cybersecurity, and even financial systems. Multiple chips are needed to hit the 1.2 billion neuron mark, but a single chip is sufficient to handle many SNN chores such as video processing.
The chips aren’t available yet; however, testing has been done using simulation. It shows that the chip will fare very well with common datasets like Cifar-10, which is a common test of neural-network hardware and software (Fig. 4). The chip can process the Cifar-10 model at 6 kframe/s/W.
4. The Akida does very well with the popular Cifar-10 dataset. The Cifar-10, which identifies 10 common objects, uses less power and is significantly less costly.
The chip is supported by BrainChip’s Akida Development Environment. The Python-based platform can be used to generate models for software platforms like the Akida Execution Engine as well as the Akida SoC. The system will handle supervised and unsupervised learning.
Vor dem Ann. sollten laut Louis eigentlich erst die Patente abgesichert werden.
Wenn diese Daten stimmen, wäre das erheblich kursbeeinflussend.
https://webcache.googleusercontent.com/search?q=cache:mD1K5y…
Falls der Link nicht verfügbar ist, hier der Text:
Industrial Automation
SNN News: BrainChip Unveils Akida Architecture
Armed with approximately 1.2 million neurons and 10 billion synapses, the Akida NSoC spiking-neural-network chip takes on training and inference tasks.
William Wong | Sep 06, 2018
BrainChip has revealed the architecture for its Akida Neuromorphic System-on-Chip (NSoC), which is based on spiking-neural-network (SNN) technology. The self-contained processing system, designed for embedded applications, could also act as a coprocessor. Multiple chips can be combined to handle larger SNNs as well as multiple SNNs.
Spiking neural networks are an alternative to convolutional neural networks (CNNs) that have become very popular in recent years (Fig. 1). SNNs differ from CNNs in their operation, training, and inference-process functionality. At a high level, though, they are very similar. A trained inference engine can identify inputs and provide outputs that indicate the characteristics configured as part of the network model. Outputs are probabilities, but a high probability is a good indication of proper identification.
1. Spiking neural networks offer an alternative to convolutional neural networks that have become very popular.
CNNs and SNNs have an input layer and an output layer with one or more hidden layers in between. A CNN accepts inputs and the data flows through the network being modified by the weights associated with the neurons within the layers. The weights are determined by training the model. This can take some time and require a lot of samples.
SNNs translate data into a stream of spikes that also flow through the neural network. These are discrete events rather than the CNN’s array of values. Differential equations actually define how the spikes operate. One of the requirements of an SNN is the translation of input data into spike streams. The data-to-spike converters can be done in hardware or software.
SNNs also require training but the overhead is significantly less, allowing for in-field training that would be impractical for a CNN. SNNs also require less computational muscle compared to a CNN that helps reduce the power and performance requirements compared to a CNN.
Closer Look at the NSoC
The BrainChip’s Akida NSoC (Fig. 2) includes a conventional processor, enabling the system to be used as a standalone device. It can handle peripherals and communications, but the rest of the chip is dedicated to SNN support. Communication interfaces include PCI Express, USB 3.0, Ethernet, CAN, and serial ports. The Akida NSoC essentially has 1.2 million neurons and 10 billion synapses. The chip can handle training as well as inference chores.
2. BrainChip’s Akida NSoC is a self-contained chip with a conventional processor plus the Akida neuron fabric.
The system supports a range of sensor inputs including analog, digital, audio, pixel, and dynamic-vision sensors (DVS). The latter is a camera that only sends changes that occur in a frame versus the entire frame. This is handy for identifying objects and gestures. The NSoC’s DMA engine is designed to handle these inputs that supply the data-to-spike conversions (DSCs) that in turn deliver a stream of spikes stored by the SNN models in the neural network fabric. A number of common DSCs are built into the hardware, including support for graphical pixel data, audio data, and DVS data.
A high-speed serial, chip-to-chip interface can be used to link up to 1024 chips together in a larger network. Data and spikes flow through these connections, so each chip only needs about half-a-dozen serial links. Additional switches aren’t required. There’s a unified address system within a multichip complex.
Though pricing and final configurations haven’t been set, the cost per chip is on the order of $10 in quantity. Likewise, the power requirements are on the order of a conventional SoC, allowing SNNs to operate on the edge in an industrial Internet of Things (IIoT) node or as standalone systems.
BrainChip focused on a range of design aspects when creating its architecture. The fixed neuron model allows for more compact memory—on the order of 6 MB—as well as the use of programmable training and firing thresholds. The neural processor cores, which have been optimized to perform convolutions, are fully connected via the fabric. A global spike bus connects to all of the cores.
3. The Akida NSoC is moving up the ladder in terms of complexity with 1.2 million neurons and 10 billion synapses in a multichip system.
Neural networks have come a long way, but there’s still lots of room for improvement (Fig. 3). Nevertheless, significant applications have now become practical because of them. Neuromorphic computing using SSNs target applications like vision systems, cybersecurity, and even financial systems. Multiple chips are needed to hit the 1.2 billion neuron mark, but a single chip is sufficient to handle many SNN chores such as video processing.
The chips aren’t available yet; however, testing has been done using simulation. It shows that the chip will fare very well with common datasets like Cifar-10, which is a common test of neural-network hardware and software (Fig. 4). The chip can process the Cifar-10 model at 6 kframe/s/W.
4. The Akida does very well with the popular Cifar-10 dataset. The Cifar-10, which identifies 10 common objects, uses less power and is significantly less costly.
The chip is supported by BrainChip’s Akida Development Environment. The Python-based platform can be used to generate models for software platforms like the Akida Execution Engine as well as the Akida SoC. The system will handle supervised and unsupervised learning.
Und in Deutsch:
SNN Nachrichten: BrainChip stellt Akida-Architektur vor
Industrielle Automatisierung
SNN Nachrichten: BrainChip stellt Akida-Architektur vor
Ausgestattet mit rund 1,2 Millionen Neuronen und 10 Milliarden Synapsen übernimmt der Akida NSoC Spiking-neuronale Netzwerkchip Trainings- und Inferenzaufgaben.
William Wong | 06. September 2018
BrainChip hat die Architektur für seinen Akida Neuromorphic System-on-Chip (NSoC) enthüllt, der auf der Technologie des Spiking-neural-network (SNN) basiert. Das in sich geschlossene Verarbeitungssystem, das für Embedded-Anwendungen konzipiert ist, könnte auch als Koprozessor fungieren. Mehrere Chips können kombiniert werden, um sowohl größere SNNs als auch mehrere SNNs zu verarbeiten.
Spiking neuronale Netze sind eine Alternative zu den in den letzten Jahren sehr populär gewordenen Convolutional Neural Networks (CNNs) (Abb. 1). SNNs unterscheiden sich von CNNs durch ihre Funktionalität in Bezug auf Bedienung, Training und Inferenzprozess. Auf hohem Niveau sind sie sich jedoch sehr ähnlich. Eine trainierte Inferenzmaschine kann Eingänge identifizieren und Ausgänge bereitstellen, die die im Rahmen des Netzwerkmodells konfigurierten Merkmale anzeigen. Outputs sind Wahrscheinlichkeiten, aber eine hohe Wahrscheinlichkeit ist ein guter Indikator für eine korrekte Identifizierung.
1. Spiking neuronale Netze bieten eine Alternative zu faltungsneuronalen Netzen, die sehr beliebt geworden sind.
CNNs und SNNs haben eine Eingangsschicht und eine Ausgangsschicht mit einer oder mehreren versteckten Schichten dazwischen. Ein CNN akzeptiert Eingaben und die Datenströme durch das Netzwerk werden durch die Gewichte der Neuronen innerhalb der Schichten modifiziert. Die Gewichte werden durch Training des Modells bestimmt. Dies kann einige Zeit in Anspruch nehmen und erfordert viele Proben.
SNNs übersetzen Daten in einen Strom von Spitzen, die auch durch das neuronale Netzwerk fließen. Dies sind eher diskrete Ereignisse als die Werteanordnung des CNN. Differentialgleichungen definieren tatsächlich, wie die Spikes funktionieren. Eine der Anforderungen an ein SNN ist die Übersetzung von Eingangsdaten in Spike-Streams. Die Daten-Spitzen-Wandler können in Hard- oder Software ausgeführt werden.
SNNs erfordern auch eine Schulung, aber der Aufwand ist deutlich geringer, was eine Schulung vor Ort ermöglicht, die für ein CNN unpraktisch wäre. SNNs benötigen auch weniger Rechenleistung im Vergleich zu einem CNN, das hilft, die Leistungs- und Leistungsanforderungen im Vergleich zu einem CNN zu reduzieren.
Näherer Blick auf die NSoC
Der Akida NSoC (Abb. 2) des BrainChips beinhaltet einen konventionellen Prozessor, so dass das System als eigenständiges Gerät verwendet werden kann. Es kann Peripheriegeräte und Kommunikation verarbeiten, aber der Rest des Chips ist für die SNN-Unterstützung vorgesehen. Zu den Kommunikationsschnittstellen gehören PCI Express, USB 3.0, Ethernet, CAN und serielle Schnittstellen. Der Akida NSoC verfügt im Wesentlichen über 1,2 Millionen Neuronen und 10 Milliarden Synapsen. Der Chip kann sowohl das Training als auch die Inferenzarbeit übernehmen.
2. Der Akida NSoC von BrainChip ist ein eigenständiger Chip mit einem konventionellen Prozessor und dem Akida Neuronengewebe.
Das System unterstützt eine Reihe von Sensoreingaben, darunter analoge, digitale, Audio-, Pixel- und dynamische Sichtsensoren (DVS). Letzteres ist eine Kamera, die nur Änderungen, die in einem Frame auftreten, gegenüber dem gesamten Frame sendet. Dies ist praktisch, um Objekte und Gesten zu identifizieren. Die DMA-Engine der NSoC wurde entwickelt, um diese Eingaben zu verarbeiten, die die Data-to-Spike-Konvertierungen (DSCs) liefern, die wiederum einen Strom von Spitzen liefern, die von den SNN-Modellen in der neuronalen Netzwerkstruktur gespeichert werden. Eine Reihe von gängigen DSCs sind in die Hardware integriert, einschließlich der Unterstützung von grafischen Pixeldaten, Audiodaten und DVS-Daten.
Eine serielle Hochgeschwindigkeitsschnittstelle von Chip zu Chip kann verwendet werden, um bis zu 1024 Chips in einem größeren Netzwerk miteinander zu verbinden. Durch diese Verbindungen fließen Daten und Spikes, so dass jeder Chip nur etwa ein halbes Dutzend serielle Verbindungen benötigt. Zusätzliche Schalter sind nicht erforderlich. Es gibt ein einheitliches Adressensystem innerhalb eines Multichip-Komplexes.
Obwohl die Preise und endgültigen Konfigurationen noch nicht festgelegt sind, liegen die Kosten pro Chip in der Größenordnung von $10 in der Menge. Ebenso liegt der Stromverbrauch in der Größenordnung eines herkömmlichen SoC, so dass SNNs am Rande eines industriellen Internet of Things (IIoT)-Knotens oder als eigenständige Systeme arbeiten können.
BrainChip hat sich bei der Entwicklung seiner Architektur auf eine Reihe von Designaspekten konzentriert. Das feste Neuronenmodell ermöglicht einen kompakteren Speicher - in der Größenordnung von 6 MB - sowie die Verwendung von programmierbaren Trainings- und Zündschwellen. Die neuronalen Prozessorkerne, die für die Durchführung von Falten optimiert wurden, sind vollständig über das Gewebe verbunden. Ein globaler Spike-Bus verbindet sich mit allen Kernen.
3. Der Akida NSoC rückt in puncto Komplexität mit 1,2 Millionen Neuronen und 10 Milliarden Synapsen in einem Multichip-System nach oben.
Es gibt keine Möglichkeit, dass das herauskommen sollte. Der Link wurde abgelehnt und nun wurde der Link oder die Nachricht aus dem Elektronikdesign insgesamt gelöscht. Ich bin ein Gläubiger und Aktionär in diesem Unternehmen, aber ich habe Schwierigkeiten zu verstehen, warum sie den Aktienkurs niedrig halten wollen. Der einzige Grund, auf den ich immer wieder zurückkomme, ist, dass sie ein Übernahmeangebot wollen, damit sie verkaufen können. Wenn sie den Aktienkurs fliegen lassen, kann es für einen Käufer zu teuer werden, einen Punt zu nehmen. Halten Sie es niedrig, hoffen Sie auf ein vernünftiges Angebot und verkaufen Sie! Ich habe die Firma ohne Antwort angerufen. Was für ein Zeug!
Nun, zumindest zeigt es, dass etwas im Hintergrund passiert, was gut ist.
Ich denke, viel zu viele Menschen haben zu hohe Erwartungen an diese behindernde Ankündigung. Die üblichen Upramper sprechen weiterhin von Hockeyschlägern, was bedauerlich ist, da dies die Köpfe der Investoren hier verwirren würde, die ihr Portfolio vielleicht nicht ausreichend diversifiziert haben.
Ich bin ein freiwilliger Mitarbeiter für psychische Gesundheit bei einer bekannten Organisation. Vor meinem Hintergrund werde ich mit "Kunden" mit Fragen rund um ihre Anlagen betraut. Ich sehe die Auswirkungen, die Uprampers aus erster Hand haben, wenn Menschen an unrealistisch hohen Erwartungen festhalten. Es ist ziemlich traurig. Wenn dieser Bestand wirklich abhebt, glückliche Tage!
Ausgestattet mit rund 1,2 Millionen Neuronen und 10 Milliarden Synapsen übernimmt der Akida NSoC Spiking-neuronale Netzwerkchip Trainings- und Inferenzaufgaben.
Hamilton, erinnerst du dich an vor ein paar Jahren, als Simon Thorpe einen großen Song und Tanz machte, weil Intel und Samsung sehr daran interessiert waren, was er tat? Schauen Sie, es muss offensichtlich sein, jetzt mehr als sogar, warum BRNs Hauptanliegen es ist, alle seine IP- und Geschäftsgeheimnisse unter Verschluss zu halten. Dieses bs (von hauptsächlich einem anderen Plakat) über, wie wir alle wissen, dass Management schlechte Kommunikatoren sind, ist ein absoluter blutiger Witz.
techinvestor17 sagte: ↑
Die Post-Cyberwerke links, in diesem Bild, an der End-URL, sah ich, dass es ein grünes, auf dem Kopf stehendes Dreieck gab. Das bedeutet in der Regel, dass es eine zwischengespeicherte Version gibt.
Die Art und Weise, wie Google es erklärt:
Google macht einen Schnappschuss von jeder Seite, die es untersucht, und speichert (speichert) diese Version als Backup. Die zwischengespeicherte Version ist das, was Google verwendet, um zu beurteilen, ob eine Seite gut zu Ihrer Anfrage passt. Praktisch jedes Suchergebnis enthält einen Cache-Link.
Vereinbaren Sie, dass es 1,2 Millionen Neuronen lesen sollte, die das Multi-Chip-Akida-System sind.
Interessant, dass die Frames/Sec/Watt-Grafik nicht die aktuelle Loihi-Spezifikation von Intel erwähnt.
Um die 1,2 Milliarden Neuronenmarke zu erreichen, werden mehrere Chips benötigt, aber ein einziger Chip reicht aus, um viele SNN-Aufgaben wie die Videoverarbeitung zu erledigen.
Eine serielle Hochgeschwindigkeitsschnittstelle von Chip zu Chip kann verwendet werden, um bis zu 1024 Chips in einem größeren Netzwerk miteinander zu verbinden.
Gibt es einen Tippfehler, weil der ganze Artikel 1,2 Millionen sagt? Ist es möglich, mit der Chip-to-Chip-Schnittstelle ein 1,2 Milliarden Neuronen-Netzwerk aufzubauen?
Gee Mädchen....beruhigen Sie sich und nehmen Sie eine Chill-Pille.
Das war nicht die Schuld von BRN.....dies war eine Vorabversion, die irgendwie der Öffentlichkeit einiger technischer Spezifikationen ohne Firmenkommentar zugänglich gemacht wurde.
Es ist überhaupt kein guter Blick.... aber es passiert. Jemand hat versehentlich den Button "An öffentliche Website senden" gedrückt.
Jetzt hat das Unternehmen davon gehört und hätte sofort Wiedergutmachung leisten sollen, aber das werden wir am Montag sehen.
Der Rest von Ihnen sollte die Hölle unten vereinbaren und sehen, wohin dieses uns führt......der Name, der benennt, ist extrem im Augenblick und unabhängig davon, ob Sie den Vorrat oder LT handeln. Wir stecken alle zusammen drin und haben jetzt kein Chaos mehr.
Wir warten darauf, wie "Martis" zu sagen pflegte....also entspann dich und mein nächster Beitrag wird sicherlich das Management angreifen....was ich weiß, dass ihr alle so sehr liebt.
Übersetzt mit www.DeepL.com/Translator
Übersetzt mit www.DeepL.com/Translator
SNN Nachrichten: BrainChip stellt Akida-Architektur vor
Industrielle Automatisierung
SNN Nachrichten: BrainChip stellt Akida-Architektur vor
Ausgestattet mit rund 1,2 Millionen Neuronen und 10 Milliarden Synapsen übernimmt der Akida NSoC Spiking-neuronale Netzwerkchip Trainings- und Inferenzaufgaben.
William Wong | 06. September 2018
BrainChip hat die Architektur für seinen Akida Neuromorphic System-on-Chip (NSoC) enthüllt, der auf der Technologie des Spiking-neural-network (SNN) basiert. Das in sich geschlossene Verarbeitungssystem, das für Embedded-Anwendungen konzipiert ist, könnte auch als Koprozessor fungieren. Mehrere Chips können kombiniert werden, um sowohl größere SNNs als auch mehrere SNNs zu verarbeiten.
Spiking neuronale Netze sind eine Alternative zu den in den letzten Jahren sehr populär gewordenen Convolutional Neural Networks (CNNs) (Abb. 1). SNNs unterscheiden sich von CNNs durch ihre Funktionalität in Bezug auf Bedienung, Training und Inferenzprozess. Auf hohem Niveau sind sie sich jedoch sehr ähnlich. Eine trainierte Inferenzmaschine kann Eingänge identifizieren und Ausgänge bereitstellen, die die im Rahmen des Netzwerkmodells konfigurierten Merkmale anzeigen. Outputs sind Wahrscheinlichkeiten, aber eine hohe Wahrscheinlichkeit ist ein guter Indikator für eine korrekte Identifizierung.
1. Spiking neuronale Netze bieten eine Alternative zu faltungsneuronalen Netzen, die sehr beliebt geworden sind.
CNNs und SNNs haben eine Eingangsschicht und eine Ausgangsschicht mit einer oder mehreren versteckten Schichten dazwischen. Ein CNN akzeptiert Eingaben und die Datenströme durch das Netzwerk werden durch die Gewichte der Neuronen innerhalb der Schichten modifiziert. Die Gewichte werden durch Training des Modells bestimmt. Dies kann einige Zeit in Anspruch nehmen und erfordert viele Proben.
SNNs übersetzen Daten in einen Strom von Spitzen, die auch durch das neuronale Netzwerk fließen. Dies sind eher diskrete Ereignisse als die Werteanordnung des CNN. Differentialgleichungen definieren tatsächlich, wie die Spikes funktionieren. Eine der Anforderungen an ein SNN ist die Übersetzung von Eingangsdaten in Spike-Streams. Die Daten-Spitzen-Wandler können in Hard- oder Software ausgeführt werden.
SNNs erfordern auch eine Schulung, aber der Aufwand ist deutlich geringer, was eine Schulung vor Ort ermöglicht, die für ein CNN unpraktisch wäre. SNNs benötigen auch weniger Rechenleistung im Vergleich zu einem CNN, das hilft, die Leistungs- und Leistungsanforderungen im Vergleich zu einem CNN zu reduzieren.
Näherer Blick auf die NSoC
Der Akida NSoC (Abb. 2) des BrainChips beinhaltet einen konventionellen Prozessor, so dass das System als eigenständiges Gerät verwendet werden kann. Es kann Peripheriegeräte und Kommunikation verarbeiten, aber der Rest des Chips ist für die SNN-Unterstützung vorgesehen. Zu den Kommunikationsschnittstellen gehören PCI Express, USB 3.0, Ethernet, CAN und serielle Schnittstellen. Der Akida NSoC verfügt im Wesentlichen über 1,2 Millionen Neuronen und 10 Milliarden Synapsen. Der Chip kann sowohl das Training als auch die Inferenzarbeit übernehmen.
2. Der Akida NSoC von BrainChip ist ein eigenständiger Chip mit einem konventionellen Prozessor und dem Akida Neuronengewebe.
Das System unterstützt eine Reihe von Sensoreingaben, darunter analoge, digitale, Audio-, Pixel- und dynamische Sichtsensoren (DVS). Letzteres ist eine Kamera, die nur Änderungen, die in einem Frame auftreten, gegenüber dem gesamten Frame sendet. Dies ist praktisch, um Objekte und Gesten zu identifizieren. Die DMA-Engine der NSoC wurde entwickelt, um diese Eingaben zu verarbeiten, die die Data-to-Spike-Konvertierungen (DSCs) liefern, die wiederum einen Strom von Spitzen liefern, die von den SNN-Modellen in der neuronalen Netzwerkstruktur gespeichert werden. Eine Reihe von gängigen DSCs sind in die Hardware integriert, einschließlich der Unterstützung von grafischen Pixeldaten, Audiodaten und DVS-Daten.
Eine serielle Hochgeschwindigkeitsschnittstelle von Chip zu Chip kann verwendet werden, um bis zu 1024 Chips in einem größeren Netzwerk miteinander zu verbinden. Durch diese Verbindungen fließen Daten und Spikes, so dass jeder Chip nur etwa ein halbes Dutzend serielle Verbindungen benötigt. Zusätzliche Schalter sind nicht erforderlich. Es gibt ein einheitliches Adressensystem innerhalb eines Multichip-Komplexes.
Obwohl die Preise und endgültigen Konfigurationen noch nicht festgelegt sind, liegen die Kosten pro Chip in der Größenordnung von $10 in der Menge. Ebenso liegt der Stromverbrauch in der Größenordnung eines herkömmlichen SoC, so dass SNNs am Rande eines industriellen Internet of Things (IIoT)-Knotens oder als eigenständige Systeme arbeiten können.
BrainChip hat sich bei der Entwicklung seiner Architektur auf eine Reihe von Designaspekten konzentriert. Das feste Neuronenmodell ermöglicht einen kompakteren Speicher - in der Größenordnung von 6 MB - sowie die Verwendung von programmierbaren Trainings- und Zündschwellen. Die neuronalen Prozessorkerne, die für die Durchführung von Falten optimiert wurden, sind vollständig über das Gewebe verbunden. Ein globaler Spike-Bus verbindet sich mit allen Kernen.
3. Der Akida NSoC rückt in puncto Komplexität mit 1,2 Millionen Neuronen und 10 Milliarden Synapsen in einem Multichip-System nach oben.
Es gibt keine Möglichkeit, dass das herauskommen sollte. Der Link wurde abgelehnt und nun wurde der Link oder die Nachricht aus dem Elektronikdesign insgesamt gelöscht. Ich bin ein Gläubiger und Aktionär in diesem Unternehmen, aber ich habe Schwierigkeiten zu verstehen, warum sie den Aktienkurs niedrig halten wollen. Der einzige Grund, auf den ich immer wieder zurückkomme, ist, dass sie ein Übernahmeangebot wollen, damit sie verkaufen können. Wenn sie den Aktienkurs fliegen lassen, kann es für einen Käufer zu teuer werden, einen Punt zu nehmen. Halten Sie es niedrig, hoffen Sie auf ein vernünftiges Angebot und verkaufen Sie! Ich habe die Firma ohne Antwort angerufen. Was für ein Zeug!
Nun, zumindest zeigt es, dass etwas im Hintergrund passiert, was gut ist.
Ich denke, viel zu viele Menschen haben zu hohe Erwartungen an diese behindernde Ankündigung. Die üblichen Upramper sprechen weiterhin von Hockeyschlägern, was bedauerlich ist, da dies die Köpfe der Investoren hier verwirren würde, die ihr Portfolio vielleicht nicht ausreichend diversifiziert haben.
Ich bin ein freiwilliger Mitarbeiter für psychische Gesundheit bei einer bekannten Organisation. Vor meinem Hintergrund werde ich mit "Kunden" mit Fragen rund um ihre Anlagen betraut. Ich sehe die Auswirkungen, die Uprampers aus erster Hand haben, wenn Menschen an unrealistisch hohen Erwartungen festhalten. Es ist ziemlich traurig. Wenn dieser Bestand wirklich abhebt, glückliche Tage!
Ausgestattet mit rund 1,2 Millionen Neuronen und 10 Milliarden Synapsen übernimmt der Akida NSoC Spiking-neuronale Netzwerkchip Trainings- und Inferenzaufgaben.
Hamilton, erinnerst du dich an vor ein paar Jahren, als Simon Thorpe einen großen Song und Tanz machte, weil Intel und Samsung sehr daran interessiert waren, was er tat? Schauen Sie, es muss offensichtlich sein, jetzt mehr als sogar, warum BRNs Hauptanliegen es ist, alle seine IP- und Geschäftsgeheimnisse unter Verschluss zu halten. Dieses bs (von hauptsächlich einem anderen Plakat) über, wie wir alle wissen, dass Management schlechte Kommunikatoren sind, ist ein absoluter blutiger Witz.
techinvestor17 sagte: ↑
Die Post-Cyberwerke links, in diesem Bild, an der End-URL, sah ich, dass es ein grünes, auf dem Kopf stehendes Dreieck gab. Das bedeutet in der Regel, dass es eine zwischengespeicherte Version gibt.
Die Art und Weise, wie Google es erklärt:
Google macht einen Schnappschuss von jeder Seite, die es untersucht, und speichert (speichert) diese Version als Backup. Die zwischengespeicherte Version ist das, was Google verwendet, um zu beurteilen, ob eine Seite gut zu Ihrer Anfrage passt. Praktisch jedes Suchergebnis enthält einen Cache-Link.
Vereinbaren Sie, dass es 1,2 Millionen Neuronen lesen sollte, die das Multi-Chip-Akida-System sind.
Interessant, dass die Frames/Sec/Watt-Grafik nicht die aktuelle Loihi-Spezifikation von Intel erwähnt.
Um die 1,2 Milliarden Neuronenmarke zu erreichen, werden mehrere Chips benötigt, aber ein einziger Chip reicht aus, um viele SNN-Aufgaben wie die Videoverarbeitung zu erledigen.
Eine serielle Hochgeschwindigkeitsschnittstelle von Chip zu Chip kann verwendet werden, um bis zu 1024 Chips in einem größeren Netzwerk miteinander zu verbinden.
Gibt es einen Tippfehler, weil der ganze Artikel 1,2 Millionen sagt? Ist es möglich, mit der Chip-to-Chip-Schnittstelle ein 1,2 Milliarden Neuronen-Netzwerk aufzubauen?
Gee Mädchen....beruhigen Sie sich und nehmen Sie eine Chill-Pille.
Das war nicht die Schuld von BRN.....dies war eine Vorabversion, die irgendwie der Öffentlichkeit einiger technischer Spezifikationen ohne Firmenkommentar zugänglich gemacht wurde.
Es ist überhaupt kein guter Blick.... aber es passiert. Jemand hat versehentlich den Button "An öffentliche Website senden" gedrückt.
Jetzt hat das Unternehmen davon gehört und hätte sofort Wiedergutmachung leisten sollen, aber das werden wir am Montag sehen.
Der Rest von Ihnen sollte die Hölle unten vereinbaren und sehen, wohin dieses uns führt......der Name, der benennt, ist extrem im Augenblick und unabhängig davon, ob Sie den Vorrat oder LT handeln. Wir stecken alle zusammen drin und haben jetzt kein Chaos mehr.
Wir warten darauf, wie "Martis" zu sagen pflegte....also entspann dich und mein nächster Beitrag wird sicherlich das Management angreifen....was ich weiß, dass ihr alle so sehr liebt.
Übersetzt mit www.DeepL.com/Translator
Übersetzt mit www.DeepL.com/Translator
sorry, das waren Übersetzungen aus hotcopper ab 3.:
Hier der korrekte Text ab 3.
3. Der Akida NSoC rückt in puncto Komplexität mit 1,2 Millionen Neuronen und 10 Milliarden Synapsen in einem Multichip-System nach oben.
Neuronale Netze haben einen langen Weg zurückgelegt, aber es gibt noch viel Raum für Verbesserungen (Abb. 3). Dennoch sind dadurch inzwischen bedeutende Anwendungen praktikabel geworden. Neuromorphes Computing mit SSNs zielt auf Anwendungen wie Visionssysteme, Cybersicherheit und sogar Finanzsysteme. Um die 1,2 Milliarden Neuronenmarke zu erreichen, werden mehrere Chips benötigt, aber ein einziger Chip reicht aus, um viele SNN-Aufgaben wie die Videoverarbeitung zu erledigen.
Die Chips sind noch nicht verfügbar, aber die Tests wurden mittels Simulation durchgeführt. Es zeigt, dass der Chip mit gängigen Datensätzen wie Cifar-10, einem gemeinsamen Test von Hard- und Software für neuronale Netzwerke, sehr gut auskommen wird (Abb. 4). Der Chip kann das Cifar-10 Modell mit 6 kframe/s/W verarbeiten.
4. Der Akida eignet sich sehr gut für den beliebten Cifar-10 Datensatz. Die Cifar-10, die 10 gemeinsame Objekte identifiziert, verbraucht weniger Strom und ist deutlich kostengünstiger.
Der Chip wird von der Akida-Entwicklungsumgebung von BrainChip unterstützt. Mit der Python-basierten Plattform können Modelle für Softwareplattformen wie die Akida Execution Engine sowie den Akida SoC generiert werden. Das System wird mit überwachtem und unbeaufsichtigtem Lernen umgehen.
Übersetzt mit www.DeepL.com/Translator
Hier der korrekte Text ab 3.
3. Der Akida NSoC rückt in puncto Komplexität mit 1,2 Millionen Neuronen und 10 Milliarden Synapsen in einem Multichip-System nach oben.
Neuronale Netze haben einen langen Weg zurückgelegt, aber es gibt noch viel Raum für Verbesserungen (Abb. 3). Dennoch sind dadurch inzwischen bedeutende Anwendungen praktikabel geworden. Neuromorphes Computing mit SSNs zielt auf Anwendungen wie Visionssysteme, Cybersicherheit und sogar Finanzsysteme. Um die 1,2 Milliarden Neuronenmarke zu erreichen, werden mehrere Chips benötigt, aber ein einziger Chip reicht aus, um viele SNN-Aufgaben wie die Videoverarbeitung zu erledigen.
Die Chips sind noch nicht verfügbar, aber die Tests wurden mittels Simulation durchgeführt. Es zeigt, dass der Chip mit gängigen Datensätzen wie Cifar-10, einem gemeinsamen Test von Hard- und Software für neuronale Netzwerke, sehr gut auskommen wird (Abb. 4). Der Chip kann das Cifar-10 Modell mit 6 kframe/s/W verarbeiten.
4. Der Akida eignet sich sehr gut für den beliebten Cifar-10 Datensatz. Die Cifar-10, die 10 gemeinsame Objekte identifiziert, verbraucht weniger Strom und ist deutlich kostengünstiger.
Der Chip wird von der Akida-Entwicklungsumgebung von BrainChip unterstützt. Mit der Python-basierten Plattform können Modelle für Softwareplattformen wie die Akida Execution Engine sowie den Akida SoC generiert werden. Das System wird mit überwachtem und unbeaufsichtigtem Lernen umgehen.
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 58.644.348 von H2OAllergiker am 07.09.18 16:46:50 Armed with approximately 1.2 million neurons and 10 billion synapses, the Akida NSoC spiking-neural-network chip takes on training and inference tasks.
______________________________________________________________________________
Sie hatten doch mal geschrieben 2,3 Firmen(??) arbeiten an Ähnlichen(Chips/Neural Networks), oder?
Sowas wie Intel, Microsoft dann?
Wenn Das richtig ist: können Sie sagen wie BRNs Akida leistungsseitig im Vergleich zu Deren Entwicklungsprojekten steht???
______________________________________________________________________________
Sie hatten doch mal geschrieben 2,3 Firmen(??) arbeiten an Ähnlichen(Chips/Neural Networks), oder?
Sowas wie Intel, Microsoft dann?
Wenn Das richtig ist: können Sie sagen wie BRNs Akida leistungsseitig im Vergleich zu Deren Entwicklungsprojekten steht???
Intel mit Loihi und IBM mit True North, die beiden direkten Konkurrenten arbeiten mit Neuronen im unteren Hunderttausender Bereich bis 1Mio, und Synapsen im 100 - 256Mio Bereich.
Die Daten sind nicht ganz aktuell, deswegen immer mit Vorsicht zu geniessen, und bei IBM sprechen wir von 4096 Cores, s.u.
Man kann es nicht direkt vergleichen, aber BRN scheint momentan zu führen, auch der Begriff Multichip ist unklar.
Allerdings handelt es sich mom. noch nur um eine Softwaresimulation.
Die anderen Firmen bzw. startups haben keine Daten veröffentlicht.
Wie auch immer, es bleibt eine Spekulation im frühen Stadium und ich denke auch, alleine Neuronen und Synapsen sagen sicher nicht alles.
Zudem klingt es seltsam bei AKIDA, dass mit 1,2Mio Neuronen 10Mrd Synapsen erzeugt werden, klingt so, als hätten sie etwas anderes - besseres an Algorithmen in petto?, was diesen Hebel bewirkt.
Laut hotcopper Usern wurden diese Zahlen aber schon beim AGM herumgereicht.
Ich bin kein Experte, deswegen ohne Gewähr.
Loihi
General Info
Designer Intel
Manufacturer Intel
Market Artificial Intelligence
Introduction September 25, 2017 (announced)
January, 2018 (launched)
Neuromorphic Specs
Neurons 131,072
Synapses 130,000,000
IBM TrueNorth
With 4096 neurosynaptic cores, the TrueNorth chip contains 1 million digital neurons and 256 million synapses tightly interconnected by an event-driven routing infrastructure.
Die Daten sind nicht ganz aktuell, deswegen immer mit Vorsicht zu geniessen, und bei IBM sprechen wir von 4096 Cores, s.u.
Man kann es nicht direkt vergleichen, aber BRN scheint momentan zu führen, auch der Begriff Multichip ist unklar.
Allerdings handelt es sich mom. noch nur um eine Softwaresimulation.
Die anderen Firmen bzw. startups haben keine Daten veröffentlicht.
Wie auch immer, es bleibt eine Spekulation im frühen Stadium und ich denke auch, alleine Neuronen und Synapsen sagen sicher nicht alles.
Zudem klingt es seltsam bei AKIDA, dass mit 1,2Mio Neuronen 10Mrd Synapsen erzeugt werden, klingt so, als hätten sie etwas anderes - besseres an Algorithmen in petto?, was diesen Hebel bewirkt.
Laut hotcopper Usern wurden diese Zahlen aber schon beim AGM herumgereicht.
Ich bin kein Experte, deswegen ohne Gewähr.
Loihi
General Info
Designer Intel
Manufacturer Intel
Market Artificial Intelligence
Introduction September 25, 2017 (announced)
January, 2018 (launched)
Neuromorphic Specs
Neurons 131,072
Synapses 130,000,000
IBM TrueNorth
With 4096 neurosynaptic cores, the TrueNorth chip contains 1 million digital neurons and 256 million synapses tightly interconnected by an event-driven routing infrastructure.
Antwort auf Beitrag Nr.: 58.645.470 von H2OAllergiker am 07.09.18 18:23:23Dankeschön, sehr interessant.
Ich will Jetzt GAR Nix Kursseitig werten,
aber technologisch ist Das m.M. Eine hochhochhochinteressante Kiste.
VE!
p.S.
Verlieren Sie FBR auch nicht ganz aus Dem Auge.
Ich will Jetzt GAR Nix Kursseitig werten,
aber technologisch ist Das m.M. Eine hochhochhochinteressante Kiste.
VE!
p.S.
Verlieren Sie FBR auch nicht ganz aus Dem Auge.
Antwort auf Beitrag Nr.: 58.644.348 von H2OAllergiker am 07.09.18 16:46:50https://stocknessmonster.com/announcements/brn.asx-6A898709/
Antwort auf Beitrag Nr.: 58.657.128 von Popeye82 am 10.09.18 00:57:29https://hotcopper.com.au/threads/ann-brainchip-announces-aki…
"Each Akida NSoC has effectively 1.2 million neurons and 10 billion synapses, representing 100 times better efficiency than neuromorphic test chips from Intel and IBM".
And this:
“Despite their best efforts, no other company, large or small, has managed to bring a neuromorphic
And this:
"We are collaborating with major global manufacturers in a multi-market strategy to drive early adoption of the Akida NSoC.ting chip to market in production volumes,” said Lou DiNardo, BrainChip CEO".
And this:
“Despite their best efforts, no other company, large or small, has managed to bring a neuromorphic
And this:
"We are collaborating with major global manufacturers in a multi-market strategy to drive early adoption of the Akida NSoC.ting chip to market in production volumes,” said Lou DiNardo, BrainChip CEO".
Sehenswert...
Release Date: 10/09/18 08:20
Summary: Akida Launch Presentation
3,8MB
https://hotcopper.com.au/documentdownload?id=uOMxKKzFkiWRTLK…
Release Date: 10/09/18 08:20
Summary: Akida Launch Presentation
3,8MB
https://hotcopper.com.au/documentdownload?id=uOMxKKzFkiWRTLK…
Auch dt. Webseiten berichten, hier mit verständlicheren Daten:
https://www.elektronikpraxis.vogel.de/ki-im-embedded-einsatz…
......
Emulation von Neuronen
Der Akida NSoC setzt auf sogenannte geupulste Neuronale Netze (Spiked Neural Networks), statt wie die die derzeit häufiger anzutreffenden Convolutional Neural Networks (CNN). „SNNs gelten als die dritte Generation neuronaler Netze“, so Peter van der Made, Gründer und CTO von BrainChip. „Der Akida NSoC ist das Ergebnis jahrzehntelanger Forschung, um das optimale Neuronenmodell und innovative Trainingsmethoden zu ermitteln.“
Die Idee: SNNs sollen Neuronen im menschlichen Gehirn emulieren, die Daten in Form von Impulsen weitergeben. Das sorgt für effizientere, weniger energiehungrige Arbeitsweise. Statt zum Beispiel ununterbrochen den gesamten Eingang aller Sensordaten durchgängig weiter zu übermitteln, wird immer nur dann ein Impuls abgesetzt, wenn sich etwas verändert. „Veränderungen sind Ereignisse" erläutert van der Made. „Immer wenn ein Ereignis stattfindet - beispielsweise eine von einem Sensor erfasste Änderung eines Pixels - wird ein Impuls generiert und entlang des Neuronenpfads weitergesendet." Es wird also nur dieses Ereignis, diese Pixelveränderung übermittelt - nicht der Gesamtzustand des Bildes. Ein SNN kann also auf die rechenintensiven Faltungen und Fehlerfortpflanzungs-Trainingsmethoden durch biologisch inspirierte Neuronenfunktionen und Feed-Forward-Trainingsmethoden, verzichten.
Jeder Akida NSoC weist effektiv 1,2 Mio. Neuronen und 10 Mrd. Synapsen auf. Dies verspräche eine 100-Mal bessere Effizienz, als sie beispielsweise der im vergangenen Jahr vorgestellte Loihi-Testchip von Intel besitzt. Vergleiche mit führenden CNN-Beschleunigern zeigen Leistungszuwächse um mehr als eine Größenordnung bei Bild-/Sekunden-/Watt-Benchmarks wie CIFAR-10 mit vergleichbarer Genauigkeit: Wärend Loihi nur auf unter 20 fps pro Watt käme, wären es bei Akida bereits 1400 fps/W.
Eigenständig für Embedded- oder Co-Prozessor-Anwendungen
Der Akida NSoC wurde für den Einsatz als eigenständiger Embedded-Beschleuniger oder als Co-Prozessor entwickelt. Er enthält Sensorschnittstellen für die herkömmliche pixelbasierte Bildgebung, dynamische Bildsensoren (DVS), Lidar, Audio und Analogsignale. Es verfügt auch über Hochgeschwindigkeits-Datenschnittstellen wie PCI-Express, USB und Ethernet. Im NSoC finden sich auch Daten-zu-Puls-Wandler, die gängige Datenformate optimal in Pulse/Spikes umwandeln, um von der Akida-Neuronen-Fabric trainiert und verarbeitet zu werden.
Der Akida NSoC ist so konzipiert, dass er in der Akida-Entwicklungsumgebung ein Off-Chip-Training ermöglicht – oder ein On-Chip-Training. Ein integrierter ARM-Core-Prozessor steuert die Konfiguration der Akida-Neuronen-Fabric sowie die Off-Chip-Kommunikation von Metadaten. Die Akida-Entwicklungsumgebung ist ab sofort für Early-Access-Kunden erhältlich, die mit dem Erstellen, Training und Testen von Akida-NSoC-basierter SNNs beginnen wollen. Der Akida NSoC wird voraussichtlich im dritten Quartal 2019 als Muster zur Verfügung stehen. Der angestrebte Preis für die Serienproduktion soll bei 10 US-$ pro Stück liegen.
https://www.elektronikpraxis.vogel.de/ki-im-embedded-einsatz…
......
Emulation von Neuronen
Der Akida NSoC setzt auf sogenannte geupulste Neuronale Netze (Spiked Neural Networks), statt wie die die derzeit häufiger anzutreffenden Convolutional Neural Networks (CNN). „SNNs gelten als die dritte Generation neuronaler Netze“, so Peter van der Made, Gründer und CTO von BrainChip. „Der Akida NSoC ist das Ergebnis jahrzehntelanger Forschung, um das optimale Neuronenmodell und innovative Trainingsmethoden zu ermitteln.“
Die Idee: SNNs sollen Neuronen im menschlichen Gehirn emulieren, die Daten in Form von Impulsen weitergeben. Das sorgt für effizientere, weniger energiehungrige Arbeitsweise. Statt zum Beispiel ununterbrochen den gesamten Eingang aller Sensordaten durchgängig weiter zu übermitteln, wird immer nur dann ein Impuls abgesetzt, wenn sich etwas verändert. „Veränderungen sind Ereignisse" erläutert van der Made. „Immer wenn ein Ereignis stattfindet - beispielsweise eine von einem Sensor erfasste Änderung eines Pixels - wird ein Impuls generiert und entlang des Neuronenpfads weitergesendet." Es wird also nur dieses Ereignis, diese Pixelveränderung übermittelt - nicht der Gesamtzustand des Bildes. Ein SNN kann also auf die rechenintensiven Faltungen und Fehlerfortpflanzungs-Trainingsmethoden durch biologisch inspirierte Neuronenfunktionen und Feed-Forward-Trainingsmethoden, verzichten.
Jeder Akida NSoC weist effektiv 1,2 Mio. Neuronen und 10 Mrd. Synapsen auf. Dies verspräche eine 100-Mal bessere Effizienz, als sie beispielsweise der im vergangenen Jahr vorgestellte Loihi-Testchip von Intel besitzt. Vergleiche mit führenden CNN-Beschleunigern zeigen Leistungszuwächse um mehr als eine Größenordnung bei Bild-/Sekunden-/Watt-Benchmarks wie CIFAR-10 mit vergleichbarer Genauigkeit: Wärend Loihi nur auf unter 20 fps pro Watt käme, wären es bei Akida bereits 1400 fps/W.
Eigenständig für Embedded- oder Co-Prozessor-Anwendungen
Der Akida NSoC wurde für den Einsatz als eigenständiger Embedded-Beschleuniger oder als Co-Prozessor entwickelt. Er enthält Sensorschnittstellen für die herkömmliche pixelbasierte Bildgebung, dynamische Bildsensoren (DVS), Lidar, Audio und Analogsignale. Es verfügt auch über Hochgeschwindigkeits-Datenschnittstellen wie PCI-Express, USB und Ethernet. Im NSoC finden sich auch Daten-zu-Puls-Wandler, die gängige Datenformate optimal in Pulse/Spikes umwandeln, um von der Akida-Neuronen-Fabric trainiert und verarbeitet zu werden.
Der Akida NSoC ist so konzipiert, dass er in der Akida-Entwicklungsumgebung ein Off-Chip-Training ermöglicht – oder ein On-Chip-Training. Ein integrierter ARM-Core-Prozessor steuert die Konfiguration der Akida-Neuronen-Fabric sowie die Off-Chip-Kommunikation von Metadaten. Die Akida-Entwicklungsumgebung ist ab sofort für Early-Access-Kunden erhältlich, die mit dem Erstellen, Training und Testen von Akida-NSoC-basierter SNNs beginnen wollen. Der Akida NSoC wird voraussichtlich im dritten Quartal 2019 als Muster zur Verfügung stehen. Der angestrebte Preis für die Serienproduktion soll bei 10 US-$ pro Stück liegen.
Antwort auf Beitrag Nr.: 58.645.083 von Popeye82 am 07.09.18 17:46:22
Sie hatten doch mal geschrieben 2,3 Firmen(??) arbeiten an Ähnlichen(Chips/Neural Networks), oder?
Sowas wie Intel, Microsoft dann?
Wenn Das richtig ist: können Sie sagen wie BRNs Akida leistungsseitig im Vergleich zu Deren Entwicklungsprojekten steht???[/quote]
Jetzt haben wir einen ersten theoretischen Effizienzvergleich mit intel um den Faktor 100.
Das ist gewaltig, Dennoch kein Grund zum Zurücklehnen, denn erst Ende 2019 soll Akida den Markt erreichen.
Andere werden auch nicht viel schneller sein vermute ich.
Jetzt muss BRN Butter bei die Fische tun und NDAs oder wie die Dinger heissen, unterzeichnen.
Man merkt, bei einer US-Notiz wären wir heute explodiert.
Ich bin gespannt, welche großen Namen in Zukunft hier fallen.
Daimler wird ja schon länger gemunkelt.
Sie hatten doch mal geschrieben 2,3 Firmen(??) arbeiten an Ähnlichen(Chips/Neural Networks), oder?
Sowas wie Intel, Microsoft dann?
Wenn Das richtig ist: können Sie sagen wie BRNs Akida leistungsseitig im Vergleich zu Deren Entwicklungsprojekten steht???[/quote]
Jetzt haben wir einen ersten theoretischen Effizienzvergleich mit intel um den Faktor 100.
Das ist gewaltig, Dennoch kein Grund zum Zurücklehnen, denn erst Ende 2019 soll Akida den Markt erreichen.
Andere werden auch nicht viel schneller sein vermute ich.
Jetzt muss BRN Butter bei die Fische tun und NDAs oder wie die Dinger heissen, unterzeichnen.
Man merkt, bei einer US-Notiz wären wir heute explodiert.
Ich bin gespannt, welche großen Namen in Zukunft hier fallen.
Daimler wird ja schon länger gemunkelt.
Antwort auf Beitrag Nr.: 58.664.601 von H2OAllergiker am 10.09.18 21:15:41Ich hab schon Eine Vorstellung über Welche Dimensionen Wir hier reden, Welchesd Rad gedreht wird, können Sie Mir glauben.
Würde Diese Kiste auch spekulativ, long erwerben. Steht nur einfach schon genug Anderes auf Dem Programm.
Hier wünsche ich Ihnen aber echt Viel Erfolg!
Schauen Sie vielleicht auch mal bei "AI Watchlist" Thread @157 Schreiben.
Sind Die vielleicht auch noch ein Konkurrent??
Würde Diese Kiste auch spekulativ, long erwerben. Steht nur einfach schon genug Anderes auf Dem Programm.
Hier wünsche ich Ihnen aber echt Viel Erfolg!
Schauen Sie vielleicht auch mal bei "AI Watchlist" Thread @157 Schreiben.
Sind Die vielleicht auch noch ein Konkurrent??
Antwort auf Beitrag Nr.: 58.665.810 von H2OAllergiker am 10.09.18 23:42:48Bin nicht mehr der Jüngste.
Eigentlich bekommt man ein Schauern,wenn man alles liest.
Wird es mal beobachten,von Intellekt ein Muß.
Eigentlich bekommt man ein Schauern,wenn man alles liest.
Wird es mal beobachten,von Intellekt ein Muß.
Antwort auf Beitrag Nr.: 58.674.945 von RW1512 am 11.09.18 21:52:04Da sind doch einige Shares im Umlauf?
Antwort auf Beitrag Nr.: 58.674.945 von RW1512 am 11.09.18 21:52:04 Eigentlich bekommt man ein Schauern,wenn man alles liest.
____________________________________________
Ja, Totales Verständnis.
Habe jetzt auch schon mehr als 1 Aktie gehabt wo man sich sagt:
Sieht technisch hoch(hoch(hoch))interessant aus, und Das könnte ein Echtes "Impact" Ding sein.
Aber in realpragmatischer Vorstellung bröckelts Einem da teilweise (kalt) den Rücken runter.
____________________________________________
Ja, Totales Verständnis.
Habe jetzt auch schon mehr als 1 Aktie gehabt wo man sich sagt:
Sieht technisch hoch(hoch(hoch))interessant aus, und Das könnte ein Echtes "Impact" Ding sein.
Aber in realpragmatischer Vorstellung bröckelts Einem da teilweise (kalt) den Rücken runter.
Absolut, habe mich mit KI befasst, weil ich dagegen bin.
Rausgekommen ist dies und jenes im Thread.
Es ist nicht zu verhindern, weil die Menschheit einfach zu blind und bequem ist.
Sie braucht einen Aufwecker, und der wird leider nur mehr gewaltig sein.
Viel schauerlicher sind allerdings die DeepLearning - CNNs der Googles, Facebooks, und Apples dieser Welt, nichts davon nutze ich, ich habe kein Dumbphone.
Der Nachteil der CNNs ist, dass sie natürlich auf Funk-Netzwerke und riesige Datenmengen angewiesen sind, und dauernd an der Cloud hängen müssen, im Gegensatz zum Akida bspw.
Letztes Jahr machte es KLICK bei mir, da verstand ich, warum diese Unternehmen diese ganzen Daten sammeln mussten.
Die hatten längst die Pläne der DeepLearning Netze in der Schublade, und die funktionieren zum Trainieren der CNNs nur mit Metadaten.
BRN ist auch eine Wette gegen die Großen Ä******.
Mich schauert vor dem G-5 Mobilfunkstandard - wo übrigens Nokia ganz vorne mit dabei ist, da wird die Krebsrate gleich auf 50% steigen und jeder Städter an Burnout leiden und mit 50 abkr*****.
Die Grenzwerte werden schon wieder um den Faktor X nach oben gesetzt, denn die kurzen Wellenlängen dringen durch keine Hauswand, also wird gepulst und die Power der Senderantennen gegenüber der heutigen Leistung ver100-1000facht.
Zudem muss davon an jeder Ecke eine stehen.
Jeder Mensch sollte kapieren, dass unsichtbar nicht gleich nicht vorhanden bedeutet - irgendwodurch müssen die Datenpakete ja schwirren...?
Einfach zum totlachen diese Naivität, wir sehen diese Dimensionen nur nicht mit unseren beschränkten Sinnensorganen.
Ich bin da aber nach wie vor konsequent, da ich das Thema Überwachung schon vor 17 Jahren so intensiv auf dem Schirm hatte, dass ich als Verschwörungstheoretiker abgestempelt wurde.
Was aber heute abgeht, ist jedoch viel schlimmer als damals erwartet, und jeder findet es normal....
BRN ist ein Störer aus der gegenüberliegenden Ecke, der in zehn Jahren jedoch durchaus das Potential zur Terminatortechnologie hat.
Da hilft am Ende wahrlich nur noch ein EMP, schaut Euch die Filmreihe nochmal an.
Rausgekommen ist dies und jenes im Thread.
Es ist nicht zu verhindern, weil die Menschheit einfach zu blind und bequem ist.
Sie braucht einen Aufwecker, und der wird leider nur mehr gewaltig sein.
Viel schauerlicher sind allerdings die DeepLearning - CNNs der Googles, Facebooks, und Apples dieser Welt, nichts davon nutze ich, ich habe kein Dumbphone.
Der Nachteil der CNNs ist, dass sie natürlich auf Funk-Netzwerke und riesige Datenmengen angewiesen sind, und dauernd an der Cloud hängen müssen, im Gegensatz zum Akida bspw.
Letztes Jahr machte es KLICK bei mir, da verstand ich, warum diese Unternehmen diese ganzen Daten sammeln mussten.
Die hatten längst die Pläne der DeepLearning Netze in der Schublade, und die funktionieren zum Trainieren der CNNs nur mit Metadaten.
BRN ist auch eine Wette gegen die Großen Ä******.
Mich schauert vor dem G-5 Mobilfunkstandard - wo übrigens Nokia ganz vorne mit dabei ist, da wird die Krebsrate gleich auf 50% steigen und jeder Städter an Burnout leiden und mit 50 abkr*****.
Die Grenzwerte werden schon wieder um den Faktor X nach oben gesetzt, denn die kurzen Wellenlängen dringen durch keine Hauswand, also wird gepulst und die Power der Senderantennen gegenüber der heutigen Leistung ver100-1000facht.
Zudem muss davon an jeder Ecke eine stehen.
Jeder Mensch sollte kapieren, dass unsichtbar nicht gleich nicht vorhanden bedeutet - irgendwodurch müssen die Datenpakete ja schwirren...?
Einfach zum totlachen diese Naivität, wir sehen diese Dimensionen nur nicht mit unseren beschränkten Sinnensorganen.
Ich bin da aber nach wie vor konsequent, da ich das Thema Überwachung schon vor 17 Jahren so intensiv auf dem Schirm hatte, dass ich als Verschwörungstheoretiker abgestempelt wurde.
Was aber heute abgeht, ist jedoch viel schlimmer als damals erwartet, und jeder findet es normal....
BRN ist ein Störer aus der gegenüberliegenden Ecke, der in zehn Jahren jedoch durchaus das Potential zur Terminatortechnologie hat.
Da hilft am Ende wahrlich nur noch ein EMP, schaut Euch die Filmreihe nochmal an.
Antwort auf Beitrag Nr.: 58.675.287 von Popeye82 am 11.09.18 22:26:04Genau so geht's mir gerade.
Bin eh technisch sehr interessiert,allerdings sowas?
Vielleicht deshalb ei paar ins Depot?
Bin eh technisch sehr interessiert,allerdings sowas?
Vielleicht deshalb ei paar ins Depot?
Antwort auf Beitrag Nr.: 58.675.386 von RW1512 am 11.09.18 22:36:31Es ist auf meiner watchlist,da sind nicht viele.
Antwort auf Beitrag Nr.: 58.675.386 von RW1512 am 11.09.18 22:36:31Vorab mal:
Scheinst ein Vernünftiger Kerl zu sein.
Leute Die sich "einfach ein bisschen normal" verhalten kann ich Meistens gut leiden.
Nicht sich hinter Hunderten und Tausenden Phrasen, Floskeln usw. verSTECKEN.
Die aber ziemlich Aufwind haben.
Kann Das nicht gerade sehr leiden.
Wollte aber Einen Anderen Punkt machen.
Zu "Dem" Thema:
Ist mit der Moral Heute nicht mehr Alles ganz so einfach, richtig?
Also ich würde sagen Früher war die eeeeeher ("schön") einfach(er), "recht klar strukturiert". ÜbersichtlichER.
Streichelst Du einen Hund: Guter Mann. Wirfst Du Steine nach Ihm: Böse.
Russen(je nachdem Welcher Nation man angehört(e)): Die Bösen. "Wir": Die Guten.
Sooooowas.
"So" einfach war es natürlich auch nicht. Aber in moralischen Fragen gab es(m.M.) VIEL, VIEL, VIEL Klarere Fronten.
Mit dem Schwarz/Weiss ist Heute "eher nicht mehr so".
Es gibt auch waaaaaaahnsinnig Viel dazwischen. Wie Wir mehr und mehr feststellen.
Dürfen. Müssen, Wieauchimmer.
Will Das jetzt gar nicht Irgendwie "bewerten".
Hab Dazu auch Keine "Lösung".
Aber wollte es Einmal ins www rausbrüllen.
VG!
Scheinst ein Vernünftiger Kerl zu sein.
Leute Die sich "einfach ein bisschen normal" verhalten kann ich Meistens gut leiden.
Nicht sich hinter Hunderten und Tausenden Phrasen, Floskeln usw. verSTECKEN.
Die aber ziemlich Aufwind haben.
Kann Das nicht gerade sehr leiden.
Wollte aber Einen Anderen Punkt machen.
Zu "Dem" Thema:
Ist mit der Moral Heute nicht mehr Alles ganz so einfach, richtig?
Also ich würde sagen Früher war die eeeeeher ("schön") einfach(er), "recht klar strukturiert". ÜbersichtlichER.
Streichelst Du einen Hund: Guter Mann. Wirfst Du Steine nach Ihm: Böse.
Russen(je nachdem Welcher Nation man angehört(e)): Die Bösen. "Wir": Die Guten.
Sooooowas.
"So" einfach war es natürlich auch nicht. Aber in moralischen Fragen gab es(m.M.) VIEL, VIEL, VIEL Klarere Fronten.
Mit dem Schwarz/Weiss ist Heute "eher nicht mehr so".
Es gibt auch waaaaaaahnsinnig Viel dazwischen. Wie Wir mehr und mehr feststellen.
Dürfen. Müssen, Wieauchimmer.
Will Das jetzt gar nicht Irgendwie "bewerten".
Hab Dazu auch Keine "Lösung".
Aber wollte es Einmal ins www rausbrüllen.
VG!
@popeye: MERCI für diesen Tipp ... ebenso beängstigends wie faszinierendes Gebiet ... bin drin!
Antwort auf Beitrag Nr.: 58.686.702 von Popeye82 am 13.09.18 00:49:02Also,die Aktie ist fantastisch.
Was mich alleredings stört sind die fat 1 Milliarde outstanding Shares.
Die sind schon mit 100 Mill bewertet,beim Dollar wärs 1 Milliarde!
Werds hier weiter verfolgen.
Gekauft hab ich noch nicht.
Was mich alleredings stört sind die fat 1 Milliarde outstanding Shares.
Die sind schon mit 100 Mill bewertet,beim Dollar wärs 1 Milliarde!
Werds hier weiter verfolgen.
Gekauft hab ich noch nicht.
Antwort auf Beitrag Nr.: 58.705.728 von Popeye82 am 15.09.18 02:56:22Der Artikel ist mir bekannt aus einer früheren Version und gilt für konventionelle Neuronale Netze aus dem Deep-Learning Bereich/ CNNś.
Darin wurde dargelegt, erkennen zu können, wie ein NN mit welchen Prozessen arbeiten, um Fehlentscheidungen in den Netzten für Forscher nachvollziehbar und, demnach korrigierbar zu machen durch Änderung der Algorithmen.
Es wurde gesagt, dass dieses ERKENNEN massgeblich dafür wäre, um KI in Zukunft für die Menschen aktzepierbar zu machen.
O-Ton: Was der Mensch nachvollziehen kann, versteht und aktzeptiert er dann auch.
Betrifft brn aber nur marginal.
Hier ein Artikel über Simon Thorp der die JAST Algorithmen erfunden hat, welche BRN wohl exklusiv lizensiert hat für ihre Technlogien, und welche CNNs ersetzen werden.
https://thedailyprosper.com/en/a/machines-learn-and-remember…
Darin wurde dargelegt, erkennen zu können, wie ein NN mit welchen Prozessen arbeiten, um Fehlentscheidungen in den Netzten für Forscher nachvollziehbar und, demnach korrigierbar zu machen durch Änderung der Algorithmen.
Es wurde gesagt, dass dieses ERKENNEN massgeblich dafür wäre, um KI in Zukunft für die Menschen aktzepierbar zu machen.
O-Ton: Was der Mensch nachvollziehen kann, versteht und aktzeptiert er dann auch.
Betrifft brn aber nur marginal.
Hier ein Artikel über Simon Thorp der die JAST Algorithmen erfunden hat, welche BRN wohl exklusiv lizensiert hat für ihre Technlogien, und welche CNNs ersetzen werden.
https://thedailyprosper.com/en/a/machines-learn-and-remember…
Antwort auf Beitrag Nr.: 58.709.259 von H2OAllergiker am 15.09.18 22:05:38
Antwort auf Beitrag Nr.: 58.709.259 von H2OAllergiker am 15.09.18 22:05:38Allright.
Ich mag Ihre Erklärungen.
Wenn man Was zulernt.
Sie machen jetzt auch in Folios?
Find Das nicht sooooo Dolle, aber GL.
Was ich nicht verstehe:
Die kann man nur mieten?
Nicht kaufen??
Ich mag Ihre Erklärungen.
Wenn man Was zulernt.
Sie machen jetzt auch in Folios?
Find Das nicht sooooo Dolle, aber GL.
Was ich nicht verstehe:
Die kann man nur mieten?
Nicht kaufen??
Folio seit Ende 2017. Nur sporadisch und ohne Ernsthaftigkeit.
Ist nur ein Plan B oder C, nachdem ich bei sharewise keine Befridigung gefunden habe.
Ist nur ein Plan B oder C, nachdem ich bei sharewise keine Befridigung gefunden habe.
Als ich das damals gelesen habe dämmerte mir, dass Peter van der Made DIE Lösung haben könnte.
Ein Einzelgänger aus dem Hinterland rollt das Feld von Hinton auf
https://www.i-programmer.info/news/105-artificial-intelligen…
Geoffrey Hinton Says AI Needs To Start Over
Written by Mike James
Monday, 18 September 2017
Geoffrey Hinton is widely recognized as the father of the current AI boom. Decades ago he hung on to the idea that back propagation and neural networks were the way to go when everyone else had given up. Now, in an off-the-cuff interview, he reveals that back prop might not be enough and that AI should start over.
In an interview with Axios Hinton is credited with saying that he is
"deeply suspicious" of back-propagation"
and
"My view is throw it all away and start again,"
The worry is that neural networks don't seem to learn like we do:
"I don't think it's how the brain works. We clearly don't need all the labeled data."
This might seem surprising from a pioneer in neural network techniques, but there is undoubtedly some truth in this reservation.
First it seems wrong to focus on unsupervised learning as being a problem.The idea that the brain somehow just sorts the world into order without the need for a teacher is only partly true. A common, and very successful, method of training neural networks is to provide large sets of labeled data and train the network to reproduce the labels. When presented with lots of pictures of categories of animals, say, the neural network is adjusted using back propagation to slowly get the classification right.
That a neural network can learn a classification isn't surprising - given enough degrees of freedom and a good optimization algorithm, which back prop seems to be, then you can fit the data. What is really remarkable is that neural networks trained using back prop can generalize. They can correctly recognize images that they have never seen. They also seem to form plausible hierarchies of features which serve to make recognition possible. In short, a carefully trained neural network does seem to extract the structure of the data set.
Is this how the brain works?
There is a good case for saying "who cares!". If you view AI as an engineering project, then we aren't really trying to build a brain that works in the same way as a brain. We are trying to build a device that does the same job by any means. In this sense a neural network that recognizes a cat is doing a good job, even if it doesn't do it in the same way as a human brain.
However, it is true that humans don't seem to learn using labeled examples. One way that we learn is using rewards to guide our actions. This is reinforcement learning and it is also something that can be used with neural networks. Google's Deep Mind has had great success with creating networks that can play arcade games and even beat the world champion Go player. Alpha Go didn't learn the complex and subtle game of Go by being given labeled examples of moves. Instead it learned by simply winning or losing. It learned by engaging in play. This is unsupervised learning and is clearly not a problem for neural networks and yet this is one reason why it is suggested we need to reject back prop, even though back prop is central to the current success of deep reinforcement learning.
However, not everything is good with back prop and our current learning methods.
It is clear that we humans are reinforcement learning machines at some level and yet there lots of examples of us learning to do things that don't seem to involve reinforcement learning. Solve a maths problem and you are applying rules rather than reinforcement learning. AI researchers have long pursued symbolic reasoning systems as ways of mimicking this sort of human intelligence. It may not be as fashionable as deep learning at the moment, but it is still a valid approach to the problem of implementing many advanced systems and neural networks don't seem well disposed to symbolic reasoning.
The whole problem comes down to neural networks being slow to learn. Back prop used with labeled data or reinforcement just doesn't seem to learn as fast as we do. A deep neural network doesn't have that "aha!" moment when you see the solution to a problem. Instead is moves like a glacier down a slope to an ever better solution.
There is also the small matter that back prop doesn't seem biologically plausible. That is, our neural networks just don't do complex parameter updates using precise math. This isn't too much of a problem, however, because we have lots of suggestions that back prop doesn't have to be implemented accurately. Neural networks with low-precision arithmetic seem to work, and even the exact nature of the feedback correction doesn't seem to be vital - in principle. Yes, getting network training right matters when it comes to upping the performance of a recognition program from 99% to 99.1% but even if you get it slightly wrong the system still learns.
This is the AI analog of the idea of universal computation, which suggests that Turing completeness is surprisingly easy to achieve and most even slightly complex systems have it. The AI equivalent is that, if you have something with enough degrees of freedom that can be optimized and apply that optimization the system for long enough, it will learn.
In this sense back prop is probably just our over-engineered approach to providing corrective feedback to a system. It is a good idea to make use of it because, without it, our computational systems are too limited to provide the results in a reasonable time. The same is true of artificial evolution applied to neural networks - it works but far too slowly.
It seems more likely that what we have in a neural network is not the system but the component.
The neural network isn't the human brain any more than a transistor is a computer. They are both the components that can be used to build more complex and structured systems.
What that structure is, and exactly what components are needed, is most likely the real challenge. It doesn't matter from a theoretical point of view if you build a computer from vacuum tubes or transistors. In the same way, it doesn't matter if our learning components use back propagation or something else. They are still components on the way to a full system.
https://www.axios.com/ai-pioneer-advocates-starting-over-248…
Artificial intelligence pioneer says we need to start over
Geoffrey Hinton harbors doubts about AI's current workhorse. (Johnny Guatto / University of Toronto)
In 1986, Geoffrey Hinton co-authored a paper that, three decades later, is central to the explosion of artificial intelligence. But Hinton says his breakthrough method should be dispensed with, and a new path to AI found.
Speaking with Axios on the sidelines of an AI conference in Toronto on Wednesday, Hinton, a professor emeritus at the University of Toronto and a Google researcher, said he is now "deeply suspicious" of back-propagation, the workhorse method that underlies most of the advances we are seeing in the AI field today, including the capacity to sort through photos and talk to Siri. "My view is throw it all away and start again," he said.
The bottom line: Other scientists at the conference said back-propagation still has a core role in AI's future. But Hinton said that, to push materially ahead, entirely new methods will probably have to be invented. "Max Planck said, 'Science progresses one funeral at a time.' The future depends on some graduate student who is deeply suspicious of everything I have said."
How it works: In back propagation, labels or "weights" are used to represent a photo or voice within a brain-like neural layer. The weights are then adjusted and readjusted, layer by layer, until the network can perform an intelligent function with the fewest possible errors.
But Hinton suggested that, to get to where neural networks are able to become intelligent on their own, what is known as "unsupervised learning," "I suspect that means getting rid of back-propagation."
"I don't think it's how the brain works," he said. "We clearly don't need all the labeled data."
Ein Einzelgänger aus dem Hinterland rollt das Feld von Hinton auf
https://www.i-programmer.info/news/105-artificial-intelligen…
Geoffrey Hinton Says AI Needs To Start Over
Written by Mike James
Monday, 18 September 2017
Geoffrey Hinton is widely recognized as the father of the current AI boom. Decades ago he hung on to the idea that back propagation and neural networks were the way to go when everyone else had given up. Now, in an off-the-cuff interview, he reveals that back prop might not be enough and that AI should start over.
In an interview with Axios Hinton is credited with saying that he is
"deeply suspicious" of back-propagation"
and
"My view is throw it all away and start again,"
The worry is that neural networks don't seem to learn like we do:
"I don't think it's how the brain works. We clearly don't need all the labeled data."
This might seem surprising from a pioneer in neural network techniques, but there is undoubtedly some truth in this reservation.
First it seems wrong to focus on unsupervised learning as being a problem.The idea that the brain somehow just sorts the world into order without the need for a teacher is only partly true. A common, and very successful, method of training neural networks is to provide large sets of labeled data and train the network to reproduce the labels. When presented with lots of pictures of categories of animals, say, the neural network is adjusted using back propagation to slowly get the classification right.
That a neural network can learn a classification isn't surprising - given enough degrees of freedom and a good optimization algorithm, which back prop seems to be, then you can fit the data. What is really remarkable is that neural networks trained using back prop can generalize. They can correctly recognize images that they have never seen. They also seem to form plausible hierarchies of features which serve to make recognition possible. In short, a carefully trained neural network does seem to extract the structure of the data set.
Is this how the brain works?
There is a good case for saying "who cares!". If you view AI as an engineering project, then we aren't really trying to build a brain that works in the same way as a brain. We are trying to build a device that does the same job by any means. In this sense a neural network that recognizes a cat is doing a good job, even if it doesn't do it in the same way as a human brain.
However, it is true that humans don't seem to learn using labeled examples. One way that we learn is using rewards to guide our actions. This is reinforcement learning and it is also something that can be used with neural networks. Google's Deep Mind has had great success with creating networks that can play arcade games and even beat the world champion Go player. Alpha Go didn't learn the complex and subtle game of Go by being given labeled examples of moves. Instead it learned by simply winning or losing. It learned by engaging in play. This is unsupervised learning and is clearly not a problem for neural networks and yet this is one reason why it is suggested we need to reject back prop, even though back prop is central to the current success of deep reinforcement learning.
However, not everything is good with back prop and our current learning methods.
It is clear that we humans are reinforcement learning machines at some level and yet there lots of examples of us learning to do things that don't seem to involve reinforcement learning. Solve a maths problem and you are applying rules rather than reinforcement learning. AI researchers have long pursued symbolic reasoning systems as ways of mimicking this sort of human intelligence. It may not be as fashionable as deep learning at the moment, but it is still a valid approach to the problem of implementing many advanced systems and neural networks don't seem well disposed to symbolic reasoning.
The whole problem comes down to neural networks being slow to learn. Back prop used with labeled data or reinforcement just doesn't seem to learn as fast as we do. A deep neural network doesn't have that "aha!" moment when you see the solution to a problem. Instead is moves like a glacier down a slope to an ever better solution.
There is also the small matter that back prop doesn't seem biologically plausible. That is, our neural networks just don't do complex parameter updates using precise math. This isn't too much of a problem, however, because we have lots of suggestions that back prop doesn't have to be implemented accurately. Neural networks with low-precision arithmetic seem to work, and even the exact nature of the feedback correction doesn't seem to be vital - in principle. Yes, getting network training right matters when it comes to upping the performance of a recognition program from 99% to 99.1% but even if you get it slightly wrong the system still learns.
This is the AI analog of the idea of universal computation, which suggests that Turing completeness is surprisingly easy to achieve and most even slightly complex systems have it. The AI equivalent is that, if you have something with enough degrees of freedom that can be optimized and apply that optimization the system for long enough, it will learn.
In this sense back prop is probably just our over-engineered approach to providing corrective feedback to a system. It is a good idea to make use of it because, without it, our computational systems are too limited to provide the results in a reasonable time. The same is true of artificial evolution applied to neural networks - it works but far too slowly.
It seems more likely that what we have in a neural network is not the system but the component.
The neural network isn't the human brain any more than a transistor is a computer. They are both the components that can be used to build more complex and structured systems.
What that structure is, and exactly what components are needed, is most likely the real challenge. It doesn't matter from a theoretical point of view if you build a computer from vacuum tubes or transistors. In the same way, it doesn't matter if our learning components use back propagation or something else. They are still components on the way to a full system.
https://www.axios.com/ai-pioneer-advocates-starting-over-248…
Artificial intelligence pioneer says we need to start over
Geoffrey Hinton harbors doubts about AI's current workhorse. (Johnny Guatto / University of Toronto)
In 1986, Geoffrey Hinton co-authored a paper that, three decades later, is central to the explosion of artificial intelligence. But Hinton says his breakthrough method should be dispensed with, and a new path to AI found.
Speaking with Axios on the sidelines of an AI conference in Toronto on Wednesday, Hinton, a professor emeritus at the University of Toronto and a Google researcher, said he is now "deeply suspicious" of back-propagation, the workhorse method that underlies most of the advances we are seeing in the AI field today, including the capacity to sort through photos and talk to Siri. "My view is throw it all away and start again," he said.
The bottom line: Other scientists at the conference said back-propagation still has a core role in AI's future. But Hinton said that, to push materially ahead, entirely new methods will probably have to be invented. "Max Planck said, 'Science progresses one funeral at a time.' The future depends on some graduate student who is deeply suspicious of everything I have said."
How it works: In back propagation, labels or "weights" are used to represent a photo or voice within a brain-like neural layer. The weights are then adjusted and readjusted, layer by layer, until the network can perform an intelligent function with the fewest possible errors.
But Hinton suggested that, to get to where neural networks are able to become intelligent on their own, what is known as "unsupervised learning," "I suspect that means getting rid of back-propagation."
"I don't think it's how the brain works," he said. "We clearly don't need all the labeled data."
Geoffrey Hinton sagt, dass die KI neu beginnen muss.
Geschrieben von Mike James
Montag, 18. September 2017
Geoffrey Hinton ist weithin bekannt als der Vater des aktuellen KI-Booms. Vor Jahrzehnten hielt er sich an die Idee, dass Rückprojektion und neuronale Netze der richtige Weg waren, wenn alle anderen aufgegeben hatten. Jetzt, in einem spontanen Interview, enthüllt er, dass die Rückenstütze vielleicht nicht genug ist und dass die KI von vorne anfangen sollte.
In einem Interview mit Axios wird Hinton zugeschrieben, dass er sagt, dass er es ist.
"zutiefst misstrauisch" gegenüber der Ausbreitung im Hintergrund".
und
"Meine Ansicht ist, alles wegzuwerfen und von vorne anzufangen."
Die Sorge ist, dass neuronale Netze nicht so zu lernen scheinen wie wir:
"Ich glaube nicht, dass es daran liegt, wie das Gehirn funktioniert. Wir brauchen eindeutig nicht alle gekennzeichneten Daten."
Dies mag von einem Pionier der neuronalen Netzwerktechnik überraschend erscheinen, aber zweifellos ist an diesem Vorbehalt etwas Wahres dran.
Die Vorstellung, dass das Gehirn die Welt irgendwie nur in Ordnung bringt, ohne einen Lehrer zu brauchen, ist nur teilweise wahr. Eine gängige und sehr erfolgreiche Methode zum Training neuronaler Netze besteht darin, große Mengen an markierten Daten bereitzustellen und das Netzwerk so zu trainieren, dass es die Etiketten reproduziert. Wenn man viele Bilder von Tierkategorien präsentiert, wird das neuronale Netzwerk mittels Rückpropagation angepasst, um langsam die richtige Klassifizierung zu erhalten.
Dass ein neuronales Netzwerk eine Klassifikation lernen kann, ist nicht verwunderlich - bei ausreichenden Freiheitsgraden und einem guten Optimierungsalgorithmus, welche Rückstütze zu sein scheint, dann können Sie die Daten anpassen. Was wirklich bemerkenswert ist, ist, dass neuronale Netze, die mit der Rückenstütze trainiert wurden, verallgemeinern können. Sie können Bilder, die sie noch nie gesehen haben, richtig erkennen. Sie scheinen auch plausible Hierarchien von Merkmalen zu bilden, die dazu dienen, Wiedererkennung zu ermöglichen. Kurz gesagt, ein sorgfältig trainiertes neuronales Netzwerk scheint die Struktur des Datensatzes zu extrahieren.
Funktioniert das Gehirn so?
Es gibt gute Gründe, um zu sagen: "Wen interessiert das schon!". Wenn Sie KI als Engineering-Projekt betrachten, dann versuchen wir nicht wirklich, ein Gehirn zu bauen, das genauso funktioniert wie ein Gehirn. Wir versuchen, ein Gerät zu bauen, das die gleiche Aufgabe mit allen Mitteln erfüllt. In diesem Sinne leistet ein neuronales Netzwerk, das eine Katze erkennt, eine gute Arbeit, auch wenn es dies nicht auf die gleiche Weise wie ein menschliches Gehirn tut.
Es ist jedoch wahr, dass Menschen nicht zu lernen scheinen, wenn sie beschriftete Beispiele verwenden. Eine Möglichkeit, wie wir lernen, ist die Verwendung von Belohnungen, um unser Handeln zu steuern. Dies ist Verstärkungslernen und es ist auch etwas, das mit neuronalen Netzen verwendet werden kann. Googles Deep Mind hatte großen Erfolg bei der Entwicklung von Netzwerken, die Arcade-Spiele spielen und sogar den Weltmeister Go-Spieler schlagen können. Alpha Go lernte das komplexe und subtile Spiel von Go nicht, indem er beschriftete Beispiele für Züge erhielt. Stattdessen lernte es, indem es einfach gewann oder verlor. Es lernte durch das Spielen. Dies ist unbeaufsichtigtes Lernen und stellt eindeutig kein Problem für neuronale Netze dar, und doch ist dies einer der Gründe, warum vorgeschlagen wird, dass wir die Rückenstütze ablehnen müssen, obwohl die Rückenstütze für den gegenwärtigen Erfolg des tiefen Verstärkungslernens von zentraler Bedeutung ist.
Allerdings ist nicht alles gut mit der Rückenstütze und unseren aktuellen Lernmethoden.
Es ist klar, dass wir Menschen auf irgendeiner Ebene Verstärkungs-Lernmaschinen sind, und doch gibt es viele Beispiele dafür, wie wir lernen, Dinge zu tun, die nicht mit Verstärkungs-Lernen zu tun scheinen. Wenn Sie ein Mathematikproblem lösen, wenden Sie Regeln an und nicht Verstärkungslernen. KI-Forscher verfolgen seit langem symbolische Argumentationssysteme, um diese Art von menschlicher Intelligenz nachzuahmen. Es mag im Moment nicht so modisch sein wie tiefes Lernen, aber es ist immer noch ein gültiger Ansatz für das Problem der Implementierung vieler fortschrittlicher Systeme und neuronaler Netze scheint der symbolischen Argumentation nicht gewachsen zu sein.
Das ganze Problem liegt darin, dass neuronale Netze nur langsam lernen. Die Rückenstütze, die mit beschrifteten Daten oder Verstärkungen verwendet wird, scheint einfach nicht so schnell zu lernen wie wir. Ein tiefes neuronales Netzwerk hat nicht den "aha!" Moment, in dem man die Lösung für ein Problem sieht. Stattdessen bewegt er sich wie ein Gletscher einen Hang hinunter zu einer immer besseren Lösung.
Es gibt auch die Kleinigkeit, dass die Rückenstütze biologisch nicht plausibel erscheint. Das heißt, unsere neuronalen Netze führen einfach keine komplexen Parameter-Updates mit präziser Mathematik durch. Das ist jedoch kein allzu großes Problem, denn wir haben viele Vorschläge, dass die Hinterstütze nicht genau implementiert werden muss. Neuronale Netze mit niedrigpräziser Arithmetik scheinen zu funktionieren, und selbst die genaue Art der Rückkopplungskorrektur scheint nicht entscheidend zu sein - im Prinzip. Ja, Netzwerktraining richtig zu machen ist wichtig, wenn es darum geht, die Leistung eines Erkennungsprogramms von 99% auf 99,1% zu steigern, aber selbst wenn man es leicht falsch macht, lernt das System immer noch.
Dies ist das KI-Analogon der Idee der universellen Berechnung, was darauf hindeutet, dass Turing-Vollkommenheit überraschend einfach zu erreichen ist und die meisten selbst leicht komplexen Systeme sie haben.
Übersetzt mit www.DeepL.com/Translator
++++++++++++++++++++++++++++++++++++++
1986 schrieb Geoffrey Hinton gemeinsam ein Papier, das drei Jahrzehnte später für die Explosion der künstlichen Intelligenz von zentraler Bedeutung ist. Aber Hinton sagt, dass auf seine bahnbrechende Methode verzichtet werden sollte und ein neuer Weg zur KI gefunden werden sollte.
Im Gespräch mit Axios am Rande einer KI-Konferenz in Toronto am Mittwoch sagte Hinton, emeritierter Professor an der University of Toronto und Google-Forscher, er sei jetzt "zutiefst misstrauisch" gegenüber der Back-Propagation, der Arbeitspferdemethode, die den meisten Fortschritten zugrunde liegt, die wir heute im KI-Bereich sehen, einschließlich der Möglichkeit, Fotos durchzusehen und mit Siri zu sprechen. "Meine Ansicht ist, alles wegzuwerfen und von vorne anzufangen", sagte er.
Das Fazit: Andere Wissenschaftler auf der Konferenz sagten, dass die Backropagation noch immer eine zentrale Rolle für die Zukunft der KI spielt. Aber Hinton sagte, dass, um materiell voranzukommen, wahrscheinlich völlig neue Methoden erfunden werden müssen. "Max Planck sagte: "Die Wissenschaft schreitet eine Beerdigung nach der anderen voran. Die Zukunft hängt von einem Doktoranden ab, der all dem, was ich gesagt habe, zutiefst misstraut."
Wie es funktioniert: In der Rückwärtsausbreitung werden Etiketten oder "Gewichte" verwendet, um ein Foto oder eine Stimme innerhalb einer hirnähnlichen neuronalen Schicht darzustellen. Anschließend werden die Gewichte Schicht für Schicht angepasst und neu justiert, bis das Netzwerk eine intelligente Funktion mit möglichst wenig Fehlern ausführen kann.
Aber Hinton schlug vor, dass, um dorthin zu gelangen, wo neuronale Netze in der Lage sind, von selbst intelligent zu werden, was als "unbeaufsichtigtes Lernen" bekannt ist, "ich vermute, das bedeutet, dass man sich von der Hintergrundpropagation befreit".
"Ich glaube nicht, dass es daran liegt, wie das Gehirn funktioniert", sagte er. "Wir brauchen eindeutig nicht alle gekennzeichneten Daten."
Übersetzt mit www.DeepL.com/Translator
++++++
Ich vermute stark, dass seine Hintergrundpropagation sich auf DeepLearning und dessenMetadatenkrakerei bezieht.
PVDM sagt ja auch, Deep Learning ist tot.
Geschrieben von Mike James
Montag, 18. September 2017
Geoffrey Hinton ist weithin bekannt als der Vater des aktuellen KI-Booms. Vor Jahrzehnten hielt er sich an die Idee, dass Rückprojektion und neuronale Netze der richtige Weg waren, wenn alle anderen aufgegeben hatten. Jetzt, in einem spontanen Interview, enthüllt er, dass die Rückenstütze vielleicht nicht genug ist und dass die KI von vorne anfangen sollte.
In einem Interview mit Axios wird Hinton zugeschrieben, dass er sagt, dass er es ist.
"zutiefst misstrauisch" gegenüber der Ausbreitung im Hintergrund".
und
"Meine Ansicht ist, alles wegzuwerfen und von vorne anzufangen."
Die Sorge ist, dass neuronale Netze nicht so zu lernen scheinen wie wir:
"Ich glaube nicht, dass es daran liegt, wie das Gehirn funktioniert. Wir brauchen eindeutig nicht alle gekennzeichneten Daten."
Dies mag von einem Pionier der neuronalen Netzwerktechnik überraschend erscheinen, aber zweifellos ist an diesem Vorbehalt etwas Wahres dran.
Die Vorstellung, dass das Gehirn die Welt irgendwie nur in Ordnung bringt, ohne einen Lehrer zu brauchen, ist nur teilweise wahr. Eine gängige und sehr erfolgreiche Methode zum Training neuronaler Netze besteht darin, große Mengen an markierten Daten bereitzustellen und das Netzwerk so zu trainieren, dass es die Etiketten reproduziert. Wenn man viele Bilder von Tierkategorien präsentiert, wird das neuronale Netzwerk mittels Rückpropagation angepasst, um langsam die richtige Klassifizierung zu erhalten.
Dass ein neuronales Netzwerk eine Klassifikation lernen kann, ist nicht verwunderlich - bei ausreichenden Freiheitsgraden und einem guten Optimierungsalgorithmus, welche Rückstütze zu sein scheint, dann können Sie die Daten anpassen. Was wirklich bemerkenswert ist, ist, dass neuronale Netze, die mit der Rückenstütze trainiert wurden, verallgemeinern können. Sie können Bilder, die sie noch nie gesehen haben, richtig erkennen. Sie scheinen auch plausible Hierarchien von Merkmalen zu bilden, die dazu dienen, Wiedererkennung zu ermöglichen. Kurz gesagt, ein sorgfältig trainiertes neuronales Netzwerk scheint die Struktur des Datensatzes zu extrahieren.
Funktioniert das Gehirn so?
Es gibt gute Gründe, um zu sagen: "Wen interessiert das schon!". Wenn Sie KI als Engineering-Projekt betrachten, dann versuchen wir nicht wirklich, ein Gehirn zu bauen, das genauso funktioniert wie ein Gehirn. Wir versuchen, ein Gerät zu bauen, das die gleiche Aufgabe mit allen Mitteln erfüllt. In diesem Sinne leistet ein neuronales Netzwerk, das eine Katze erkennt, eine gute Arbeit, auch wenn es dies nicht auf die gleiche Weise wie ein menschliches Gehirn tut.
Es ist jedoch wahr, dass Menschen nicht zu lernen scheinen, wenn sie beschriftete Beispiele verwenden. Eine Möglichkeit, wie wir lernen, ist die Verwendung von Belohnungen, um unser Handeln zu steuern. Dies ist Verstärkungslernen und es ist auch etwas, das mit neuronalen Netzen verwendet werden kann. Googles Deep Mind hatte großen Erfolg bei der Entwicklung von Netzwerken, die Arcade-Spiele spielen und sogar den Weltmeister Go-Spieler schlagen können. Alpha Go lernte das komplexe und subtile Spiel von Go nicht, indem er beschriftete Beispiele für Züge erhielt. Stattdessen lernte es, indem es einfach gewann oder verlor. Es lernte durch das Spielen. Dies ist unbeaufsichtigtes Lernen und stellt eindeutig kein Problem für neuronale Netze dar, und doch ist dies einer der Gründe, warum vorgeschlagen wird, dass wir die Rückenstütze ablehnen müssen, obwohl die Rückenstütze für den gegenwärtigen Erfolg des tiefen Verstärkungslernens von zentraler Bedeutung ist.
Allerdings ist nicht alles gut mit der Rückenstütze und unseren aktuellen Lernmethoden.
Es ist klar, dass wir Menschen auf irgendeiner Ebene Verstärkungs-Lernmaschinen sind, und doch gibt es viele Beispiele dafür, wie wir lernen, Dinge zu tun, die nicht mit Verstärkungs-Lernen zu tun scheinen. Wenn Sie ein Mathematikproblem lösen, wenden Sie Regeln an und nicht Verstärkungslernen. KI-Forscher verfolgen seit langem symbolische Argumentationssysteme, um diese Art von menschlicher Intelligenz nachzuahmen. Es mag im Moment nicht so modisch sein wie tiefes Lernen, aber es ist immer noch ein gültiger Ansatz für das Problem der Implementierung vieler fortschrittlicher Systeme und neuronaler Netze scheint der symbolischen Argumentation nicht gewachsen zu sein.
Das ganze Problem liegt darin, dass neuronale Netze nur langsam lernen. Die Rückenstütze, die mit beschrifteten Daten oder Verstärkungen verwendet wird, scheint einfach nicht so schnell zu lernen wie wir. Ein tiefes neuronales Netzwerk hat nicht den "aha!" Moment, in dem man die Lösung für ein Problem sieht. Stattdessen bewegt er sich wie ein Gletscher einen Hang hinunter zu einer immer besseren Lösung.
Es gibt auch die Kleinigkeit, dass die Rückenstütze biologisch nicht plausibel erscheint. Das heißt, unsere neuronalen Netze führen einfach keine komplexen Parameter-Updates mit präziser Mathematik durch. Das ist jedoch kein allzu großes Problem, denn wir haben viele Vorschläge, dass die Hinterstütze nicht genau implementiert werden muss. Neuronale Netze mit niedrigpräziser Arithmetik scheinen zu funktionieren, und selbst die genaue Art der Rückkopplungskorrektur scheint nicht entscheidend zu sein - im Prinzip. Ja, Netzwerktraining richtig zu machen ist wichtig, wenn es darum geht, die Leistung eines Erkennungsprogramms von 99% auf 99,1% zu steigern, aber selbst wenn man es leicht falsch macht, lernt das System immer noch.
Dies ist das KI-Analogon der Idee der universellen Berechnung, was darauf hindeutet, dass Turing-Vollkommenheit überraschend einfach zu erreichen ist und die meisten selbst leicht komplexen Systeme sie haben.
Übersetzt mit www.DeepL.com/Translator
++++++++++++++++++++++++++++++++++++++
1986 schrieb Geoffrey Hinton gemeinsam ein Papier, das drei Jahrzehnte später für die Explosion der künstlichen Intelligenz von zentraler Bedeutung ist. Aber Hinton sagt, dass auf seine bahnbrechende Methode verzichtet werden sollte und ein neuer Weg zur KI gefunden werden sollte.
Im Gespräch mit Axios am Rande einer KI-Konferenz in Toronto am Mittwoch sagte Hinton, emeritierter Professor an der University of Toronto und Google-Forscher, er sei jetzt "zutiefst misstrauisch" gegenüber der Back-Propagation, der Arbeitspferdemethode, die den meisten Fortschritten zugrunde liegt, die wir heute im KI-Bereich sehen, einschließlich der Möglichkeit, Fotos durchzusehen und mit Siri zu sprechen. "Meine Ansicht ist, alles wegzuwerfen und von vorne anzufangen", sagte er.
Das Fazit: Andere Wissenschaftler auf der Konferenz sagten, dass die Backropagation noch immer eine zentrale Rolle für die Zukunft der KI spielt. Aber Hinton sagte, dass, um materiell voranzukommen, wahrscheinlich völlig neue Methoden erfunden werden müssen. "Max Planck sagte: "Die Wissenschaft schreitet eine Beerdigung nach der anderen voran. Die Zukunft hängt von einem Doktoranden ab, der all dem, was ich gesagt habe, zutiefst misstraut."
Wie es funktioniert: In der Rückwärtsausbreitung werden Etiketten oder "Gewichte" verwendet, um ein Foto oder eine Stimme innerhalb einer hirnähnlichen neuronalen Schicht darzustellen. Anschließend werden die Gewichte Schicht für Schicht angepasst und neu justiert, bis das Netzwerk eine intelligente Funktion mit möglichst wenig Fehlern ausführen kann.
Aber Hinton schlug vor, dass, um dorthin zu gelangen, wo neuronale Netze in der Lage sind, von selbst intelligent zu werden, was als "unbeaufsichtigtes Lernen" bekannt ist, "ich vermute, das bedeutet, dass man sich von der Hintergrundpropagation befreit".
"Ich glaube nicht, dass es daran liegt, wie das Gehirn funktioniert", sagte er. "Wir brauchen eindeutig nicht alle gekennzeichneten Daten."
Übersetzt mit www.DeepL.com/Translator
++++++
Ich vermute stark, dass seine Hintergrundpropagation sich auf DeepLearning und dessenMetadatenkrakerei bezieht.
PVDM sagt ja auch, Deep Learning ist tot.
The AI winter is well on its way[
https://venturebeat.com/2018/06/04/the-ai-winter-is-well-on-…
In irgendeinem dieser KI-Winter Beiträge wird davon geschrieben, dass der Durchbruch wahrscheinlich von einem unbekannten Eigenbrötler kommen wird, den niemand auf dem Radar hat...te...
https://venturebeat.com/2018/06/04/the-ai-winter-is-well-on-…
In irgendeinem dieser KI-Winter Beiträge wird davon geschrieben, dass der Durchbruch wahrscheinlich von einem unbekannten Eigenbrötler kommen wird, den niemand auf dem Radar hat...te...
Voilá
"Max Planck sagte: "Die Wissenschaft schreitet eine Beerdigung nach der anderen voran. Die Zukunft hängt von einem Doktoranden ab, der all dem, was ich gesagt habe, zutiefst misstraut."
"Max Planck sagte: "Die Wissenschaft schreitet eine Beerdigung nach der anderen voran. Die Zukunft hängt von einem Doktoranden ab, der all dem, was ich gesagt habe, zutiefst misstraut."
"Die Zukunft hängt von einem Doktoranden ab, der all dem, was ich gesagt habe, zutiefst misstraut"
_____________________________________________________________________
Ich will Den als Chef.
_____________________________________________________________________
Ich will Den als Chef.
Ich nehme u.a. 50Tsd I.E. zusammen mit K2 MK7 in der Woche, um meinen Meniskusriss zu heilen.
F**** the Chirurgie
Bringt den Kurs vielleicht voran ... ?
https://finance.yahoo.com/news/brainchip-present-techknow-in…
https://finance.yahoo.com/news/brainchip-present-techknow-in…
https://news.samsung.com/global/samsung-ai-forum-offers-a-ro…
Samsung KI-Forum bietet einen Fahrplan für die Zukunft der KI
am 18. September 2018
Es ist noch nicht lange her, dass die Idee von Bautechnologien mit "Köpfchen", die lernen und sogar so aufgebaut sind wie unsere, wie Science Fiction erschien.
Fragen Sie einfach die hochkarätigen Referenten des "Samsung AI Forum 2018". In der zweiten Ausgabe des Forums für künstliche Intelligenz (KI) von Samsung Electronics, das vom 12. bis 13. September in Seoul stattfand, diskutierten versierte KI-Experten, wie bahnbrechende Fortschritte nicht nur dazu beitragen, Technologien zu entwickeln, die unser Leben komfortabler, bequemer und effizienter machen. Sie lehren uns auch mehr darüber, wie unser eigener Verstand funktioniert.
Unbeaufsichtigtes Lernen steht im Vordergrund
Die Teilnehmer des Samsung AI Forum 2018 hören aufmerksam die Eröffnungsansprache von Kinam Kim, President und CEO von Samsung Electronics, zu.
Das Forum begann mit einem Vortrag des Gründungsdirektors des New York University Center for Data Science und eines der weltweit führenden Köpfe im Bereich des Deep Learning, Yann LeCun.
Die Rede von LeCun bildete den Rahmen für die spannenden Diskussionen über unbeaufsichtigtes Lernen, die im Laufe der zweitägigen Veranstaltung folgen sollten. LeCun erklärte, warum er und viele seiner Kollegen glauben, dass unbeaufsichtigtes Lernen, auch bekannt als selbstüberwachtes Lernen, die Zukunft der KI darstellt. Er beschäftigte sich auch mit den potenziellen Anwendungen (und Einschränkungen) von unbeaufsichtigten Lernalgorithmen und erklärte, wie sie sich von überwachten und verstärkten Lernalgorithmen unterscheiden.
Wie LeCun erklärte, lernen überwachte Lernalgorithmen unter Verwendung von markierten Datensätzen und Antwortschlüsseln, die es ihnen ermöglichen, ihre Genauigkeit zu bewerten. Dies bedeutet im Wesentlichen, dass jedes Beispiel im Trainingsdatensatz die Antwort enthält, die der Algorithmus erzeugen soll. Beim Verstärkungslernen wird ein Algorithmus mit einem Belohnungssystem trainiert, das Feedback gibt, wenn es eine optimale Aktion für eine bestimmte Situation durchführt. Es stützt sich auf dieses Feedback und nicht auf beschriftete Datensätze, um die Wahl zu treffen, die die größte Belohnung bietet.
Beim unbeaufsichtigten Lernen hat der Algorithmus die Aufgabe, einen nicht gekennzeichneten Datensatz zu verstehen - eine Reihe von Beispielen, die keine richtige Antwort oder ein gewünschtes Ergebnis haben - für sich allein. Während diese Algorithmen unvorhersehbarer sein können als ihre Gegenstücke, können sie auch komplexere Verarbeitungsaufgaben übernehmen.
LeCun nutzte das Training von selbstfahrenden Autos als ein Schlüsselbeispiel für das Potenzial des unbeaufsichtigten Lernens. "Viele Menschen, die an autonomen Fahrten arbeiten, hoffen, mit Hilfe des Verstärkungslernens Autos dazu zu bringen, selbstständig durch Ausprobieren zu lernen", sagt LeCun. "Das Problem dabei ist, dass man wegen der inhärenten Ineffizienzen des Verstärkungslernens ein Auto dazu bringen müsste, mehrere tausend Mal von einer Klippe zu fahren, bevor es herausfindet, wie man das nicht macht."
LeCun erklärte, wie im Gegensatz zu Verstärkungs- und Lernmodellen, die auf Trial-and-Error basieren, unbeaufsichtigte Lernmodelle potenziell in der Lage sein könnten, zu erraten, was in einer Situation wie dieser zu tun ist - eine Demonstration der mentalen Fähigkeiten, ähnlich dem, was wir gesunden Menschenverstand nennen würden.
Er sprach auch über seine Erfahrungen bei der Entwicklung künstlicher neuronaler Netze - insbesondere konvolutionärer neuronaler Netze (ConvNets) - und zeigte, wie sie nicht nur zum Bau selbstfahrender Autos, sondern auch einer Vielzahl innovativer Geräte eingesetzt werden können, darunter Technologien für die medizinische Signal- und Bildanalyse, Bioinformatik, Spracherkennung, Sprachübersetzung, Bildrestauration, Robotik und Physik.
Auf LeCuns Präsentation folgte ein Vortrag von einem anderen führenden Experten auf dem Gebiet des Deep Learning: Professor Yoshua Bengio an der Universität von Montreal. Der Vortrag von Professor Bengio konzentrierte sich speziell auf die stochastische Gradientenabsenkung (SGD) - eine KI-Optimierungsmethode, mit der Fehler durch künstliche neuronale Netze minimiert werden können.
Wie Bengio erklärte, ist "[SGD] wirklich das Arbeitspferd des tiefen Lernens. Dies ist die Optimierungstechnik, die überall für überwachtes Lernen, Verstärkungslernen und selbstüberwachtes Lernen eingesetzt wird. Es ist seit vielen Jahrzehnten bei uns und es funktioniert unglaublich gut, aber wir verstehen es noch nicht ganz."
Bengio's Vortrag ermöglichte es den Teilnehmern, ein besseres Verständnis von SGD zu erlangen, mit besonderem Fokus darauf, wie SGD-Varianten die Optimierung und Verallgemeinerung neuronaler Netze beeinflussen können. Bengio diskutierte, wie die traditionelle Sichtweise des maschinellen Lernens Optimierung und Verallgemeinerung als sauber getrennt sieht, aber das ist eigentlich nicht der Fall. Er stellte auch detaillierte Forschungsergebnisse über die Auswirkungen SGD-basierter Lerntechniken auf beide Aspekte des Netzwerkgestaltung vor.
Könnte unbeaufsichtigtes Lernen die Geheimnisse des Gehirns entschlüsseln?
Sebastian Seung, Executive Vice President von Samsung Research und Chief Research Scientist von Samsung Electronics, hielt eine besonders aufschlussreiche Präsentation, in der er darlegte, warum unbeaufsichtigtes Lernen für die Entwicklung von KI mit mentalen Fähigkeiten auf menschlicher Ebene unerlässlich sein wird.
Seung beschrieb, wie die von LeCun im Detail untersuchten neuronalen Faltungsnetze tatsächlich auf Erkenntnissen aus dem Studium der Neurowissenschaften beruhen. Er diskutierte auch, wie seine Forschung in künstlichen und biologischen neuronalen Netzwerken ihn dazu brachte, Möglichkeiten zur Anwendung der KI zu untersuchen, um ein besseres Verständnis davon zu gewinnen, wie unsere Gehirne verdrahtet sind.
Seung betonte, dass das Modell für den Entwurf unbeaufsichtigter Lernnetzwerke im Kortex des Gehirns liegt, und hob eine kürzlich durchgeführte Studie hervor, in der sein Team an der KI beteiligt war, um alle Neuronen, die in einem Kubikmillimeter des visuellen Kortex einer Maus enthalten sind - insgesamt mehr als 100.000 - darzustellen.
Der unbeaufsichtigte Lernalgorithmus, den die Forscher verwendeten, ermöglichte es ihnen, nicht nur eine 3D-Rekonstruktion der Verkabelung des neuronalen Netzes zu erstellen, sondern auch, einzelne Zellen und deren Komponenten zu markieren und zu färben. "Das ist die Magie des tiefen Lernens", sagte Seung. "Wenn ein Mensch das alles einfärben müsste, würde es etwa 100 Jahre Arbeit kosten. Und das ohne Kaffeepausen oder Schlaf."
Übersetzt mit www.DeepL.com/Translator
Samsung KI-Forum bietet einen Fahrplan für die Zukunft der KI
am 18. September 2018
Es ist noch nicht lange her, dass die Idee von Bautechnologien mit "Köpfchen", die lernen und sogar so aufgebaut sind wie unsere, wie Science Fiction erschien.
Fragen Sie einfach die hochkarätigen Referenten des "Samsung AI Forum 2018". In der zweiten Ausgabe des Forums für künstliche Intelligenz (KI) von Samsung Electronics, das vom 12. bis 13. September in Seoul stattfand, diskutierten versierte KI-Experten, wie bahnbrechende Fortschritte nicht nur dazu beitragen, Technologien zu entwickeln, die unser Leben komfortabler, bequemer und effizienter machen. Sie lehren uns auch mehr darüber, wie unser eigener Verstand funktioniert.
Unbeaufsichtigtes Lernen steht im Vordergrund
Die Teilnehmer des Samsung AI Forum 2018 hören aufmerksam die Eröffnungsansprache von Kinam Kim, President und CEO von Samsung Electronics, zu.
Das Forum begann mit einem Vortrag des Gründungsdirektors des New York University Center for Data Science und eines der weltweit führenden Köpfe im Bereich des Deep Learning, Yann LeCun.
Die Rede von LeCun bildete den Rahmen für die spannenden Diskussionen über unbeaufsichtigtes Lernen, die im Laufe der zweitägigen Veranstaltung folgen sollten. LeCun erklärte, warum er und viele seiner Kollegen glauben, dass unbeaufsichtigtes Lernen, auch bekannt als selbstüberwachtes Lernen, die Zukunft der KI darstellt. Er beschäftigte sich auch mit den potenziellen Anwendungen (und Einschränkungen) von unbeaufsichtigten Lernalgorithmen und erklärte, wie sie sich von überwachten und verstärkten Lernalgorithmen unterscheiden.
Wie LeCun erklärte, lernen überwachte Lernalgorithmen unter Verwendung von markierten Datensätzen und Antwortschlüsseln, die es ihnen ermöglichen, ihre Genauigkeit zu bewerten. Dies bedeutet im Wesentlichen, dass jedes Beispiel im Trainingsdatensatz die Antwort enthält, die der Algorithmus erzeugen soll. Beim Verstärkungslernen wird ein Algorithmus mit einem Belohnungssystem trainiert, das Feedback gibt, wenn es eine optimale Aktion für eine bestimmte Situation durchführt. Es stützt sich auf dieses Feedback und nicht auf beschriftete Datensätze, um die Wahl zu treffen, die die größte Belohnung bietet.
Beim unbeaufsichtigten Lernen hat der Algorithmus die Aufgabe, einen nicht gekennzeichneten Datensatz zu verstehen - eine Reihe von Beispielen, die keine richtige Antwort oder ein gewünschtes Ergebnis haben - für sich allein. Während diese Algorithmen unvorhersehbarer sein können als ihre Gegenstücke, können sie auch komplexere Verarbeitungsaufgaben übernehmen.
LeCun nutzte das Training von selbstfahrenden Autos als ein Schlüsselbeispiel für das Potenzial des unbeaufsichtigten Lernens. "Viele Menschen, die an autonomen Fahrten arbeiten, hoffen, mit Hilfe des Verstärkungslernens Autos dazu zu bringen, selbstständig durch Ausprobieren zu lernen", sagt LeCun. "Das Problem dabei ist, dass man wegen der inhärenten Ineffizienzen des Verstärkungslernens ein Auto dazu bringen müsste, mehrere tausend Mal von einer Klippe zu fahren, bevor es herausfindet, wie man das nicht macht."
LeCun erklärte, wie im Gegensatz zu Verstärkungs- und Lernmodellen, die auf Trial-and-Error basieren, unbeaufsichtigte Lernmodelle potenziell in der Lage sein könnten, zu erraten, was in einer Situation wie dieser zu tun ist - eine Demonstration der mentalen Fähigkeiten, ähnlich dem, was wir gesunden Menschenverstand nennen würden.
Er sprach auch über seine Erfahrungen bei der Entwicklung künstlicher neuronaler Netze - insbesondere konvolutionärer neuronaler Netze (ConvNets) - und zeigte, wie sie nicht nur zum Bau selbstfahrender Autos, sondern auch einer Vielzahl innovativer Geräte eingesetzt werden können, darunter Technologien für die medizinische Signal- und Bildanalyse, Bioinformatik, Spracherkennung, Sprachübersetzung, Bildrestauration, Robotik und Physik.
Auf LeCuns Präsentation folgte ein Vortrag von einem anderen führenden Experten auf dem Gebiet des Deep Learning: Professor Yoshua Bengio an der Universität von Montreal. Der Vortrag von Professor Bengio konzentrierte sich speziell auf die stochastische Gradientenabsenkung (SGD) - eine KI-Optimierungsmethode, mit der Fehler durch künstliche neuronale Netze minimiert werden können.
Wie Bengio erklärte, ist "[SGD] wirklich das Arbeitspferd des tiefen Lernens. Dies ist die Optimierungstechnik, die überall für überwachtes Lernen, Verstärkungslernen und selbstüberwachtes Lernen eingesetzt wird. Es ist seit vielen Jahrzehnten bei uns und es funktioniert unglaublich gut, aber wir verstehen es noch nicht ganz."
Bengio's Vortrag ermöglichte es den Teilnehmern, ein besseres Verständnis von SGD zu erlangen, mit besonderem Fokus darauf, wie SGD-Varianten die Optimierung und Verallgemeinerung neuronaler Netze beeinflussen können. Bengio diskutierte, wie die traditionelle Sichtweise des maschinellen Lernens Optimierung und Verallgemeinerung als sauber getrennt sieht, aber das ist eigentlich nicht der Fall. Er stellte auch detaillierte Forschungsergebnisse über die Auswirkungen SGD-basierter Lerntechniken auf beide Aspekte des Netzwerkgestaltung vor.
Könnte unbeaufsichtigtes Lernen die Geheimnisse des Gehirns entschlüsseln?
Sebastian Seung, Executive Vice President von Samsung Research und Chief Research Scientist von Samsung Electronics, hielt eine besonders aufschlussreiche Präsentation, in der er darlegte, warum unbeaufsichtigtes Lernen für die Entwicklung von KI mit mentalen Fähigkeiten auf menschlicher Ebene unerlässlich sein wird.
Seung beschrieb, wie die von LeCun im Detail untersuchten neuronalen Faltungsnetze tatsächlich auf Erkenntnissen aus dem Studium der Neurowissenschaften beruhen. Er diskutierte auch, wie seine Forschung in künstlichen und biologischen neuronalen Netzwerken ihn dazu brachte, Möglichkeiten zur Anwendung der KI zu untersuchen, um ein besseres Verständnis davon zu gewinnen, wie unsere Gehirne verdrahtet sind.
Seung betonte, dass das Modell für den Entwurf unbeaufsichtigter Lernnetzwerke im Kortex des Gehirns liegt, und hob eine kürzlich durchgeführte Studie hervor, in der sein Team an der KI beteiligt war, um alle Neuronen, die in einem Kubikmillimeter des visuellen Kortex einer Maus enthalten sind - insgesamt mehr als 100.000 - darzustellen.
Der unbeaufsichtigte Lernalgorithmus, den die Forscher verwendeten, ermöglichte es ihnen, nicht nur eine 3D-Rekonstruktion der Verkabelung des neuronalen Netzes zu erstellen, sondern auch, einzelne Zellen und deren Komponenten zu markieren und zu färben. "Das ist die Magie des tiefen Lernens", sagte Seung. "Wenn ein Mensch das alles einfärben müsste, würde es etwa 100 Jahre Arbeit kosten. Und das ohne Kaffeepausen oder Schlaf."
Übersetzt mit www.DeepL.com/Translator
Yann LeCun
What's Wrong With Deep Learning?
157 Seiten PDF-Schrift, viel Technisches für Freaks
http://www.pamitc.org/cvpr15/files/lecun-20150610-cvpr-keyno…
What's Wrong With Deep Learning?
157 Seiten PDF-Schrift, viel Technisches für Freaks
http://www.pamitc.org/cvpr15/files/lecun-20150610-cvpr-keyno…
News über news.... Brainchip Holdings wird zunehmend mit den ganz Großen aufgeführt. Ich will hier gar nicht alles einstellem was Onkel google an Neuigkeiten hergibt da es dort jeder selbst leicht findet. Liest sich doch alles wunderbar ;-)
https://hotcopper.com.au/attachments/markt-technik14sept18br…
gut aufgepasst
Super Artikel, der auch dem Laien Einiges beantwortet.
Antwort auf Beitrag Nr.: 58.829.300 von H2OAllergiker am 28.09.18 22:42:52"Unsere kürzlich Vorgestellte Akida-Entwicklungsumgebung wird nun durch eine Detaillierte Beschreibung der Architektur ergänzt"
______________________________________________________________________
Eine Doofie Frage noch einmal.
Auf Die habe ich Meine Waldmeisterprüfung drauf gemacht.
Dann den Doktor.
I.d.F. Olympia Bronze errungen.
Können Sie vielleicht LICHT in the Dark bringen, Wo Diese Beschreibung zu finden ist??
______________________________________________________________________
Eine Doofie Frage noch einmal.
Auf Die habe ich Meine Waldmeisterprüfung drauf gemacht.
Dann den Doktor.
I.d.F. Olympia Bronze errungen.
Können Sie vielleicht LICHT in the Dark bringen, Wo Diese Beschreibung zu finden ist??
Ich nehme an, die können Sie als pot. Entwickler/Kunde anfordern über die üblichen Wege email...
kostenlos?, ist fraglich
kostenlos?, ist fraglich
Antwort auf Beitrag Nr.: 58.831.412 von H2OAllergiker am 29.09.18 12:21:34
https://www.brainchipinc.com/products/brainchip-studio
Gesichtserkennungssoftware
Gerade bei der Strafverfolgung dürfte hier noch ein mega Potential drin stecken... beispielsweise hätte dies geholfen die Täter von der Silvesternacht 2015/2016 schnell identifizieren zu können dank dieser Gesichtsindentifizierungsmerkmale, Aktie hat schon mal alleine damit eine TOP Zukunftsperspektive... https://www.brainchipinc.com/products/brainchip-studio
Antwort auf Beitrag Nr.: 58.840.716 von abgemeldet568354 am 01.10.18 11:29:51Präsentation finde ich sehr gelungen
/brainchipinc/db/217/1582/pdf/Akida+Launch+Presentation.pdf" target="_blank" rel="nofollow ugc noopener">https://d1io3yog0oux5.cloudfront.net/_7321eee29a311ef3c96f63caae94d3ea/brainchipinc/db/217/1582/pdf/Akida+Launch+Presentation.pdf
/brainchipinc/db/217/1582/pdf/Akida+Launch+Presentation.pdf" target="_blank" rel="nofollow ugc noopener">https://d1io3yog0oux5.cloudfront.net/_7321eee29a311ef3c96f63caae94d3ea/brainchipinc/db/217/1582/pdf/Akida+Launch+Presentation.pdf
Antwort auf Beitrag Nr.: 58.840.716 von abgemeldet568354 am 01.10.18 11:29:51Ihr Guter Geschmack macht Mir langsam Angst.
Unsere sind sich (tlw) ähnlich.
Unsere sind sich (tlw) ähnlich.
Antwort auf Beitrag Nr.: 58.852.392 von Popeye82 am 02.10.18 14:32:26Kommt drauf an, ich beziehe dabei immer die Unternehmensidee + die Finanzergebnisse mit rein... also alleine eine gute Idee, ist zwar TOP, aber sie muss sich auch in den Zahlen wiederspiegel... deshalb bin ich beispielsweise bei AB wieder raus, glücklicherweise noch rechtzeitig
Antwort auf Beitrag Nr.: 58.854.213 von abgemeldet568354 am 02.10.18 16:58:11
So wie z.B. bei Kidman, die bis 2021 keinen
Umsatz generieren, du aber die Aktie bejubelst!
Wie kann man sich nur so oft selbst bloßstellen?
Zitat von InYi: Kommt drauf an, ich beziehe dabei immer die Unternehmensidee + die Finanzergebnisse mit rein... also alleine eine gute Idee, ist zwar TOP, aber sie muss sich auch in den Zahlen wiederspiegel... deshalb bin ich beispielsweise bei AB wieder raus, glücklicherweise noch rechtzeitig
So wie z.B. bei Kidman, die bis 2021 keinen
Umsatz generieren, du aber die Aktie bejubelst!
Wie kann man sich nur so oft selbst bloßstellen?
Antwort auf Beitrag Nr.: 58.840.716 von abgemeldet568354 am 01.10.18 11:29:51BRN Verfolgende StrafVERFOLGUNG
https://stocknessmonster.com/announcements/brn.asx-6A902717/
https://stocknessmonster.com/announcements/brn.asx-6A902717/
Antwort auf Beitrag Nr.: 58.865.118 von Popeye82 am 04.10.18 02:59:47Ich denke Gesichtserkennung ist natürlich für die Strafverfolgung wichtig... aber vielleicht auch noch in anderen Bereichen, zum Beispiel als Türöffner in Unternehmen alternativ zum Schlüssel oder ChipCard? 🤔
Antwort auf Beitrag Nr.: 58.865.130 von abgemeldet568354 am 04.10.18 03:12:20Was ich denke(und Dazu hatte auch schonmal H2O Einen Vorschlag gemacht) dass Hier mal über mögliche/potenzielle Einsatzgebiete, Anwendungsmöglichkeiten, BRNs, zu sprechen, im Prinzip sehr, sehr hilfreich wäre.
Dass man "mal bisschen Vorstellung bekommt", mal einfach gesagt.
Dass man "mal bisschen kapiert an Was für Socken da gestrickt"(Anwendung, jedenfalls) wird.
Ich denke dass H2O Dazu auch Einiges sagen kann.
Ich halte Keine Anteile an Dieser Aktie. Future: You never know.
Finde Diese Firma aus technischer Sicht aber absolut fuckxxxxxxxxxxxxxxxxxng spannend.
Dass man "mal bisschen Vorstellung bekommt", mal einfach gesagt.
Dass man "mal bisschen kapiert an Was für Socken da gestrickt"(Anwendung, jedenfalls) wird.
Ich denke dass H2O Dazu auch Einiges sagen kann.
Ich halte Keine Anteile an Dieser Aktie. Future: You never know.
Finde Diese Firma aus technischer Sicht aber absolut fuckxxxxxxxxxxxxxxxxxng spannend.
Neuromorphes Computing: Die nächste Phase der Technologien der Künstlichen Intelligenz
Von Robert Beachler, Senior Vice President für Marketing und Geschäftsentwicklung, BrainChip
Robert Beachler (CSO Online) am 02. Oktober 2018 16:16 Uhr.
https://www.cso.com.au/article/647578/neuromorphic-computing…" target="_blank" rel="nofollow ugc noopener">
https://www.cso.com.au/article/647578/neuromorphic-computing…
Der Wettrüsten zwischen konkurrierenden Technologien der künstlichen Intelligenz wird letztendlich darüber entscheiden, wie wir unsere Herausforderungen der Cybersicherheit angehen.
Entscheidungsträger müssen die zugrunde liegende Technologie der Lösungen für künstliche Intelligenz verstehen, wenn sie die richtige Strategie entwickeln wollen, um ihr Cybersicherheitsrisiko zu senken.
Der Einsatz von künstlicher Intelligenz und maschinellen Lernsystemen nimmt rasant zu. Machine Learning" beschreibt Systeme, die die richtige Antwort durch einfache Analyse vieler Probeneingangsdaten lernen können, ohne explizit für bestimmte Aufgaben programmiert werden zu müssen. Die vielleicht erfolgreichste und am weitesten verbreitete Technik ist der Einsatz von künstlichen neuronalen Netzen (ANNs).
ANNs emulieren die Funktionsweise von Neuronen in biologischen Systemen wie dem menschlichen Gehirn und schaffen ein Netzwerk von miteinander verbundenen künstlichen Neuronen. Sie haben sich bei einer Reihe von Aufgaben als sehr effektiv erwiesen, insbesondere bei der Mustererkennung, wie z.B. beim Sehen am Computer, bei der Spracherkennung oder bei der medizinischen Diagnose durch Symptome oder Scans.
Es überrascht nicht, dass ANNs Anwendungen für Herausforderungen der modernen Welt finden, wie z.B. Cybersicherheit. KI skaliert, so dass ein Algorithmus repliziert werden kann, um die Produktivität vieler Mitarbeiter zu gewährleisten - denken Sie daran, dass es möglich ist, Ihren besten Mitarbeiter zu klonen. Warum ist das wichtig? Denn auch die Bedrohung durch Cyber-Angriffe skaliert in gleicher Weise.
Das vielleicht am häufigsten verwendete Tool in der Toolbox des Cyberkriminellen ist das DDoS oder Distributed Denial of Service, das wenig mehr ist als eine Daten-Hosepipe, die auf einen bestimmten Server (oder Dienst) gerichtet ist. Stellen Sie sich nun vor, diese Sintflut hat sich vergrößert und richtet sich auf ganze Unternehmen, Länder oder sogar Kontinente. Der einzig realistische Weg, sich gegen einen automatisierten Angriff zu verteidigen, ist die Verwendung einer automatisierten Verteidigung, und diese Verteidigung ist die KI.
Das schiere Volumen des Netzwerkverkehrs ist in diesem Szenario nur ein Teil der Herausforderung; zum anderen ist es die Tatsache, dass der Datenverkehr typischerweise verschlüsselt ist. Die KI kann jedoch lernen, Muster zu identifizieren, selbst in verschlüsselten Paketen, die auf bösartige oder ungewöhnliche Nutzlasten im Verkehr hinweisen könnten, und zwar mit Leitungsgeschwindigkeit. Dieser Ansatz zur Bekämpfung von Feuer mit Feuer" bei der Anwendung von Cybersicherheit wird ein Schlachtfeld für KI-gestützte Systeme sein, die den ganzen Tag, jeden Tag, in naher Zukunft durchgeführt werden, aber mit jedem geprüften Paket werden die neuronalen Netze lernen, sich besser zu verteidigen.
In den letzten Jahrzehnten wurden neuronale Netze weitgehend in Software implementiert, die als Modell arbeitet und auf Universalprozessoren ausgeführt wird. Die Software emuliert die Funktionsweise jedes einzelnen Neurons sowie die Verbindungen zwischen ihnen, die ihr kollektives Verhalten steuern. Dies ist in Ordnung, wenn Sie einen großen neuronalen Verarbeitungsauftrag auf Daten ausführen möchten, die gesammelt und auf eine der großen Cloud-Plattformen oder ein Rechenzentrum mit vielen Servern hochgeladen wurden, aber viele reale Anwendungen erfordern, dass die Verarbeitung am Einsatzort durchgeführt wird, was bedeutet, dass sie portabel sein muss, oder zumindest nicht, dass ein Rack mit vielen Servern funktionieren muss.
Das Problem ist, dass viele kleine Geräte, wie z.B. Smartphones, einfach nicht über die Rechenleistung oder den Speicherplatz verfügen, um neuronale Netze von der Größe und Komplexität zu betreiben, die für viele Aufgaben erforderlich wären. Aus diesem Grund laden Anwendungen wie Apples Siri Virtual Assistant typischerweise Sprache zur Verarbeitung in die Cloud hoch.
Mehr erfahren
Cisco: Patchen Sie jetzt Ihre Data Center Switch Manager Software.
Neuromorphes Computing, das auf die Wurzeln neuronaler Netze zurückgeht und versucht, die Funktionsweise biologischer Neuronen genauer zu simulieren, ist ein anderer Ansatz für das Problem. Bestehende neuronale Netze haben sich zu komplexen Strukturen mit vielen spezialisierten Schichten entwickelt, die sich über alles hinaus entwickelt haben, was in der Natur existiert. Allerdings haben die künstlichen Neuronen selbst typischerweise einen konstanten Wert als Output, was eine Abweichung von dem ist, was in der biologischen Welt passiert; es ist wirklich künstlich.
Einer der vielversprechendsten neuromorphen Computing-Ansätze verwendet ein neuartiges neuronales Modell, das als Spiking Neural Network (SNN) bezeichnet wird und das sein biologisches Gegenstück genauer nachahmt. In einem SNN kommunizieren die Neuronen über eine Reihe von Spikes, wobei die Informationen nicht nur in der Zündrate der Spikes, sondern auch in ihrem genauen Timing kodiert werden.
Es verfügt über eine schnelle Lernmethode in Echtzeit. Es ist sehr genau - in Casinoumgebungen hat es eine Erkennungsrate von bis zu 99,76 Prozent. Es kann für eine Vielzahl von Bildern verwendet werden, einschließlich Fotos oder Aufnahmen, die durch schwaches Licht oder niedrige Auflösung in schlechter Qualität wiedergegeben werden. Und schließlich ist sein Stromverbrauch gering, da er mit Schwellenlogik und nicht mit mathematischen Funktionen arbeitet.
Dies hat die Strafverfolgungsbehörden stark angezogen. Bei der Analyse von Live-Videostreams - wo massive Datensätze und Tausende von Referenzbildern und -material nicht verfügbar sind - benötigt eine Polizeidienststelle eine Technologie, die noch Muster erkennen kann und dies sofort tun kann, ohne durch wochenlanges Training und Lernen behindert zu werden, wie es ein neuronales Faltungsnetzsystem erfordern würde.
Mehr erfahren
Mangelnde Sicherheitskenntnisse haben die digitale Transformation Australiens erschwert.
Solche neuromorphen Prozessoren könnten zu einer neuen Welt mobiler Geräte und Sensoren führen, die intelligent und unabhängig arbeiten können, ohne dass ein Netzstrom oder eine Netzwerkverbindung zur Cloud erforderlich ist, um ihre Rechenleistung zur Verfügung zu stellen.
Da sich die Bedrohungen für unsere Infrastruktur weiterentwickeln, liegt es nahe, dass sich die Entscheidungsträger für die Cybersicherheit zunehmend für SNNs entscheiden werden, um den Bedrohungen am Kohlebergbau, am Einsatzort, zu begegnen.
Übersetzt mit www.DeepL.com/Translator
Von Robert Beachler, Senior Vice President für Marketing und Geschäftsentwicklung, BrainChip
Robert Beachler (CSO Online) am 02. Oktober 2018 16:16 Uhr.
https://www.cso.com.au/article/647578/neuromorphic-computing…" target="_blank" rel="nofollow ugc noopener">
https://www.cso.com.au/article/647578/neuromorphic-computing…
Der Wettrüsten zwischen konkurrierenden Technologien der künstlichen Intelligenz wird letztendlich darüber entscheiden, wie wir unsere Herausforderungen der Cybersicherheit angehen.
Entscheidungsträger müssen die zugrunde liegende Technologie der Lösungen für künstliche Intelligenz verstehen, wenn sie die richtige Strategie entwickeln wollen, um ihr Cybersicherheitsrisiko zu senken.
Der Einsatz von künstlicher Intelligenz und maschinellen Lernsystemen nimmt rasant zu. Machine Learning" beschreibt Systeme, die die richtige Antwort durch einfache Analyse vieler Probeneingangsdaten lernen können, ohne explizit für bestimmte Aufgaben programmiert werden zu müssen. Die vielleicht erfolgreichste und am weitesten verbreitete Technik ist der Einsatz von künstlichen neuronalen Netzen (ANNs).
ANNs emulieren die Funktionsweise von Neuronen in biologischen Systemen wie dem menschlichen Gehirn und schaffen ein Netzwerk von miteinander verbundenen künstlichen Neuronen. Sie haben sich bei einer Reihe von Aufgaben als sehr effektiv erwiesen, insbesondere bei der Mustererkennung, wie z.B. beim Sehen am Computer, bei der Spracherkennung oder bei der medizinischen Diagnose durch Symptome oder Scans.
Es überrascht nicht, dass ANNs Anwendungen für Herausforderungen der modernen Welt finden, wie z.B. Cybersicherheit. KI skaliert, so dass ein Algorithmus repliziert werden kann, um die Produktivität vieler Mitarbeiter zu gewährleisten - denken Sie daran, dass es möglich ist, Ihren besten Mitarbeiter zu klonen. Warum ist das wichtig? Denn auch die Bedrohung durch Cyber-Angriffe skaliert in gleicher Weise.
Das vielleicht am häufigsten verwendete Tool in der Toolbox des Cyberkriminellen ist das DDoS oder Distributed Denial of Service, das wenig mehr ist als eine Daten-Hosepipe, die auf einen bestimmten Server (oder Dienst) gerichtet ist. Stellen Sie sich nun vor, diese Sintflut hat sich vergrößert und richtet sich auf ganze Unternehmen, Länder oder sogar Kontinente. Der einzig realistische Weg, sich gegen einen automatisierten Angriff zu verteidigen, ist die Verwendung einer automatisierten Verteidigung, und diese Verteidigung ist die KI.
Das schiere Volumen des Netzwerkverkehrs ist in diesem Szenario nur ein Teil der Herausforderung; zum anderen ist es die Tatsache, dass der Datenverkehr typischerweise verschlüsselt ist. Die KI kann jedoch lernen, Muster zu identifizieren, selbst in verschlüsselten Paketen, die auf bösartige oder ungewöhnliche Nutzlasten im Verkehr hinweisen könnten, und zwar mit Leitungsgeschwindigkeit. Dieser Ansatz zur Bekämpfung von Feuer mit Feuer" bei der Anwendung von Cybersicherheit wird ein Schlachtfeld für KI-gestützte Systeme sein, die den ganzen Tag, jeden Tag, in naher Zukunft durchgeführt werden, aber mit jedem geprüften Paket werden die neuronalen Netze lernen, sich besser zu verteidigen.
In den letzten Jahrzehnten wurden neuronale Netze weitgehend in Software implementiert, die als Modell arbeitet und auf Universalprozessoren ausgeführt wird. Die Software emuliert die Funktionsweise jedes einzelnen Neurons sowie die Verbindungen zwischen ihnen, die ihr kollektives Verhalten steuern. Dies ist in Ordnung, wenn Sie einen großen neuronalen Verarbeitungsauftrag auf Daten ausführen möchten, die gesammelt und auf eine der großen Cloud-Plattformen oder ein Rechenzentrum mit vielen Servern hochgeladen wurden, aber viele reale Anwendungen erfordern, dass die Verarbeitung am Einsatzort durchgeführt wird, was bedeutet, dass sie portabel sein muss, oder zumindest nicht, dass ein Rack mit vielen Servern funktionieren muss.
Das Problem ist, dass viele kleine Geräte, wie z.B. Smartphones, einfach nicht über die Rechenleistung oder den Speicherplatz verfügen, um neuronale Netze von der Größe und Komplexität zu betreiben, die für viele Aufgaben erforderlich wären. Aus diesem Grund laden Anwendungen wie Apples Siri Virtual Assistant typischerweise Sprache zur Verarbeitung in die Cloud hoch.
Mehr erfahren
Cisco: Patchen Sie jetzt Ihre Data Center Switch Manager Software.
Neuromorphes Computing, das auf die Wurzeln neuronaler Netze zurückgeht und versucht, die Funktionsweise biologischer Neuronen genauer zu simulieren, ist ein anderer Ansatz für das Problem. Bestehende neuronale Netze haben sich zu komplexen Strukturen mit vielen spezialisierten Schichten entwickelt, die sich über alles hinaus entwickelt haben, was in der Natur existiert. Allerdings haben die künstlichen Neuronen selbst typischerweise einen konstanten Wert als Output, was eine Abweichung von dem ist, was in der biologischen Welt passiert; es ist wirklich künstlich.
Einer der vielversprechendsten neuromorphen Computing-Ansätze verwendet ein neuartiges neuronales Modell, das als Spiking Neural Network (SNN) bezeichnet wird und das sein biologisches Gegenstück genauer nachahmt. In einem SNN kommunizieren die Neuronen über eine Reihe von Spikes, wobei die Informationen nicht nur in der Zündrate der Spikes, sondern auch in ihrem genauen Timing kodiert werden.
Es verfügt über eine schnelle Lernmethode in Echtzeit. Es ist sehr genau - in Casinoumgebungen hat es eine Erkennungsrate von bis zu 99,76 Prozent. Es kann für eine Vielzahl von Bildern verwendet werden, einschließlich Fotos oder Aufnahmen, die durch schwaches Licht oder niedrige Auflösung in schlechter Qualität wiedergegeben werden. Und schließlich ist sein Stromverbrauch gering, da er mit Schwellenlogik und nicht mit mathematischen Funktionen arbeitet.
Dies hat die Strafverfolgungsbehörden stark angezogen. Bei der Analyse von Live-Videostreams - wo massive Datensätze und Tausende von Referenzbildern und -material nicht verfügbar sind - benötigt eine Polizeidienststelle eine Technologie, die noch Muster erkennen kann und dies sofort tun kann, ohne durch wochenlanges Training und Lernen behindert zu werden, wie es ein neuronales Faltungsnetzsystem erfordern würde.
Mehr erfahren
Mangelnde Sicherheitskenntnisse haben die digitale Transformation Australiens erschwert.
Solche neuromorphen Prozessoren könnten zu einer neuen Welt mobiler Geräte und Sensoren führen, die intelligent und unabhängig arbeiten können, ohne dass ein Netzstrom oder eine Netzwerkverbindung zur Cloud erforderlich ist, um ihre Rechenleistung zur Verfügung zu stellen.
Da sich die Bedrohungen für unsere Infrastruktur weiterentwickeln, liegt es nahe, dass sich die Entscheidungsträger für die Cybersicherheit zunehmend für SNNs entscheiden werden, um den Bedrohungen am Kohlebergbau, am Einsatzort, zu begegnen.
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 58.870.950 von H2OAllergiker am 04.10.18 17:53:24Entscheidungsträger müssen die zugrunde liegende Technologie der Lösungen für künstliche Intelligenz verstehen, wenn sie die richtige Strategie entwickeln wollen, um ihr Cybersicherheitsrisiko zu senken
____________________________________________________________________________
Najaaa. Da seh ich ja schon wieder massive Probleme.
Hast Du VORSTELLUNG Wie Das funktioniert, im Bundestag(und Anderen Gremien) sich "In Themen einarbeiten"???
____________________________________________________________________________
Najaaa. Da seh ich ja schon wieder massive Probleme.
Hast Du VORSTELLUNG Wie Das funktioniert, im Bundestag(und Anderen Gremien) sich "In Themen einarbeiten"???
Ist das der Report für 3000Öcken?
Sieht so aus, als würde BRN kurzfr. an einer KE basteln, kurstechnisch erstmal nicht viel zu erwarten, wenn keine Überraschung kommt. Aber langfr. ist das hier ein Ding, wo man drin sein sollte, wenn man an KI und ans Management "glaubt" und DeepLearning belächelt, ...wie ich.
Da erwarte ich mir bei A3D mehr in relativ kurzem Zeitrahmen.
Ich bin dbzgl auch auf der formnext Mitte Nov.
Sieht so aus, als würde BRN kurzfr. an einer KE basteln, kurstechnisch erstmal nicht viel zu erwarten, wenn keine Überraschung kommt. Aber langfr. ist das hier ein Ding, wo man drin sein sollte, wenn man an KI und ans Management "glaubt" und DeepLearning belächelt, ...wie ich.
Da erwarte ich mir bei A3D mehr in relativ kurzem Zeitrahmen.
Ich bin dbzgl auch auf der formnext Mitte Nov.
Antwort auf Beitrag Nr.: 58.975.101 von H2OAllergiker am 16.10.18 19:50:48Sie können lächeln
Sieht so aus, als würde BRN kurzfr. an einer KE basteln, kurstechnisch erstmal nicht viel zu erwarten, wenn keine Überraschung kommt. Aber langfr. ist das hier ein Ding, wo man drin sein sollte, wenn man an KI und ans Management "glaubt" und DeepLearning belächelt, ...wie ich.
______________________________________________________________________________
Seh ich ähnlich.
Hab Mir Die deshalb auch mal auf die MAY Liste gesetzt.
DANKE.
Aber hab auch Mehr als genug Eigene Projekte,
ist nicht so dass da Irgendeine Art Muss besteht.
Sieht so aus, als würde BRN kurzfr. an einer KE basteln, kurstechnisch erstmal nicht viel zu erwarten, wenn keine Überraschung kommt. Aber langfr. ist das hier ein Ding, wo man drin sein sollte, wenn man an KI und ans Management "glaubt" und DeepLearning belächelt, ...wie ich.
______________________________________________________________________________
Seh ich ähnlich.
Hab Mir Die deshalb auch mal auf die MAY Liste gesetzt.
DANKE.
Aber hab auch Mehr als genug Eigene Projekte,
ist nicht so dass da Irgendeine Art Muss besteht.
http://www.caict.ac.cn/kxyj/qwfb/bps/201809/P020180918696200…" target="_blank" rel="nofollow ugc noopener">http://www.caict.ac.cn/kxyj/qwfb/bps/201809/P020180918696200…
Seite 47
Neuromorphic Hardware
Analysis By:
Chirag Dekate; Martin Reynolds
Definition:
Neuromorphic hardware comprises semiconductor devices conceptually inspired by neurobiological architectures. Neuromorphic processors feature non-von-Neumann architectures and implement execution models that are dramatically different from traditional processors. They are characterized by simple processing elements, but very high interconnectivity.
Position and Adoption Speed Justification:
Neuromorphic systems are at the very early prototype stage. IBM has delivered a TrueNorth-based system to Lawrence Livermore National Laboratory. BrainChip’s Spiking Neuron Adaptive Processor technology and Hewlett Packard Enterprise’s Labs Dot Product are other early entries, Intel’s “Loihi” chip tackles a broader class of AI workloads: Loihi offers a higher degree of connectivity than competing implementations. Qualcomm, an early exponent of neuromorphic processors, has shifted its focus to conventional processors.
There are three major barriers to the deployment of neuromorphic hardware:
•GPUs are more accessible and easier to program than neuromorphic silicon.
•Knowledge gaps: Programming neuromorphic hardware will require new tools and training methodologies.
•Scalability: The complexity of interconnection challenges the ability of semiconductor manufacturers to create viable neuromorphic devices.
At the moment, these projects are not on the mainstream path for deep neural networks (DNNs), but that could change with a surprise breakthrough in programming techniques.
User Advice:
Neuromorphic computing architectures can deliver extreme performance for use cases such as deep neural networks because they operate at very low power and are potentially capable of faster training than the GPU-based DNN systems deployed today. Furthermore, neuromorphic architectures can enable native support for graph analytics. Most of the neuromorphic architectures today are not ready for mainstream adoption. However, these architectures will become viable over the next five years, and will deliver new opportunities.
I&O leaders can prepare for neuromorphic computing architectures by:
•Creating a roadmap plan by identifying key applications that could benefit from neuromorphic computing.
•Partnering with key industry leaders in neuromorphic computing to develop proof of concept projects.
•Identifying new skillsets that need to be nurtured for successful development of neuromorphic initiatives.
Business Impact:
Neuromorphic hardware faces the largest barriers in advancing DNN, but also may unlock the most powerful results. There are likely to be major leaps forward in hardware in the next decade, if not from neuromorphic hardware, then from other radically new hardware designs.
Neuromorphic systems promise lower power, but will likely operate across smaller input sets. As such, they will likely first appear in edge devices, where they will process images and sound. These devices may also execute lower levels of a DNN at the edge, reducing bandwidth and central processing constraints.
We are in the midst of an extremely rapid evolution cycle, enabled by radically new hardware designs, suddenly practical DNN algorithms and huge amounts of big data used to train these systems. Neuromorphic devices have the potential to drive the reach of DNNs further to the edge of the network, and potentially accelerate key tasks such as image and sound recognition inside the network. They will require significant advances in architecture and implementation to compete with other DNN architectures.
Benefit Rating: Transformational
Market Penetration: Less than 1% of target audience
Maturity: Embryonic
Sample Vendors: BrainChip; Hewlett Packard Enterprise; IBM; Intel; Micron
#######
Geschäftsauswirkungen:
Neuromorphe Hardware steht vor den größten Barrieren bei der Weiterentwicklung von DNN, kann aber auch die stärksten Ergebnisse liefern. Es ist wahrscheinlich, dass es in den nächsten zehn Jahren große Fortschritte bei der Hardware geben wird, wenn nicht von neuromorpher Hardware, dann von anderen radikal neuen Hardware-Designs.
Neuromorphe Systeme versprechen eine geringere Leistung, werden aber wahrscheinlich bei kleineren Eingangssätzen eingesetzt. Als solche werden sie wahrscheinlich zuerst in Edge-Geräten erscheinen, wo sie Bild und Ton verarbeiten. Diese Vorrichtungen können auch niedrigere Ebenen eines DNN am Rand ausführen, wodurch die Bandbreite und die Einschränkungen der zentralen Verarbeitung reduziert werden.
Wir befinden uns inmitten eines extrem schnellen Evolutionszyklus, der durch radikal neue Hardware-Designs, plötzlich praktische DNN-Algorithmen und riesige Mengen an großen Daten, die zur Schulung dieser Systeme verwendet werden, ermöglicht wird. Neuromorphe Geräte haben das Potenzial, die Reichweite von DNNs weiter an den Rand des Netzwerks zu bringen und möglicherweise Schlüsselaufgaben wie die Bild- und Tonerkennung innerhalb des Netzwerks zu beschleunigen. Sie erfordern erhebliche Fortschritte in der Architektur und Implementierung, um mit anderen DNN-Architekturen konkurrieren zu können.
Nutzenbewertung: Transformatorisch
Marktdurchdringung: Weniger als 1% der Zielgruppe
Reife: Embryonal
Beispielverkäufer: BrainChip; Hewlett Packard Enterprise; IBM; Intel; Micron;
Übersetzt mit www.DeepL.com/Translator
Seite 47
Neuromorphic Hardware
Analysis By:
Chirag Dekate; Martin Reynolds
Definition:
Neuromorphic hardware comprises semiconductor devices conceptually inspired by neurobiological architectures. Neuromorphic processors feature non-von-Neumann architectures and implement execution models that are dramatically different from traditional processors. They are characterized by simple processing elements, but very high interconnectivity.
Position and Adoption Speed Justification:
Neuromorphic systems are at the very early prototype stage. IBM has delivered a TrueNorth-based system to Lawrence Livermore National Laboratory. BrainChip’s Spiking Neuron Adaptive Processor technology and Hewlett Packard Enterprise’s Labs Dot Product are other early entries, Intel’s “Loihi” chip tackles a broader class of AI workloads: Loihi offers a higher degree of connectivity than competing implementations. Qualcomm, an early exponent of neuromorphic processors, has shifted its focus to conventional processors.
There are three major barriers to the deployment of neuromorphic hardware:
•GPUs are more accessible and easier to program than neuromorphic silicon.
•Knowledge gaps: Programming neuromorphic hardware will require new tools and training methodologies.
•Scalability: The complexity of interconnection challenges the ability of semiconductor manufacturers to create viable neuromorphic devices.
At the moment, these projects are not on the mainstream path for deep neural networks (DNNs), but that could change with a surprise breakthrough in programming techniques.
User Advice:
Neuromorphic computing architectures can deliver extreme performance for use cases such as deep neural networks because they operate at very low power and are potentially capable of faster training than the GPU-based DNN systems deployed today. Furthermore, neuromorphic architectures can enable native support for graph analytics. Most of the neuromorphic architectures today are not ready for mainstream adoption. However, these architectures will become viable over the next five years, and will deliver new opportunities.
I&O leaders can prepare for neuromorphic computing architectures by:
•Creating a roadmap plan by identifying key applications that could benefit from neuromorphic computing.
•Partnering with key industry leaders in neuromorphic computing to develop proof of concept projects.
•Identifying new skillsets that need to be nurtured for successful development of neuromorphic initiatives.
Business Impact:
Neuromorphic hardware faces the largest barriers in advancing DNN, but also may unlock the most powerful results. There are likely to be major leaps forward in hardware in the next decade, if not from neuromorphic hardware, then from other radically new hardware designs.
Neuromorphic systems promise lower power, but will likely operate across smaller input sets. As such, they will likely first appear in edge devices, where they will process images and sound. These devices may also execute lower levels of a DNN at the edge, reducing bandwidth and central processing constraints.
We are in the midst of an extremely rapid evolution cycle, enabled by radically new hardware designs, suddenly practical DNN algorithms and huge amounts of big data used to train these systems. Neuromorphic devices have the potential to drive the reach of DNNs further to the edge of the network, and potentially accelerate key tasks such as image and sound recognition inside the network. They will require significant advances in architecture and implementation to compete with other DNN architectures.
Benefit Rating: Transformational
Market Penetration: Less than 1% of target audience
Maturity: Embryonic
Sample Vendors: BrainChip; Hewlett Packard Enterprise; IBM; Intel; Micron
#######
Geschäftsauswirkungen:
Neuromorphe Hardware steht vor den größten Barrieren bei der Weiterentwicklung von DNN, kann aber auch die stärksten Ergebnisse liefern. Es ist wahrscheinlich, dass es in den nächsten zehn Jahren große Fortschritte bei der Hardware geben wird, wenn nicht von neuromorpher Hardware, dann von anderen radikal neuen Hardware-Designs.
Neuromorphe Systeme versprechen eine geringere Leistung, werden aber wahrscheinlich bei kleineren Eingangssätzen eingesetzt. Als solche werden sie wahrscheinlich zuerst in Edge-Geräten erscheinen, wo sie Bild und Ton verarbeiten. Diese Vorrichtungen können auch niedrigere Ebenen eines DNN am Rand ausführen, wodurch die Bandbreite und die Einschränkungen der zentralen Verarbeitung reduziert werden.
Wir befinden uns inmitten eines extrem schnellen Evolutionszyklus, der durch radikal neue Hardware-Designs, plötzlich praktische DNN-Algorithmen und riesige Mengen an großen Daten, die zur Schulung dieser Systeme verwendet werden, ermöglicht wird. Neuromorphe Geräte haben das Potenzial, die Reichweite von DNNs weiter an den Rand des Netzwerks zu bringen und möglicherweise Schlüsselaufgaben wie die Bild- und Tonerkennung innerhalb des Netzwerks zu beschleunigen. Sie erfordern erhebliche Fortschritte in der Architektur und Implementierung, um mit anderen DNN-Architekturen konkurrieren zu können.
Nutzenbewertung: Transformatorisch
Marktdurchdringung: Weniger als 1% der Zielgruppe
Reife: Embryonal
Beispielverkäufer: BrainChip; Hewlett Packard Enterprise; IBM; Intel; Micron;
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 59.070.025 von H2OAllergiker am 26.10.18 21:22:16World AI Industry Development Blue Book
______________________________
Mit Kleinkram geben Sie sich nicht mehr appppp??
Dürfte man Diesen Link "vielleicht auch 1mal Dem 1 ODER Anderen weitergeben"?
______________________________
Mit Kleinkram geben Sie sich nicht mehr appppp??
Dürfte man Diesen Link "vielleicht auch 1mal Dem 1 ODER Anderen weitergeben"?
Ich hatte bereits geantwortet, mein Netz... ja das können Sie, wenn Sie es können
Die Russen liefern bisher die beste Erklärung
Einmal durch google und dann durch deepL jagen, ist dann noch lesbar
https://www.terraelectronica.ru/news/5569
P.S.
Am Mittwoch ist das Quartalswebinar mit CEO Louis DiNardo.
Wer Fragen hat, wende sich an die entsprechende Email oder stelle seine Fragen hier bis spätestens morgen, Dienstag Mittag, die ich dann vl. zeitig genug übersetzt rübergeschickt bekomme- -,)
https://hotcopper.com.au/threads/ann-company-update-webinar.…
Die Russen liefern bisher die beste Erklärung
Einmal durch google und dann durch deepL jagen, ist dann noch lesbar
https://www.terraelectronica.ru/news/5569
P.S.
Am Mittwoch ist das Quartalswebinar mit CEO Louis DiNardo.
Wer Fragen hat, wende sich an die entsprechende Email oder stelle seine Fragen hier bis spätestens morgen, Dienstag Mittag, die ich dann vl. zeitig genug übersetzt rübergeschickt bekomme- -,)
https://hotcopper.com.au/threads/ann-company-update-webinar.…
Frage 1:
Wieviel Power/Effektivität und welche Anwendungen sind theoretisch möglich, und wieviele Neuronen/ Synapsen ergäben sich daraus, wenn man die maximal postulierte Anzahl von 1024 AKIDAS zusammenschalten würde?
2.
Wie groß ist der Technologievorsprung von Brainchip in Jahren - in Anbetracht der aktuell öffentlich verfügbaren Daten der Konkurrenz - IBM, Intel, HP Enterprise, weitere, die im Bereich neuromorphe Chips arbeiten?
Ist dieser Vorsprung, wenn vorhanden, im stationärem Modus durch Quantencomputer oder Anderer Technologie in absehbarer Zeit, 5-10 Jahre, einholbar?
3.
Ist es irgendwann innerhalb der nächsten 10 Jahre möglich, CNNs komplett zu ersetzen, bspw. durch SNNs?
Oder entsteht möglicherweise ein paralleler aber gleichwertiger Markt, aufgeteilt zwischen cloudabhängigem, funkabhängigem, unsicherem DeepLearning und autonomen Spiking Neural Networks etc.?
Wieviel Power/Effektivität und welche Anwendungen sind theoretisch möglich, und wieviele Neuronen/ Synapsen ergäben sich daraus, wenn man die maximal postulierte Anzahl von 1024 AKIDAS zusammenschalten würde?
2.
Wie groß ist der Technologievorsprung von Brainchip in Jahren - in Anbetracht der aktuell öffentlich verfügbaren Daten der Konkurrenz - IBM, Intel, HP Enterprise, weitere, die im Bereich neuromorphe Chips arbeiten?
Ist dieser Vorsprung, wenn vorhanden, im stationärem Modus durch Quantencomputer oder Anderer Technologie in absehbarer Zeit, 5-10 Jahre, einholbar?
3.
Ist es irgendwann innerhalb der nächsten 10 Jahre möglich, CNNs komplett zu ersetzen, bspw. durch SNNs?
Oder entsteht möglicherweise ein paralleler aber gleichwertiger Markt, aufgeteilt zwischen cloudabhängigem, funkabhängigem, unsicherem DeepLearning und autonomen Spiking Neural Networks etc.?
Antwort auf Beitrag Nr.: 59.085.890 von H2OAllergiker am 29.10.18 17:32:33Webinarseite, Registrierung zum Webinar am 31.10.2018 um 2.00pm AEDT
https://www.brainchipinc.com/news-media/events
Email für die Fragen:
brainchipupdate@brainchipinc.com
https://www.brainchipinc.com/news-media/events
Email für die Fragen:
brainchipupdate@brainchipinc.com
Antwort auf Beitrag Nr.: 59.086.331 von H2OAllergiker am 29.10.18 18:10:18 Ist dieser Vorsprung, wenn vorhanden, im stationärem Modus durch Quantencomputer oder Anderer Technologie in absehbarer Zeit, 5-10 Jahre, einholbar?
_______________________________________________________________________________
(durch) Quantencomputer Nächste 5-10 Jahre wird glaube ich "eher schwierig".
_______________________________________________________________________________
(durch) Quantencomputer Nächste 5-10 Jahre wird glaube ich "eher schwierig".
Naja, habe da gelesent, dass es bereits welche gibt.
Antwort auf Beitrag Nr.: 59.087.540 von H2OAllergiker am 29.10.18 20:03:13HCT hat übrigens Erste Signifikante Revenues verbucht.
Sollte nicht Weniger werden, going forward.
Aber ich wollte zu Diesem "Quantum" Ding nochmal Etwas Anderes sagen.
Sollte nicht Weniger werden, going forward.
Aber ich wollte zu Diesem "Quantum" Ding nochmal Etwas Anderes sagen.
Nudeln sind nicht mein Ding, da ich weder fettleibig noch ungesund lebend bin, interessiert mich das Thema einfach nicht
Zudem sagte besagter Kollege und im Studium befindlicher Ernährungswissenschaftler - von denen halte ich schoinmal garnix, aber egal - glutenfrei und dies und das kann man einfach umgehen, indem man etwa grüne Erbsennudeln usw nimmt. Ist eh alles Marketing.
Als Aktienkoch ist es eher was für Sie
Die verweichtliche Gesellschaft fragt sowas nach, warum, ist mir bewusst, ist aber nicht nachhaltig in meinen Augen.
Wenn die Leute meinen, sich den Shceiss Aluminiumoxid usw. usw. durch Impfungen usw. freiwillig in den Körper zu holen, ist das ihr freier Wille, mit den Konsequenzen müssen sie dann eben leben, Allergien, Asthma, Autismus, ADHS, A, A , Nahrungsunverträglichkeiten, etc.
Ich kann da leider nicht mithalten, da gesund.
Zudem sagte besagter Kollege und im Studium befindlicher Ernährungswissenschaftler - von denen halte ich schoinmal garnix, aber egal - glutenfrei und dies und das kann man einfach umgehen, indem man etwa grüne Erbsennudeln usw nimmt. Ist eh alles Marketing.
Als Aktienkoch ist es eher was für Sie
Die verweichtliche Gesellschaft fragt sowas nach, warum, ist mir bewusst, ist aber nicht nachhaltig in meinen Augen.
Wenn die Leute meinen, sich den Shceiss Aluminiumoxid usw. usw. durch Impfungen usw. freiwillig in den Körper zu holen, ist das ihr freier Wille, mit den Konsequenzen müssen sie dann eben leben, Allergien, Asthma, Autismus, ADHS, A, A , Nahrungsunverträglichkeiten, etc.
Ich kann da leider nicht mithalten, da gesund.
Antwort auf Beitrag Nr.: 59.086.673 von Popeye82 am 29.10.18 18:46:55
https://www.technologyreview.com/s/610250/serious-quantum-co…
Zitat von Popeye82: Ist dieser Vorsprung, wenn vorhanden, im stationärem Modus durch Quantencomputer oder Anderer Technologie in absehbarer Zeit, 5-10 Jahre, einholbar?
_______________________________________________________________________________
(durch) Quantencomputer Nächste 5-10 Jahre wird glaube ich "eher schwierig".
https://www.technologyreview.com/s/610250/serious-quantum-co…
GPI, einer der größten BRN-Kunden wird heute von Angel, einem asiatischen Wettbewerber übernommen.
Das steigert die Umsatzmöglichkeiten von BRN im Casionbereich auf einen Schlag.
Antwort auf Beitrag Nr.: 59.390.378 von H2OAllergiker am 07.12.18 16:56:39Also Die Rote ist Ihre Freundin?
JA
Neues Patent aus 2016 erteilt, könnte wichtig werden.
Nicht nur für Stimmen geeignet, auch für den künstlichen Sehsinn etc.
https://patents.google.com/patent/US20170229117A1/en
Aber der CEO muss meiner Meinung nach weg, es sei denn, er zeigt 2018 noch, was er versprochen hat.
Am 2. Jan gibt es ein vorgezogenes Webinar.
Sieht aber eher nicht danach aus, hat er doch kürzlich ein Paket zu miserablen Konditionen verkauft, quasi ein Weihnachtsgeschenk für uns..., wenn auch legal, wohl um seine Steuern zu bezahlen.
Neues Patent aus 2016 erteilt, könnte wichtig werden.
Nicht nur für Stimmen geeignet, auch für den künstlichen Sehsinn etc.
https://patents.google.com/patent/US20170229117A1/en
Aber der CEO muss meiner Meinung nach weg, es sei denn, er zeigt 2018 noch, was er versprochen hat.
Am 2. Jan gibt es ein vorgezogenes Webinar.
Sieht aber eher nicht danach aus, hat er doch kürzlich ein Paket zu miserablen Konditionen verkauft, quasi ein Weihnachtsgeschenk für uns..., wenn auch legal, wohl um seine Steuern zu bezahlen.
Seite 24 im PDF über den AKIDA
https://www.elektronik-industrie.de/wp-content/uploads/sites…
Ich bin bei 0,098AUD vor kurzem mit einer ersten Posi wieder rein.
https://www.elektronik-industrie.de/wp-content/uploads/sites…
Ich bin bei 0,098AUD vor kurzem mit einer ersten Posi wieder rein.
Antwort auf Beitrag Nr.: 59.538.373 von H2OAllergiker am 01.01.19 23:23:05Hallo H2O,
gib mir mal bitte eine kurze Zusammenfassung, da du hier wohl drin steckst?
In diesem Forum ging es wohl ab 2017 und mit dem Kurs runter, steckt hier noch etwas drin ?
Danke für die Infos...
gib mir mal bitte eine kurze Zusammenfassung, da du hier wohl drin steckst?
In diesem Forum ging es wohl ab 2017 und mit dem Kurs runter, steckt hier noch etwas drin ?
Danke für die Infos...
Bin hier sehr enttäuscht worden und seit heute wieder raus mit der spek. 1 Posi vom Jahreswechsel.
Werde weiter beobachten und erst bei merklichen Umsatzanstiegen/ News wieder einsteigen, falls überhaupt.
Der CEO gefällt mir und den meisten Aktionären überhaupt nicht.
Viel blaba und in die eigene Tasche wirtschaften, ohne Rücksicht auf die Shareholder werfen ein ganz schlechtes Bild auf ihn.
Da muss sich was ändern oder die Firma ist platt.
Werde als Alternative ua. eine NVDA weit unter 50 ins Auge fassen.
Werde weiter beobachten und erst bei merklichen Umsatzanstiegen/ News wieder einsteigen, falls überhaupt.
Der CEO gefällt mir und den meisten Aktionären überhaupt nicht.
Viel blaba und in die eigene Tasche wirtschaften, ohne Rücksicht auf die Shareholder werfen ein ganz schlechtes Bild auf ihn.
Da muss sich was ändern oder die Firma ist platt.
Werde als Alternative ua. eine NVDA weit unter 50 ins Auge fassen.
https://americansecuritytoday.com/brainchip-ai-powered-video…
BrainChip AI-Powered Video Analytics Now Avail to European Govts (Videos)
Ich glaube nach wie vor an die Vorzüge der SNNś für die Nische, warte aber, ob und wie sich BRN durchsetzten wird.
BrainChip AI-Powered Video Analytics Now Avail to European Govts (Videos)
Ich glaube nach wie vor an die Vorzüge der SNNś für die Nische, warte aber, ob und wie sich BRN durchsetzten wird.
Wie kann man als CEO das Potential nur so verschleudern? Hoffentlich ist der alsbald Geschichte.
Is Spiking Neural Network The Next Generation Of Machine Learning?
By Kimberly Cook | 17-Jan-2019 |
https://houseofbots.com/news-detail/4533-1-is-spiking-neural…
By Kimberly Cook | 17-Jan-2019 |
https://houseofbots.com/news-detail/4533-1-is-spiking-neural…
Antwort auf Beitrag Nr.: 59.668.706 von H2OAllergiker am 19.01.19 15:28:06WEnn Sie zu "StartUps" dümmer werden wollen,
essen Sie sich vielleicht1mal 1,2 "Pitches"
(.)
l
l
l
l
l
l
v
www.facebook.com/ClimateKIC/videos/were-down-to-the-last-16/…
Ich hör Die grad, parallel.
Iss interessant, kann man paar Sachen lernen.
essen Sie sich vielleicht1mal 1,2 "Pitches"
(.)l
l
l
l
l
l
v
www.facebook.com/ClimateKIC/videos/were-down-to-the-last-16/…
Ich hör Die grad, parallel.
Iss interessant, kann man paar Sachen lernen.
!
Dieser Beitrag wurde von MadMod moderiert. Grund: Komplettkopien aus fremden Medien- bitte nachlesen unter 9.5. Nutzungsbedingungen: "Wie zitiere ich richtig"
Email Alerts for:
ASX:BRN
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo, provides an update on the company.
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
ASX:BRN
BrainChip Holdings Limited (ASX:BRN) CEO, Louis DiNardo, provides an update on the company.
https://www.finnewsnetwork.com.au/archives/finance_news_netw…
Bei dieser Bewertung das erste Mal richtig interessant geworden.
100Mio Marktkap waren viel zu hoch.
BrainChip Sponsors tinyML Summit and Will Demonstrate How Akida Technology Accelerates Machine Learning at the Edge
Download as PDF
March 05, 2019
SAN FRANCISCO, March 05, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (“BrainChip” or the “Company”) (ASX:BRN), the leading neuromorphic computing company, is pleased to announce it will be a sponsor for the inaugural tinyML Summit. The tinyML Summit is an elite gathering of experts developing and commercializing machine learning for energy efficient applications. BrainChip will demonstrate how the company’s Akida NSoC and Akida Development Environment accelerates machine learning at the edge. The tinyML Summit being held on March 20-21, 2019 on the Google campus in Sunnyvale, California.
Tractica market research expects that the AI chipset market will be worth US$66 billion and that two-thirds of this market will be at the edge. The small, low cost and low power Akida Neuromorphic System-on-Chip (NSoC) – developed by BrainChip – is optimized for edge applications. Its high performance and low power makes it ideal for applications such as advanced driver assistance systems (ADAS), autonomous vehicles, drones, vision-guided robotics, surveillance and machine vision systems. The Akida NSoC accelerates spiking neural networks (SNNs), which are inherently lower power than traditional convolutional neural networks (CNNs). This is because they replace the math-intensive convolutions and back-propagation training methods with biologically inspired neuron functions and feed-forward training methodologies. BrainChip’s research has determined an optimal neuron model and training methods, bringing unprecedented efficiency and accuracy. Each Akida NSoC has effectively 1.2 million neurons and 10 billion synapses, representing 100 times better efficiency than previously introduced neuromorphic test chips.
"Machine learning on tiny, cheap, low-power devices will help us solve all sorts of problems, from spotting issues with factory machinery to building better user interfaces for consumer devices, so Google is excited to sponsor the tinyML summit,” said Pete Warden of Google and Co-Chair of the tinyML Summit. “We hope this event will bring together experts from a lot of different disciplines, and better define the emerging field of embedded AI."
The inaugural tinyML Summit is an invitation-only forum discussing the different ways of developing and commercializing ultra-low power Machine Learning (ML) technologies and applications. Attended by invited industry experts and academia, the event focuses on new techniques to address technological challenges created by a greater level of processing at the edge, focusing on areas like dedicated hardware acceleration, algorithms, networking, low-power software, systems, and sensors. For more information: http://www.tinymlsummit.org/#home. Although the Summit is by invitation only, those interested in future tinyML activities may register here: https://fs24.formsite.com/meptec/182/index.html.
About BrainChip Holdings Ltd (ASX:BRN)
BrainChip Holdings Ltd is the leading provider of neuromorphic computing solutions, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary new spiking neural network technology can learn autonomously, evolve and associate information just like the human brain. The proprietary technology is fast, completely digital and consumes very low power. The Company provides software and hardware solutions that address the high-performance requirements in civil surveillance, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchip.com
100Mio Marktkap waren viel zu hoch.
BrainChip Sponsors tinyML Summit and Will Demonstrate How Akida Technology Accelerates Machine Learning at the Edge
Download as PDF
March 05, 2019
SAN FRANCISCO, March 05, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (“BrainChip” or the “Company”) (ASX:BRN), the leading neuromorphic computing company, is pleased to announce it will be a sponsor for the inaugural tinyML Summit. The tinyML Summit is an elite gathering of experts developing and commercializing machine learning for energy efficient applications. BrainChip will demonstrate how the company’s Akida NSoC and Akida Development Environment accelerates machine learning at the edge. The tinyML Summit being held on March 20-21, 2019 on the Google campus in Sunnyvale, California.
Tractica market research expects that the AI chipset market will be worth US$66 billion and that two-thirds of this market will be at the edge. The small, low cost and low power Akida Neuromorphic System-on-Chip (NSoC) – developed by BrainChip – is optimized for edge applications. Its high performance and low power makes it ideal for applications such as advanced driver assistance systems (ADAS), autonomous vehicles, drones, vision-guided robotics, surveillance and machine vision systems. The Akida NSoC accelerates spiking neural networks (SNNs), which are inherently lower power than traditional convolutional neural networks (CNNs). This is because they replace the math-intensive convolutions and back-propagation training methods with biologically inspired neuron functions and feed-forward training methodologies. BrainChip’s research has determined an optimal neuron model and training methods, bringing unprecedented efficiency and accuracy. Each Akida NSoC has effectively 1.2 million neurons and 10 billion synapses, representing 100 times better efficiency than previously introduced neuromorphic test chips.
"Machine learning on tiny, cheap, low-power devices will help us solve all sorts of problems, from spotting issues with factory machinery to building better user interfaces for consumer devices, so Google is excited to sponsor the tinyML summit,” said Pete Warden of Google and Co-Chair of the tinyML Summit. “We hope this event will bring together experts from a lot of different disciplines, and better define the emerging field of embedded AI."
The inaugural tinyML Summit is an invitation-only forum discussing the different ways of developing and commercializing ultra-low power Machine Learning (ML) technologies and applications. Attended by invited industry experts and academia, the event focuses on new techniques to address technological challenges created by a greater level of processing at the edge, focusing on areas like dedicated hardware acceleration, algorithms, networking, low-power software, systems, and sensors. For more information: http://www.tinymlsummit.org/#home. Although the Summit is by invitation only, those interested in future tinyML activities may register here: https://fs24.formsite.com/meptec/182/index.html.
About BrainChip Holdings Ltd (ASX:BRN)
BrainChip Holdings Ltd is the leading provider of neuromorphic computing solutions, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary new spiking neural network technology can learn autonomously, evolve and associate information just like the human brain. The proprietary technology is fast, completely digital and consumes very low power. The Company provides software and hardware solutions that address the high-performance requirements in civil surveillance, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchip.com
Peter leakt ein paar Akida-Demos über das Konto seiner Frau...
ein Schelm...
https://www.youtube.com/channel/UCihUjijvztdQAie8XEYVxbg
Heute und morgen findet der tinyML Summit in Kalifornien statt, mal sehen, ob es Kursreaktionen gibt, da Brainchip dort ihren Akida bewirbt.
http://www.tinymlsummit.org/#home
Speakers:
Jeff Bier
Embedded Vision Alliance
Byron Changuion
Microsoft Research
William Chappell
DARPA
Charles Chong
PixArt Imaging
Simon Craske
Arm
Hans De Clercq
Byteflies
Eric Flamand
Greenwaves Technologies
Edwin Park
Qualcomm
Chris Rowen
BabbleLabs and Cognite Ventures
Dennis Sylvester
University of Michigan
Marian Verhelst
KU Leuven
Naveen Verma
Princeton University
Pete Warden
Google
Kisun You
Apple
Committee
Co-Chairs:
Evgeni Gousev
Qualcomm
Pete Warden
Google
Advisors:
Ian Bratt
Arm
Kurt Keutzer
UC Berkeley
Boris Murmann
Stanford University
Chris Rowen
BabbleLabs and Cognite Ventures
Marian Verhelst
KU Leuven
ein Schelm...
https://www.youtube.com/channel/UCihUjijvztdQAie8XEYVxbg
Heute und morgen findet der tinyML Summit in Kalifornien statt, mal sehen, ob es Kursreaktionen gibt, da Brainchip dort ihren Akida bewirbt.
http://www.tinymlsummit.org/#home
Speakers:
Jeff Bier
Embedded Vision Alliance
Byron Changuion
Microsoft Research
William Chappell
DARPA
Charles Chong
PixArt Imaging
Simon Craske
Arm
Hans De Clercq
Byteflies
Eric Flamand
Greenwaves Technologies
Edwin Park
Qualcomm
Chris Rowen
BabbleLabs and Cognite Ventures
Dennis Sylvester
University of Michigan
Marian Verhelst
KU Leuven
Naveen Verma
Princeton University
Pete Warden
Kisun You
Apple
Committee
Co-Chairs:
Evgeni Gousev
Qualcomm
Pete Warden
Advisors:
Ian Bratt
Arm
Kurt Keutzer
UC Berkeley
Boris Murmann
Stanford University
Chris Rowen
BabbleLabs and Cognite Ventures
Marian Verhelst
KU Leuven
Peter leakt ein paar Akida-Demos über das Konto seiner Frau...
ein Schelm...
https://www.youtube.com/channel/UCihUjijvztdQAie8XEYVxbg
Heute und morgen findet der tinyML Summit in Kalifornien statt, mal sehen, ob es Kursreaktionen gibt, da Brainchip dort ihren Akida bewirbt.
http://www.tinymlsummit.org/#home
Speakers:
Jeff Bier
Embedded Vision Alliance
Byron Changuion
Microsoft Research
William Chappell
DARPA
Charles Chong
PixArt Imaging
Simon Craske
Arm
Hans De Clercq
Byteflies
Eric Flamand
Greenwaves Technologies
Edwin Park
Qualcomm
Chris Rowen
BabbleLabs and Cognite Ventures
Dennis Sylvester
University of Michigan
Marian Verhelst
KU Leuven
Naveen Verma
Princeton University
Pete Warden
Google
Kisun You
Apple
Committee
Co-Chairs:
Evgeni Gousev
Qualcomm
Pete Warden
Google
Advisors:
Ian Bratt
Arm
Kurt Keutzer
UC Berkeley
Boris Murmann
Stanford University
Chris Rowen
BabbleLabs and Cognite Ventures
Marian Verhelst
KU Leuven
ein Schelm...
https://www.youtube.com/channel/UCihUjijvztdQAie8XEYVxbg
Heute und morgen findet der tinyML Summit in Kalifornien statt, mal sehen, ob es Kursreaktionen gibt, da Brainchip dort ihren Akida bewirbt.
http://www.tinymlsummit.org/#home
Speakers:
Jeff Bier
Embedded Vision Alliance
Byron Changuion
Microsoft Research
William Chappell
DARPA
Charles Chong
PixArt Imaging
Simon Craske
Arm
Hans De Clercq
Byteflies
Eric Flamand
Greenwaves Technologies
Edwin Park
Qualcomm
Chris Rowen
BabbleLabs and Cognite Ventures
Dennis Sylvester
University of Michigan
Marian Verhelst
KU Leuven
Naveen Verma
Princeton University
Pete Warden
Kisun You
Apple
Committee
Co-Chairs:
Evgeni Gousev
Qualcomm
Pete Warden
Advisors:
Ian Bratt
Arm
Kurt Keutzer
UC Berkeley
Boris Murmann
Stanford University
Chris Rowen
BabbleLabs and Cognite Ventures
Marian Verhelst
KU Leuven
Langsam kommen sie aus ihren DeepLearning Löchern
Money Talks: This tech investor’s put his money into chips that function like a human brain
https://stockhead.com.au/experts/money-talks-this-tech-inves…
Money Talks: This tech investor’s put his money into chips that function like a human brain
https://stockhead.com.au/experts/money-talks-this-tech-inves…
Antwort auf Beitrag Nr.: 60.574.463 von H2OAllergiker am 15.05.19 13:44:50
15 May 2019
brainchip_initiating_coverage_15_05_19.pdf
Download File
Brainchip Holdings Limited (ASX:BRN)
BrainChip Holdings Limited (ASX:BRN) is an ASX-listed semiconductor company that is currently in the early stages of commercializing Akida, its Neuromorphic System-on-a-Chip (NSOC). By integrating the Akida technology into their products, BRN’s customers and prospects can bring the benefits of one of today’s most advanced technology in Artificial Intelligence to their respective end-customers.
Zitat von H2OAllergiker: https://www.tmt-analytics.com.au/brainchip.html
Valuation range:
0,40-0,45
15 May 2019
brainchip_initiating_coverage_15_05_19.pdf
Download File
Brainchip Holdings Limited (ASX:BRN)
BrainChip Holdings Limited (ASX:BRN) is an ASX-listed semiconductor company that is currently in the early stages of commercializing Akida, its Neuromorphic System-on-a-Chip (NSOC). By integrating the Akida technology into their products, BRN’s customers and prospects can bring the benefits of one of today’s most advanced technology in Artificial Intelligence to their respective end-customers.
26 Seiten Emailkorrespondenz von Anfang April bis etwa Mitte Mai 2019
zwischen einem HC-User und CTO Peter von der Made (PVDM) vorrangig über die Akida Hardware.
https://hotcopper.com.au/attachments/pvdm_correspondence-pdf…
zwischen einem HC-User und CTO Peter von der Made (PVDM) vorrangig über die Akida Hardware.
https://hotcopper.com.au/attachments/pvdm_correspondence-pdf…
Antwort auf Beitrag Nr.: 60.627.463 von H2OAllergiker am 22.05.19 22:18:01
Habs mal übersetzt, ziemlich technisch, nix für KI-Laien und kann auch sein, dass Sätze fehlen
DeepL kommt hier bei der Wissenschaft an seine Grenzen.
P.S.
Der Emailverkehr wurde zur Veröffentlichung von beiden Parteien freigegeben!
:::
Brainchip ist eine Aktiengesellschaft und daher haben wir eine Offenlegungspflicht. Allerdings gibt es einige Technologien, die wir haben.
unterliegen Betriebsgeheimnissen und aktuellen Patentanmeldungen. Wir können diese Details nicht offen legen.
Der Akida-Chip ist ein hochgradig rekonfigurierbares Design. Eine YAML-Datei kann verwendet werden, um faltungstechnische, trennbare, faltungstechnische
Faltungsschichten, Pooling-Schichten und dichte Schichten. Die grundlegende Einheit ist ein sehr kompaktes I&F-Neuron. Wir haben die
ADE für ausgewählte Kunden verfügbar, aber wie Sie angegeben haben, dass Sie keine sofortige Anwendung für unseren Chip haben, bezweifle ich, dass es sich um einen Chip handelt.
wäre sinnvoll, Sie mit dem ADE zu versorgen. Die ADE beinhaltet die AEE, eine Software-Simulation des
Chip. Wir haben seinen Einsatz in der CIFAR10-Klassifizierung, ImageNet-Klassifizierung, Cyber-Sicherheitsklassifizierung von
Bedrohungen in den Datensätzen CIC IDS 2017 und 2018 sowie DVS-Handgesten mit Echtzeit-Lernen. Alle diese Demos haben eine
der Öffentlichkeit gezeigt wurden. Akida ist eine sehr spannende Technologie, die es ermöglicht, sowohl Deep Learning als auch Deep Learning durchzuführen.
Ereignisbasierte CNN- und Native-Learning-Spiking-Neuronale Netze - und jede Kombination davon - auf derselben Hardware.
Alle von uns ausgeführten Netzwerke passen vollständig in die Architektur des Chips, einschließlich ImageNet. Du kannst ganz einfach
die Fähigkeiten des Chips bestimmen, wenn Sie sich die Verarbeitungsanforderungen eines Netzwerks ansehen, das ImageNet ausführt.
oder CIFAR10-Klassifizierung. Akida ist kein Beschleuniger, sondern ein neuronaler Prozessor, der das gesamte Netzwerk betreibt.
Ich erwarte, dass wir mehr Informationen offenlegen werden, wenn wir die Patentanmeldungen abschließen und wann diese neuen Patente in Kraft treten.
Anmeldungen werden schließlich vom USPTO und der WIPO veröffentlicht. Da Sie keine Pläne haben, unsere Technologie in die Entwicklung von
Ihre Entwürfe Ich frage mich, was Ihr Interesse an dieser Angelegenheit ist?
Peter AJ van der Made
CTO
BrainChip inc.
Von: Travis
Gesendet: Donnerstag, 4. April 2019 18:50 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Vielen Dank, dass Sie sich die Zeit nehmen, sich aus Ihrem vollen Terminkalender herauszuhalten. Es ist zwar wahr, dass ich keine Erwartungen habe.
Akida in alle aktiven Projekte zu integrieren, versuche ich, über neue Technologien, die relevant sein könnten, auf dem Laufenden zu bleiben. Also habe ich
war sofort interessiert, als ich im vergangenen Herbst auf die Akida-Ankündigung stieß. Ich habe meine Karriere als Ingenieur in den Bereichen
Medizinprodukte und ein kostengünstiges, stromsparendes neuromorphes SoC ist die Art von Produkt, das die Entwicklung der
Nutzung des maschinellen Lernens in der Welt der Medizinprodukte.
Allerdings würde ich wahrscheinlich nicht aktiv weitere Details über Akida verfolgen, wenn ich nicht im letzten Herbst genug fasziniert gewesen wäre, um die
eine kleine Investition tätigen, die auf einem kurzen Überblick über die Technologie und das Unternehmen basiert. Also war Brainchip auf meinem Radar,
und da ich die Fortschritte verfolgt habe, bin ich auch immer mehr daran interessiert, ein besseres Verständnis für die folgenden Punkte zu erlangen
die Technologie. Dies veranlasste mich, die Patente und verschiedene andere Literatur, die öffentlich zugänglich ist, zu überprüfen.
führte mich zu zwei Fragen, um deren Beantwortung ich mich schwer getan habe. Jetzt, da ich dein Ohr habe, bin ich zuversichtlich, dass du es kannst.
bieten Klarheit darüber:
1. Die öffentlichen Informationen über Akida besagen übereinstimmend, dass jedes NSoC 1,2 Millionen Neuronen und 10 Milliarden Neuronen liefert.
Synapsen mit digitaler Logik (obwohl diese Zahlen manchmal als "effektiv" oder "bis zu" bezeichnet werden). Ich habe
die Patente und andere Dokumente, die das Design erklären, durchgesehen, und es ist klar, dass diese Zahlen nicht in der Lage sind.
wörtliche Zählungen dieser Entitäten sein, wie sie in den Dokumenten beschrieben sind (unabhängig davon, ob sie Zähler oder die Binärgewichte von JAST verwenden). Dies gilt insbesondere für ein Kursziel von $10 - $20. Wenn man es wörtlich nimmt, würde der resultierende IC
erfordern eine Transistorzahl, die weit über das hinausgeht, was bisher hergestellt wurde. Ich kann nur einen Sinn daraus machen.
Zahlen, wenn die tatsächliche Anzahl der Neuronen und Synapsen in der Hardware nach einigen Punkten erhöht wird.
Metrik, aber es gibt nirgendwo Hinweise darauf, dass dies der Fall ist oder was diese Metrik wäre. Kannst du erklären.
wie sich die Berichte von 1,2 Millionen Neuronen und 10 Milliarden Synapsen auf die tatsächlichen Elemente beziehen, die sich in der Hardware?
2. Aus meiner Sicht beschreiben die Brainchip-Patente (z.B. US20190012597A1) und das JAST-Patent (EP3324343A1) verschiedene Arten von
Architekturen in dem Sinne, dass das JAST-Design Binärgewichte mit randomisierten Invertierungen bei einer Abweichung verwendet,
und die Brainchip-Patente verwenden Zähler mit konfigurierbaren Parametern, um die zeitabhängige Zeit zu modulieren.
Antwort. Die "Synapse" ist in jedem Fall wesentlich anders. Es gibt jedoch ein klares Anzeichen von
Brainchip, dass das JAST-Design in gewisser Weise in die Akida-Architektur integriert wird, obwohl die
Die JAST-Lizenzierung erfolgte vor der jüngsten Fortsetzung des Brainchip-Patents, bei der diese Integration stattfindet.
nirgendwo offensichtlich. Es ist also unklar, wie diese Diskontinuität in Einklang zu bringen ist, und das hat Auswirkungen auf die erste Stufe.
Frage, weil ich sehen kann, dass ein binär gewichtetes Design noch einige weitere Synapsen auf einem $10 unterstützen würde -
$20 ASIC. Können Sie eine Klarstellung über die Beziehung zwischen dem Akida-Design und den beiden verschiedenen Varianten vornehmen?
Architekturen, die oben erwähnt wurden?
Nochmals vielen Dank für das Nachfassen. Ich verstehe, dass es sensible Aspekte der Technologie gibt, die nicht offengelegt werden können,
aber ich gehe davon aus, dass diese Fragen beantwortet werden können, ohne das geistige Eigentum zu gefährden, und ich denke, es wäre eine Möglichkeit.
im Interesse des Unternehmens sein, den Kreis der Verwirrungspunkte zu schließen, die sich aus der Überprüfung der öffentlich zugänglichen Informationen ergeben können.
Informationen.
Mit freundlichen Grüßen
Travis Rothlisberger
Von: Peter
Gesendet: Freitag, 5. April 2019 11:27 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Sehr geehrter Herr Rothlisberger,
Wir sind in der Tat sehr beschäftigt.
Wir glauben, dass der Akida-Chip neue Maßstäbe für das neuromorphe Computing setzen wird.
Die Anzahl der Neuronen steht in direktem Zusammenhang mit der Anzahl der Synapsen (mehr Neuronen = weniger Synapsen oder vv), unabhängig davon, ob sie
du verwendest Faltungsschichten, teilbare Faltungen oder alle dichten Schichten und wie viele von ihnen. Sie können die
Konfiguration entweder für niedrige Leistung oder für hohen Durchsatz. Die Zahl, die wir veröffentlicht haben, ist die maximale Anzahl von Neuronen.
und maximale Anzahl von Synapsen. Ich kann Ihnen keine genauen Zahlen nennen, da sie von der Konfiguration abhängen. Wir können
das gesamte Mobilenet-Netzwerk innerhalb der Chip-Grenzen ohne externen Speicher oder Multiplexing des Chips betreiben.
Ressourcen. MobileNet nimmt ein 224x224 Bild als Eingabe und läuft mit 579 MFLOPS. Weitere Informationen finden Sie unter
MobileNet hier: https://arxiv.org/abs/1704.04861, das Ihnen einen Eindruck von den Abmessungen der Chips vermittelt.
Außerdem betreiben wir in einer anderen Konfiguration das gesamte VGG16-Netzwerk innerhalb der Grenzen des Chips zur Klassifizierung von CIFAR10.
Dies ist eine völlig andere Architektur mit 3 dichten Schichten, aber wenn sie auf der gleichen neuronalen Hardware arbeitet. Unser SNN
Demos laufen auch auf der gleichen Hardware.
Denken Sie daran, dass wir diese Netzwerke in Spikes umgewandelt haben, da wir einen neuromorphen Chip erzeugen. Das macht die
Windungen ereignisgesteuert, was eine sehr geringe Leistungsaufnahme bedeutet.
Die wahre Stärke im Chip ist nicht, wie viele Neuronen und wie viele Synapsen, sondern die Tatsache, dass wir all diese Funktionen ausführen können.
Netzwerke auf der gleichen Hardware und vollständig im Chip. Alle unsere Wettbewerber betreiben das Netzwerk auf dem Host und
nur die MAC-Funktionen beschleunigen.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 5. April 2019 11:53 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Nochmals vielen Dank für die Antwort. Es gibt hier einige Punkte, die für mich immer noch keinen Sinn ergeben.
1. Wenn Sie sagen, dass "mehr Neuronen = weniger Synapsen oder vv" und "Ich kann Ihnen keine genauen Zahlen geben, weil sie
depend on the configuration", was bedeutet, dass Ressourcen zwischen Neuronen und Synapsen neu verteilt werden.
Das stimmt nicht mit den architektonischen Beschreibungen eines digitalen Logiksystems überein, das Synapsen mit Neuronen verbindet.
in speziellem Silizium. Das klingt eher nach einem rekonfigurierbaren FPGA. Was meinst du damit, dass das Neuron und die
Synapsenzahlen sind ein Kompromiss?
2. Ich verstehe, dass die Anzahl der Neuronen und Synapsen, die für eine bestimmte Konfiguration verwendet werden, von der Größe der
Modell, aber gemäß dem obigen Hinweis, wenn die Hardwarearchitektur unterschiedliche Synapsen- und Neuroneneinheiten in der
Silizium, dann gibt es eine gewisse Anzahl dieser Einheiten, die aus Transistoren aufgebaut werden sollen. Die Verwendung von Intels Loihi als
Beispiel, sie verdeutlichen, dass das dedizierte Silizium 131k Neuronen und 130M Synapsen bei 14nm liefert, indem es die
2B-Transistoren, und das ist es, was sie in der Literatur behaupten. Es sollte eine gleichwertige Spezifikation geben für
Akida, aber wenn "die Zahl, die wir veröffentlicht haben, die maximale Anzahl von Neuronen und die maximale Anzahl von Synapsen ist".
dann kann es sich nicht auf die in Siliziumeinheiten beziehen, denn das würde zu weitaus mehr Transistoren führen als es sind.
für ein ASIC realisierbar. Gibt es eine Zahl für die Anzahl der Neuronen und Synapsen im Silizium, und wie werden die 1,2M und 1,2M gezählt?
Daraus ergeben sich 10B-Zahlen?
Schließlich haben Sie nichts zu meiner Frage bezüglich der scheinbaren Diskontinuität zwischen der Patentarchitektur gesagt.
und der JAST-Architektur. Gibt es etwas, das du sagen kannst, das das klären würde?
Danke, dass du bereit bist, mir zu helfen, Klarheit darüber zu gewinnen. Ich bin sicher, dass ich nicht die Einzige da draußen bin, die versucht.
Sinn aller veröffentlichten Informationen.
Mit freundlichen Grüßen
Travis Rothlisberger
Von: Peter
Gesendet: Freitag, 5. April 2019 14:47 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Sehr geehrter Herr Rothlisberger
Ich werde mich in meiner Antwort kurz fassen müssen.
1. Tatsächlich ist die Struktur von Akida eher wie ein feldprogrammierbares neuronales Array als Loihi oder TrueNorth. Wir haben
dedizierte Schaltungen, die nicht wie die LUTs eines FPGAs sind, aber dennoch programmierbar sind - oder
rekonfigurierbar, wenn Sie möchten. Wir werden einen NN-Compiler haben, der ein Bild erstellt, das auf den Chip heruntergeladen wird.
definieren die Anzahl der Neuronen und Synapsen sowie die Architektur des Netzwerks. 2. Ich kann zum jetzigen Zeitpunkt nicht auf die genaue Anzahl der Transistoren oder die Chipgröße eingehen. Wir haben berechnet, dass die
Das Gerät kann zwischen 10 und 15 US-Dollar in Mengen und bis zu 60 US-Dollar in Einzelstücken verkauft werden. Unser Experimentierfeld wird sein
irgendwo um die $100 plus Distributor-Aufschlag. Dazu gehört auch das ADE Development Environment Toolkit.
Die Architektur von Akida unterliegt mehreren Patentanmeldungen, die derzeit in Bearbeitung sind. JAST ist eine Technologie, die wir lizenziert haben.
und kombiniert mit dem Wissen, das wir aus der SNAP64- und Accelerator-Entwicklung gewonnen haben. JAST ist ziemlich nutzlos zu tun.
ImageNet-Klassifizierung. Akida kann sowohl ImageNet-Klassifizierung, DVS-Spike-Verarbeitung als auch natives Lernen durchführen. Es tut mir leid, dass ich
kann Ihnen zum jetzigen Zeitpunkt nicht mehr sagen, aber es wird mehr enthüllt, sobald unsere IP gesichert ist.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 5. April 2019 15:10 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielen Dank, dass Sie sich die Zeit genommen haben, meine Fragen zu beantworten. Wenn ich Sie um eine endgültige Klärung bitten kann, würde ich sehr gerne
Ich weiß das zu schätzen.
Ich verstehe immer noch nicht die Behauptung von 1.2M Neuronen und 10B Synapsen. Keine der Informationen, die Sie angeboten haben.
erklärt diese Werte bisher. Sie sagten, dass diese Zahlen die "maximale Anzahl von Neuronen und das Maximum" sind.
Anzahl der Synapsen", aber es können einfach keine Wesen sein, die alle gleichzeitig im Akida-Silizium existieren. Es gibt einfach keinen
wie das ASIC das unterstützen könnte. Loihi behauptet 130M Synapsen und wir können sehen, dass sie 128 Kerne mit jeweils 128kB haben.
synaptischer Speicher und 1024 Neuronen pro Kern = ca. 130M Bit synaptischer Speicher und 131.072 Neuronen. So ist es klar
wie sie zu den Zahlen kommen, die sie für die maximale Anzahl von Synapsen und Neuronen melden (wenn die Synapsen sind).
konfiguriert auf eine 1-Bit-Breite). Aber ich sehe keine Mittel, mit denen ich zu 1,2 Millionen Neuronen und 10B-Synapsen mit Akida gelangen kann.
Bitte helfen Sie mir, diese Werte zu verstehen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 5. April 2019 18:08 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Das Silizium kann 1,2 Mio. physikalische Neuronen unterstützen. Vergessen Sie das Diagramm, das Sie gesehen haben, auf dem SNAP64 basiert - wir haben es.
hat seitdem viel Arbeit geleistet. Die 10B-Synapsen sind äquivalente Synapsen im Faltungsmodus. Mehr wird verraten in
in naher Zukunft.
Werfen Sie einen Blick auf die Architektur von VGG16 Ternärnetzwerken und MobileNet - Diese werden auf ereignisbasiert umgestellt.
Netzwerke und passen vollständig auf unseren Chip. Das sollte dir einen Hinweis geben.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Samstag, 6. April 2019 12:06 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielen Dank für Ihre Antworten. Ich könnte weiterhin ohne Ende Fragen stellen, aber ich habe mir schon genug von deiner Zeit genommen.
und muss auch mehr tun, um mich selbst zu bilden. Wenn ihr Jungs zufällig bereit seid, einen neugierigen Ingenieur zu lassen.
Hände auf dem ADE trotz eines Mangels an sofortigen Plänen, es kommerziell zu nutzen, würde ich mehr als glücklich sein, meine
Feedback.
Bitte teilen Sie uns auch mit, wenn es etwas aus diesen E-Mails gibt, das Sie vertraulich behandeln möchten. Ich glaube nicht, dass es etwas gibt.
Irgendetwas Sensibles hier drin, aber ich verstehe, dass man vorsichtig sein muss. Nochmals vielen Dank für Ihre Zeit.
Mit freundlichen Grüßen
Travis
6 TAGE LÜCKE
Von: Travis
Gesendet: Freitag, 12. April 2019 10:49 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Ich entschuldige mich im Voraus dafür, dass ich mich erneut gemeldet habe, nachdem ich zuvor darauf hingewiesen habe, dass ich nicht mehr von dir nehmen wollte.
Zeit. Ich habe einige Zeit in der letzten Woche damit verbracht, besser zu verstehen, wie Ihre Kommentare über die Netzwerke aussehen.
die Akida unterstützen kann, kann mir helfen, die zugrunde liegende Architektur und Ressourcen zu verstehen. Eine der Entdeckungen, die ich gemacht habe.
haben festgestellt, dass die Implementierung von VGG-16 ca. 11 Millionen Neuronen erfordert, was durch die folgende Studie bestätigt wurde
Korrespondenz mit jemandem, der VGG-16 in einem SNN-Netzwerk in Software implementiert hat. Wenn man bedenkt, dass man
angegeben, dass es 1,2 Millionen physische Neuronen in der Akida-Architektur gibt, können Sie einen Einblick geben, wie VGG-16
vollständig auf dem Chip implementiert ist? Danke.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 12. April 2019 15:51 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie werden feststellen, dass die 11 Millionen Neuronen Neuronen Äquivalente sind - keine physischen Neuronen. Ähnlich verhält es sich mit ImageNet. Wir
kann 11 Millionen gleichwertige Neuronen oder jede andere Zahl, bei der Neuronen virtuelle Neuronen sind, erzeugen. Du musst verstehen.
Faltung, um zu sehen, wie das funktioniert. In der Faltung werden die Ressourcen geteilt.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Freitag, 12. April 2019 17:19 Uhr
An: Travis
Betreff: RE: Ihre Fragen
RE: Ihre Fragen
Travis,
Dies ist ein gutes Bild, um Ihnen einen Eindruck von der Chipentwicklung zu vermitteln:
Wir entwickeln eine völlig neue Architektur. Unser Budget beträgt nicht 500 Millionen Dollar, aber die 2-4 Jahre sind ziemlich genau, beginnend mit der
SNAP64-Entwicklung. Wir sind im Endspurt. Auch die Armee der Experten ist genau richtig, und wir haben das alles im Griff.
Hier ist eine gute Erklärung der Faltung und der entsprechenden Neuronenzahlen. https://medium.freecodecamp.org/an-
intuitive führung zu konvolutionären neuronalen netzwerken-260c2de0a0a050
Niemand sonst kann ereignisbasiertes Faltungs-NN bei geringer Leistung und hoher Geschwindigkeit auf einem SNN betreiben - das bietet auch die Möglichkeit der
Möglichkeit des Echtzeit-Lernens auf dem Chip
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Samstag, 13. April 2019 1:23 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich habe Mühe, die Ressourcenfreigabe zu sehen, die Sie identifizieren. Jeder Faltungsschritt, der einen Kanalfilter anwendet (Satz von
Gewichte) zu einem Abschnitt der Layereingaben (Satz von Spike-Sequenzen) ist eine einzigartige Kombination, die ein Neuron bildet. Was genau wird geteilt? Und interpretiere ich Sie richtig so, dass Sie sagen, dass diese Ressourcenteilung das ist, was eine
CNN-Neuronenzahl soll reduziert werden, wenn das Netzwerk in physikalische Neuronen für eine Hardware-SNN? umgewandelt wird.
Dies bezieht sich auch auf meine vorherige Frage, bei der Sie festgestellt haben, dass Akidas 1,2M-Neuronen physisch sind und die 10B-Synapsen physisch sind.
"Äquivalente Synapsen im Faltungsmodus". Ich höre Sie jetzt sagen, dass die 1,2M-Neuronen in der Lage sind, als
eine große Anzahl gleichwertiger (virtueller) Neuronen. Warum sollten die Zahlen, die für Akida gemischt gemeldet wurden, die Anzahl der physischen Zählungen von
Neuronen mit Anzahl äquivalenter Synapsen, wenn die Neuronen anscheinend auch in ein größeres Äquivalent übersetzt werden können.
zählen? Wäre es nicht sinnvoller, beide Zahlen nach dem gleichen Paradigma zu melden?
Nochmals vielen Dank, dass du mir bei meinem Bestreben geholfen hast, meine Verwirrung über die Ressourcen von Akida zu beseitigen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Sonntag, 14. April 2019 12:00 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Hier ist ein Tutorial zur Faltung in DNN: https://arxiv.org/pdf/1703.09039.pdf
Wenn Rahmen um ein Bild herum bewegt werden, ist es derselbe Satz von physischen Neuronen und Synapsen, die auf Merkmale reagieren.
in diesem Feld. Die Synapsen werden trainiert, um diese Eigenschaften zu erlangen. In der Tat sind diese Neuronen das Äquivalent zu vielen anderen.
Neuronen im biologischen Sehsystem. In der Biologie verbindet sich die Netzhaut mit Millionen von Neuronen. Durch Verschieben der Box um die Ecke
der Bildschirm, auf dem du in Wirklichkeit Neuronenäquivalente erstellst, die ein Vielfaches von physischen Neuronen sind - so gelangen sie zu
11 Millionen Neuronen. Das könnten wir aPeter,
Wir können 1.2M Neuronen und 10B Synapsen unterstützen, aber die Notwendigkeit, diese vielen physischen Neuronen und Synapsen zu unterstützen.
hängt von der Konfiguration und der Verwendung von externem Speicher ab. Der ImageNet-Klassifikator passt vollständig auf den Chip.
ohne externen Speicher. Ebenso wie das CIFAR10-Klassifikatorennetzwerk und das IDS-Sicherheitsnetzwerk. Ich erwarte, dass er im Vorteil ist.
Anwendungen, die meisten werden kein externes DRAM verwenden. Wir werden in Kürze einige reale Zahlen veröffentlichen. In der Zwischenzeit sind wir im Verborgenen.
Modus, damit wir unseren Mitbewerbern keinen Hinweis darauf geben, was wir tun. Diese Informationen müssen daher behandelt werden mit
Überlegung, obwohl ich denke, dass die meisten, wenn nicht sogar die ganze Sache offengelegt wurde. Die Informationen über Windungen finden Sie in der Datei
Public Domain.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 12:26 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Mein Ziel ist es, die Ressourcenallokation in Übereinstimmung mit den Ansprüchen an die Spezifikationen von Akida sinnvoll zu gestalten.
Fähigkeiten. Ein "Neuron" auf Akida ist eine Hardware-Einheit, die mehrere gewichtete synaptische Eingänge zu einem
Einzelausgang, der an die nächste Schicht (oder an den Netzwerkausgang) weitergeleitet wird. Ist das eine angemessene allgemeine Beschreibung einer Akida.
Neuron, unabhängig von den Implementierungsdetails? Ich erkenne an, dass es Implementierungsdetails geben kann, die urheberrechtlich geschützt sind und nicht weitergegeben werden können, aber die Implementierungsdetails können ignoriert werden, um die Situation zu klären.
Ressourcenzuweisungen.
Ein "Neuron" in einem CNN wie VGG-16 spiegelt die Hardware-Einheit wider, indem es eine mathematische Operation ist, die sich aggregiert.
mehrere gewichtete synaptische Eingänge, um einen einzelnen Ausgang zu erzeugen, der der nächsten Schicht (oder dem Netzwerk-Ausgang) zugeführt wird.
Jedes Neuron in einem CNN führt eine einzigartige mathematische Operation aus, da der Satz der Verbindungen und synaptischen Gewichte wie folgt ist
einzigartig für jedes Neuron. Angesichts dieser Einzigartigkeit, wenn Akida über 1,2 Mio. Neuronen-Hardwareeinheiten verfügt und eine
konvertierten CNN, das mehr als 1,2 Mio. Neuronen aufweist, dann muss es eine Technik oder Operation geben, die folgendes ist
Überwindung dieser Diskrepanz, da die Hardware sonst nicht alle vom Netzwerk geforderten einzigartigen Operationen ausführen kann.
Neuronen. Können Sie klären, wie Akida in der Lage ist, die ereignisgesteuerte Ausführung der Millionen von einzigartigen Neuronen zu unterstützen?
Operationen, die von VGG-16 gefordert werden, obwohl es etwa 10x weniger Neuronen-Hardwareeinheiten gibt?
Auch bei der Definition der Synapse fehlt es mir noch an Klarheit. In der letzten E-Mail scheinen Sie anzudeuten, dass die 10B
Synapsen sind physikalische (Hardware), aber es wurde bereits erwähnt, dass die Synapsen äquivalente Synapsen sind.
Faltungsmodus. Welches ist das richtige Verständnis der 10B Synapsenzahl? Existieren alle 10B in Hardware, oder ist es
10B die Anzahl der äquivalenten Synapsen? Wenn letzteres, was ist die Anzahl der Hardware-Synapsen (oder die maximale Anzahl, angegeben als
die zuvor genannten Rohstoffkompromisse) und was ist die Metrik, mit der die Äquivalenzzahl erhalten wurde? Obwohl ich
sind im Laufe dieser Übung mit neuronalen Netzen besser vertraut geworden, ich kämpfe immer noch darum, zu sehen, wie das
Äquivalenz definiert wird.
Wie immer, nochmals vielen Dank. Ich schätze die Bedeutung des Betriebs im "Stealth-Modus", aber ich bin auch ziemlich zuversichtlich, dass es sich dabei um einen
sollte es möglich sein, zu einer Erklärung zu gelangen, die es uns ermöglicht, jede Unklarheit über die Ressource auszugleichen.
Zahlen, ohne proprietäre Implementierungsdetails offen zu legen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 9:09 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie verwechseln immer noch das Konzept eines Neurons in einem neuronalen Faltungsnetzwerk. Ein Neuron in einem CNN wird in jedem Fall wiederverwendet.
5x5 Bildausschnitt. Wenn das Gesamtbild 32 x 32 ist, wie in den CIFAR-Datensätzen, dann wird dieses Neuron 36 Mal für jedes Bild wiederverwendet.
Faltung. Es wird dann als 36 Neuronenäquivalente betrachtet. Genauso ist es mit den Synapsen. Jeder Filter von 3x3 Pixel
convolutions hat 3x3x3x3 Synapsen, multipliziert mit 36 x dem Faltungsschritt. Wenn der Schritt 2 ist, dann haben Sie 27 x 36 x 2 =
1.944 virtuelle Synapsen. Die eigentliche physikalische Synapse ist nur 27. Deshalb sehen Sie 11 Millionen Neuronen, die in CNN zitiert werden.
Beschreibungen.
Akida ist sehr flexibel. Du kannst Akida externen Speicher hinzufügen. Du kannst Akida für mehr Neuronen oder mehr konfigurieren.
Synapsen. Es hängt alles davon ab, wie viel Speicher du hast. Dies ist fast ein FPGA für neuronale Netze. Wir haben schnell auf
Chip-Speicher, genug, um MobileNet oder VGG16 zu betreiben (ich kann die Chip-Architektur derzeit nicht kommentieren). Wir haben
veröffentlichte ein Video von Akida mit VGG16 auf CIFAR10 mit 92% Genauigkeit. ImageNet ist noch nicht freigegeben, also habe ich mich entschieden.
kann es nicht kommentieren.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Montag, 15. April 2019 11:03 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich möchte nur hinzufügen, dass wir planen, ein Experimentierboard zu haben, das sich für etwa 100 US-Dollar verkaufen wird. Dies
Karte wird vollständig dokumentiert und hat ein Akida-Gerät, eine USB-Schnittstelle zum Anschluss an einen PC, eine ADE-Software zur
Entwickeln Sie Ihre eigenen Netzwerke und Out-of-the-Box-Arbeitsbeispiele.
Zusätzlich werden wir einen USB-Stick mit einem Akida-Gerät haben, der für Cybersicherheit, Objektklassifizierung und
andere SNN- und CNN-basierte Anwendungen. Auf dem USB-Stick läuft das gesamte Netzwerk, das sich von Intel und den anderen unterscheidet.
Gyrfalcon.ai, weil sie nur die MAC-Funktionen (multiply -accumulate) beschleunigen. Wir sind auch anders als Loihi
und TrueNorth - die experimentelle SNN-Chips sind - beinhalten wir Faltungs- und Pooling-Layer und die Fähigkeit zu handeln.
off synapses for neurons - more synapses = less neurons and less neurons - more synapses. Unser Chip kann Dinge tun, die
Loihi und TrueNorth können es nicht, weil es für reale Anwendungen und nicht für Experimente gedacht ist. Auch Loihi und
TrueNorth sind schrecklich teuer, während wir ein $10 USD Preisschild in Mengen planen, und zwischen $25 und $60 für einen von ihnen.
Offs.
Wir denken über ein Serverboard mit mehreren Akida-Chips nach. Dies könnte eine für die Zukunft sein, denn wir richten uns an
der Edge-Markt, nicht der Server-Markt, so dass wir nicht mit nVidia und GraphCore GPUs konkurrieren, die explodieren.
bis 300W pro Stück. Niedriger Stromverbrauch / hohe Leistung ist unsere Stärke und GPUs oder MAC-Beschleuniger können nahe an unsere
Leistung im Bereich von 100 mW-1 Watt. Analoge Multiplikatorchips funktionieren nicht - wir kennen einige Leute, die arbeiten.
auf sie. Eine interessante Idee, aber meiner Meinung nach nicht praktisch.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 11:16 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Die Entität, die Sie als wiederverwendbares Neuron beschreiben, ist das, was ich als Kernel (oder Filter) in der CNN-Semantik verstehe.
Würdest du dem zustimmen?
Da das Ziel hier ist, zu verstehen, wie die CNN-Neuronen in Akida-Neuronen übersetzt werden, nehme ich diese Erklärung so an, dass sie sagt.
dass das Akida-Neuron - die Hardwareeinheit, die mehrere gewichtete synaptische Eingänge aggregiert, um einen einzigen Ausgang zu erzeugen.
- wird für jeden Kernel wiederverwendet, wenn Akida ein neuronales Netzwerk implementiert. Ich verstehe, dass dies das ist, was typischerweise als das bezeichnet wird.
als Zeitmultiplex, wobei jeder Schritt in einem CNN seriell auf einem einzigen Akida-Hardware-Neuron für jeden Schritt ausgeführt wird.
Kernel, obwohl die Kernel selbst alle parallel laufen können. Ist das das Paradigma, das Akida benutzt, um die Skalierung der
Ressourcenzählungen?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 11:19 Uhr An: Travis
Betreff: RE: Ihre Fragen
Travis,
Nein, du hast es hinten an der Vorderseite. Die 11 Millionen Zahlen, die Sie für CNNs sehen, sind irreführend. Es ist die Anzahl der Windungen.
multipliziert mit der Anzahl der physischen Neuronen.
Akida ist nicht multiplexed.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 11:44 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielleicht würde es helfen, wenn wir auf eine gemeinsame Zahl verweisen könnten. Die cs231-Seite hat mir bei meiner Ausbildung geholfen, also lasst es uns tun.
referenzieren Sie die Convolution Demo auf halbem Weg nach unten mit dem lila Eingangsvolumen, dem roten Filter (Kernel) und grün.
Ausgangslautstärke. In der CNN-Semantik gibt es für jeden Wert im Ausgangsvolumen ein Neuron. Dieses Netzwerk hat 18
Neuronen. Jedes Neuron implementiert eine einzigartige mathematische Operation. Wenn dieses einlagige Faltungsnetzwerk aus einer einzigen Schicht bestehen würde.
übersetzt, um auf Akida zu laufen, wie viele Akida-Hardware-Neuronen verwendet werden würden, um das Ausgabevolumen zu erzeugen (ignorieren von
Unterschiede in der Quantisierung und Integrationsimplementierung)?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 12:15 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Das Bild, auf das Sie sich beziehen, ist keine Faltung. Es verbindet die Neuronen nur mit Pixeln in einer Instanz eines
Faltung. Wir würden die gleiche Anzahl von 18 Neuronen verwenden. Sobald Sie beginnen, die Filter über die Quadrate des Bildes zu bewegen.
Sie führen eine Faltung durch:
In diesem Bild hast du ein 2D-Quadrat von 8x8 und einen Kernel von 3x3. Angenommen, dies ist RGB, werden diese Werte mit 3 multipliziert = 3.
192 physische Neuronen und 27 Synapsen für jeden Kernel. Wenn das Bild 224x224 (ImageNet) ist, dann wird der Block verschoben 2
Pixel auf einmal von links nach rechts und von oben nach unten (Schritt von 2). Die Features, die sich im Kernel widerspiegeln, könnten sein
die sich irgendwo im Bild befinden. Wenn das Ergebnis = 0 ist, tun wir nichts - es gibt kein Ereignis. Aber MAC-basiert
Beschleuniger müssen jeden Schritt berechnen, so dass sie sich mit 0 multiplizieren und einen zusätzlichen Zyklus aufnehmen.
Die Anzahl der äquivalenten Neuronen ist - in einem DNN - die Anzahl der Windungen (Blöcke, die sich um das Bild bewegen).
multipliziert mit der physikalischen Anzahl der Neuronen. Deshalb können wir 11 Millionen Neuronen machen, um VGG auf einem Gerät zu machen, das
unterstützt nur maximal 1,2 Millionen physikalische Neuronen. Diese Zahl wird auch durch die Anzahl der Synapsen bestimmt. Als ich
sagte, ich kann nichts diskutieren, was nicht freigegeben wird. Das oben Gesagte ist allgemeines Wissen über Windungen und nicht über die Verwendung von
exklusiv für Akida.
Ich hoffe, die Verwirrung, die ich über unsere Technologie sehe, zu verringern. Wir können wirklich erstaunliche Dinge tun, wir haben bewiesen, dass
mit der Software-Simulation von Akida, die eine 1:1-Emulation der Hardware ist. Unsere Neuronen sind nicht zeitmultiplexiert,
und die Zahlen stehen in direktem Zusammenhang mit der Größe des Speichers. Alles, was ich sagen kann, ist, dass die Neuronenzahlen auf dem Chip und die
der Speicher, der sich auf dem Chip befindet, ausreicht, um die Klassifizierung von ImageNet und CFAR10 ohne externen Speicher durchzuführen.
Ressourcen. Wir führen auch natives On-Chip-STDP-Lernen und Klassifizieren in unserer IDS-Sicherheitsdemo durch. Wir planen nicht, die
die Verfügbarkeit von Akida in irgendeiner Weise einzuschränken. Ich werde auf der Hauptversammlung im Mai sein und weitere Informationen zur Verfügung haben.
Zeit.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 13:13 Uhr
An: Peter Subject: RE: Ihre Fragen
Peter,
Das Bild auf der Seite, auf die ich verwiesen habe, ist animiert, um die volle Faltung anzuzeigen und die Ausgabe mit jedem Schritt zu füllen. Ich bin
froh, dass wir uns einig sind, dass Akida auch 18 Neuronen verwenden würde, um die in dieser Referenz vorgestellte Faltung umzusetzen. Als ich
ursprünglich angegeben, dass VGG-16 11 Million Neuronen benötigte, veranschlug ich gerade ein Papier, das grobe Zahlen für gab
eine Gruppe von Netzwerken. Ich wusste nicht, wie diese Zahl abgeleitet werden würde, aber jetzt habe ich mir die Zeit genommen, das zu verstehen.
zugrunde liegende Operation und wie man die Anzahl der Neuronen selbst berechnet. Genau die gleiche Technik, die verwendet wird, um
kommen auf die Anzahl von 18 Neuronen für diese Referenzschicht, die auch auf die VGG-16-Architektur angewendet werden kann:
Wenn dies erledigt ist, kommen wir zu folgendem Ergebnis
2*224*224*64+2*112*112*128+3*56*56*256+3*28*28*512+3*14*14*14*512+2*4096+1000 = 13,56M Neuronen - und
nur wenn wir die maximalen Pooling-Layer nicht zählen. Wenn wir die maximalen Pooling-Layer zählen, die Ressourcen benötigen würden, die ich benötige.
erwarten, dass sie ansonsten für faltungsbedingte oder vollständig verbundene Neuronen verwendet werden könnten, wächst die Anzahl auf
2*224*224*64+3*112*112*128+4*56*56*256+4*28*28*512+4*14*14*512+7*7*512+2*4096+1000 = 16.49M
Neuronen. Diese Berechnung verwendet die gleiche Technik, die auch auf der einfachen Referenzschicht verwendet wird, um 18 Neuronen zu zählen.
Wenn Akida 18 Hardware-Neuronen verwenden würde, um das Referenzbeispiel zu implementieren, aus dem gleichen Grund wie ein CNN.
18 Neuronen, dann sollte Akida auch 16.49M Hardware-Neuronen benötigen, um VGG-16 vollständig auf dem Chip zu implementieren.
ohne Multiplexing. Ich verstehe nicht, wie sonst die notwendigen Operationen durchgeführt werden können.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 13:30 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Du verstehst es immer noch nicht. Jedes Mal, wenn ein Block bewegt wird, verwendet er die gleichen physischen Neuronen, aber er wird als Neuron gezählt.
Äquivalente.
Wenn Sie sagen wollen, dass wir 16M-Neuronen unterstützen - einschließlich der Pooling-Schichten - dann ist das in Ordnung. Benutze diese Zahl. Wir
kann zeigen, dass wir die CIFAR10-Klassifizierung mit einem quantisierten VGG16-Netzwerk vollständig auf Akida durchführen. Das Video ist hier:
https://www.brainchipinc.com/news-media/videos/video/1635/ci…
Dies wird auf dem ADE mit dem AEE-Chipsimulator durchgeführt. Es wurde von mindestens hundert Computern überprüft.
Neurowissenschaftler aus vielen verschiedenen Organisationen, als wir es vor 2 Wochen auf dem NICE-Workshop in Albany NY zeigten.
Sie alle verstehen, wie Faltung funktioniert und niemand hat unsere 1,2M Neuronenfigur in Frage gestellt oder wie wir es schaffen.
16M Neuronenäquivalente.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 13:45 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Zurück zur Referenzfaltung unter http://cs231n.github.io/convolutional-networks/. Jedes Mal, wenn der Block blockiert wird.
verschoben, wird das Ergebnis auf einen anderen Wert in der Ausgabelautstärke abgebildet. Jedes dieser Ergebnisse ist die Ausgabe eines Neurons in
CNN-Semantik mit insgesamt 18 Neuronen. Sie sagten, dass Akida auch 18 Neuronen benötigen würde, um diese Faltungsform zu implementieren.
Ebene. Wenn das gleiche Hardware-Neuron für jede Blockbewegung wiederverwendet wird, warum hast du gesagt, dass Akida 18 verwenden würde?
Neuronen und setzt kein Multiplexing ein? Dieses Beispiel macht nichts anderes, als den Block für zwei verschiedene Arten zu verschieben.
Kernel.
Mit freundlichen Grüßen
Travis
18 TAGE LÜCKE
Von: Travis
Gesendet: Mittwoch, 1. Mai 2019 11:03 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Ich habe noch etwas mehr Zeit damit verbracht, herauszufinden, wie wir uns vielleicht missverstanden haben.
ein paar Klarstellungen identifiziert, aber ich brauche noch ein wenig mehr Input, um alles zu verstehen. Erstens, die Klarstellungen, die ich gemacht habe.
Ich glaube, ich habe mich identifiziert:
1. Was die Anzahl der Neuronen betrifft, die für die Implementierung von VGG-16 benötigt werden, so gibt es eine große Lücke, die keiner von uns beiden hat.
identifiziert. Es scheint, dass Sie von einem "VGG-ähnlichen" Netzwerk gesprochen haben, das mit dem CIFAR10-Datensatz betrieben wurde,
aber ich habe mir das ursprüngliche VGG-16-Netzwerk angesehen, das mit dem ImageNet-Datensatz betrieben wurde. Das macht natürlich
ein großer Unterschied. Es scheint sehr wahrscheinlich, dass Sie sich auf das auf Folie 9 von Kris' NICE-Präsentation beschriebene Netzwerk bezogen haben, das ein 9-lagiges (nicht 16-lagiges) "VGG-ähnliches" Netzwerk ist, das auf CIFAR10 eine Genauigkeit von 92% erreicht.
Wenn ich mir dieses Design ansehe, kann ich sehen, dass es nur 287.764 Neuronen benötigt, was leicht in den 1,2M passt.
Einschränkung von Akida. Stimmst du zu, dass dies diese Diskrepanz erklärt?
a. In ähnlicher Weise definiert Folie 10 von Kris' Präsentation das Netzwerk, auf dem das ImageNet läuft.
Datensatz, den ich als das 22-Lagen-Netzwerk betrachte, auf das Sie ebenfalls verwiesen haben. Die Tabelle dort ist für das Original.
MobileNet, das 5,2 Mio. Neuronen benötigen würde, aber Kris sagt in der Präsentation, dass es angepasst wurde, um die
passen auf den Chip, so dass es vermutlich einige größere Schritte oder zusätzliche Pooling-Layer gibt, die dies ermöglichen.
verkleinern, um auf Akida zu passen.
2. Ich denke, wir haben vielleicht unsere Neuronen und Synapsen verwechselt, wenn wir darüber diskutieren, wie die Entitäten wiederverwendet werden.
Um auf diese Folie aus Kris' Präsentation zurückzukommen, gehe ich davon aus, dass die Zahl der "Gesamtparameter" ungefähr so groß ist.
entsprechend der Anzahl der Hardware-Synapsen bei der Akida-Implementierung des Netzwerks. Darunter
Prämisse, die Synapsen werden definitiv von Schritt zu Schritt wiederverwendet, um diese Zahl zu erhalten (14.018.560). Aber das
bedeutet nicht, dass das Ergebnis zu einem Hardware-Neuron geht, das ebenfalls wiederverwendet wird. Jeder Schritt kann sich an einen
verschiedene Hardware-Neuronen, so dass die Synapsen gemultiplext werden, die Neuronen aber nicht. Das natürlich dann
erfordert auch, dass die nächste Schicht so angesteuert wird, dass sie wartet, bis alle Eingänge eines Knotens besetzt sind, bevor sie beginnt.
Aktivierung auf einem Knoten in dieser Ebene. Ist dies eine angemessene Erklärung dafür, wie die Hardware wiederverwendet wird? I
würde dies als eine Art Multiplexing (von Synapsen) betrachten, kann aber auch verstehen, warum wir nicht sagen würden, dass die
Neuron wird gemultiplext.
Wenn diese beiden Erklärungen korrekt sind, würden sie die meisten der Verwirrung in unseren vorherigen E-Mails lösen. Wie auch immer, ich
bin immer noch verwirrt vom Konzept der "äquivalenten Synapsen". So sehr ich auch versuchen mag, ich habe noch nicht herausgefunden, wie man zum
"äquivalente Synapsen" in Kris' Folien, basierend auf der gegebenen Netzwerkarchitektur. Ich habe sogar eine neuronale
Netzwerkforscher, um mir zu helfen, das herauszufinden, und sie konnten die Berechnung nicht identifizieren, um diese Zahl zu erhalten. Die
"äquivalente Synapse"-Zählung (655.239.168 für das CIFAR10-Netzwerk) ist offensichtlich ein sehr genauer Wert, der durch die Verwendung von
eine Art Kalkulation. Kannst du bitte die Ableitung angeben, um zu dieser Nummer zu gelangen? Ich gehe davon aus, dass die verwendete Ableitung
dadurch, dass die Folie die gleiche Technik ist, die verwendet wird, um die 10B Synapsenzahl für Akida zu erzeugen, so dass es sehr hilfreich wäre.
die Akida-Ressourcen zu verstehen, wenn wir diese Ableitung verstehen können. Es würde auch helfen, wenn Sie die
maximale Anzahl von Hardware-Synapsen auf Akida, was vermutlich ein Input für die Berechnung wäre, die uns zu einem besseren Ergebnis führt.
zu den 10B äquivalenten Synapsen.
Abschließend möchte ich auf Ihre Bemerkung eingehen, dass die Ressourcen im neuronalen Gefüge von Akida neu zugeteilt werden können.
zwischen Synapsen und Neuronen. Dies war eine unerwartete Enthüllung, und ich schätze, dass die Details entscheidend sein können für die Qualität der Arbeit.
das IP, also frage ich nicht, wie das funktioniert, aber ich bin neugierig, wie weit Sie es getestet haben. Ist die Rekonfiguration
die in einer so hohen Abstraktion auftritt, dass Sie in der Lage waren, sie mit den LUTs eines FPGAs zu prototypisieren? Oder ist die
Prototyping in einer HDL- oder VLSI-Simulation? Oder haben Sie tatsächlich Prototypen von Silizium mit dem rekonfigurierbaren
Elemente?
Nochmals vielen Dank, dass du mit mir umgehst und meine Fragen beantwortet hast. Ich habe das Gefühl, dass ich gute Fortschritte gemacht habe, um Sinn zu machen.
der Akida-Hardware, aber es war ein schwieriger Weg und ich bin noch nicht ganz da, also würde ich mich über eine Fortsetzung freuen.
Unterstützung bei den oben genannten Fragen. Hoffentlich war dieser Austausch auch für Brainchip hilfreich und bietet möglicherweise Folgendes an
Einblicke in die Verbesserung des Messaging dessen, was genau Akida ist, und die Art der Netzwerke, die es betreiben kann.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 3. Mai 2019 13:29 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich werde sehen, ob ich dieses Wochenende etwas Zeit habe, um deine Fragen zu beantworten. Wirst du in 3 Wochen bei der Hauptversammlung sein? Ich werde
in Perth für eine Weile nach der Hauptversammlung.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 3. Mai 2019 13:43 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Danke Peter. Ich werde nicht an der Hauptversammlung teilnehmen. Ich bin in der Region USA - Seattle.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 3. Mai 2019 16:21 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
1. Dies ist in der Tat der Fall. Wir haben mit VGG-16 begonnen und die Bitbreite und Anzahl der Schichten reduziert. Beachten Sie, dass die
Das 9-Lagen-Netzwerk hat dazwischen Pooling-Layer, die nicht auf Folie 9 dargestellt sind, so dass es sich in Wirklichkeit um ein 14-lagiges Netzwerk handelt.
MobileNet passt auf den Chip, weil wir Synapsen opfern können, um mehr Neuronen zu haben. Es ist alles eine Frage des Quetschens.
so viel in den On-Chip-Speicher eindringen, wie wir können. Deshalb können wir MobileNet betreiben und Intel Loihi nicht (soweit ich weiß).
wissen). Wir haben MobileNet modifiziert, aber wir haben sehr gute Ergebnisse erzielt; 65,6% TOP-1 Genauigkeit - 1000 Klassen - 1,2M
Bilder - ziemlich gut für ein schnelles Gerät. Niemand sonst war in der Lage, das zu tun. Mit weniger Klassen werden die Ergebnisse
noch besser aussehen: 92% Genauigkeit auf CFAR10.
2. Die Synapsen werden nicht gemultiplext, aber sie sind alle gleichwertig im gleichen Filter, der an verschiedenen Stellen angewendet wird.
im Bild. Jeder, der CNNs macht, verwendet also die gleichen Synapsen, die mit verschiedenen Neuronen verbunden sind. Für die
nächster Filter, werden verschiedene Werte verwendet, die in einem neuen Satz von Synapsen gespeichert werden. Daher werden sie nicht gemultiplext, sondern nur mit Hilfe von
geteilt. Dies ist ein Trick, mit dem andere Hardwaregeräte zu kämpfen haben.
3. Jede Schicht ist unabhängig von allen anderen Schichten. Wir können ein Bild nach dem anderen durch den Chip schieben, um zu erhalten.
die Rohrleitung ist gefüllt. Es gibt nie eine Ebene, die auf eine andere Ebene wartet - außer vielleicht das erste Bild, wenn der
Pipeline ist leer. Schichten werden nicht gemultiplext.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Dienstag, 7. Mai 2019 15:38 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Vielen Dank für diese Klarstellung. Die bisherigen Behauptungen über die Bildklassifikationsnetze sind viel sinnvoller.
jetzt.
Allerdings konnte ich nicht feststellen, wie sich das Teilen von Synapsen auf gleichwertige Synapsen bezieht. Meine Anfrage begann mit der Suche nach
eine Erklärung für die für Akida beworbene 10B äquivalente Synapsenzahl, und ich kann dies immer noch nicht erklären. I
erwarten, dass das Teilen von Synapsen die Erklärung informiert, deshalb möchte ich Kris' Präsentation als Möglichkeit nutzen, um zu erforschen.
das noch weiter zu vertiefen:
1. Das CIFAR10-Netzwerk auf Folie 9 spezifiziert 14.018.560 Parameter. Ist diese Zahl die Gesamtzahl der Hardware?
Synapsen instanziiert, wenn dieses Netzwerk auf Akida? ausgeführt wird.
a. Wenn nicht, was bedeutet dieser Wert?
b. Wenn ja, werden diese Synapsen über mehrere Neuronen auf derselben Schicht verteilt, aber nie gemultiplext.
um mehrere Ausgaben innerhalb einer Ebene zu erzeugen. Richtig?
2. Die gleiche Folie spezifiziert 655.239.168 äquivalente Synapsen. Wie wird dieser Wert berechnet?
Nochmals vielen Dank.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 13. Mai 2019 15:26 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis
Jeder Parameter ist ein Gewichtswert - das bedeutet, dass es 14 Millionen physikalische Synapsen gibt. Denn diese Synapsen sind
unter den Neuronen geteilt (jedes Neuron ist ein Filter), werden sie bei jeder Faltung immer wieder gezählt. Es kommt auf die
Layergröße und Typ, wie viele Windungen ausgeführt werden. Wenn Sie die 655M äquivalenten Synapsen durch die Anzahl der
Parameter erhalten Sie einen Durchschnitt von ~ 47 Windungen.
Wenn wir wie TrueNorth und Loihi Chips wären, die keine eingebauten Faltungsmodi haben, müssten wir 655M verwenden.
Synapsen. Da alle Filter die gleichen Eigenschaften haben, wäre dies eine enorme Verschwendung. Akida ist sehr effizient in seiner Arbeitsweise.
Verwendung von Synapsen. In dichten Schichten (Konfiguration) wird keine der Synapsen geteilt. Jede Schicht kann dicht und faltenförmig sein,
Pooling oder teilbare Windungen (Tiefe und Punkt-weise). Es besteht auch die Möglichkeit, den externen Speicher zu verwenden, um die Anzahl der Speicher zu erhöhen.
Speicherplatz, aber bisher passt jedes Netzwerk, das wir ausprobiert haben, komplett auf den Chip.
BTW. Es macht mir nichts aus, dass du das, was du gelernt hast, teilst. Ich denke, dass dein Beitrag, dass Akida unmöglich ist, einige der Folgen hat.
Besorgnis. Ich glaube, wir haben das bestmögliche Design, sowohl für die CNN- als auch für die SNN-Welt, und ich glaube, dass dieses Design
waren in den Tagen, in denen wir SNAP64 erstellt haben, nicht möglich.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Mittwoch, 15. Mai 2019 17:39 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Nochmals vielen Dank, dass du mir weiterhin geholfen hast, diese Zahlen zu verstehen.
Sie haben bestätigt, dass die 14.018.560 Parameter im Netzwerk von Folie 9 den physikalischen Synapsen in Akida entsprechen. I
kann genau diesen Wert erreichen, indem man die Gewichte pro Schicht aus diesem Dia summiert und dabei die maximalen Pooling-Lagen ausschließt.
(die, wie Sie bemerkt haben, nicht angezeigt werden) und die erste Ebene. Ich verstehe nicht, warum die erste Schicht von der Produktion ausgeschlossen wird.
diese Berechnung, aber ich bezweifle, dass ich zufällig die gleiche Zahl bekommen habe. Zur Verdeutlichung: Die Berechnung zeigt alles im roten Bereich an.
quadratisch und summiert sie zusammen.
Können Sie bitte bestätigen, dass dies die richtige Berechnung ist, um die Anzahl der physischen Synapsen in der Akida zu ermitteln?
Implementierung des Netzwerks?
Wenn ich dies nun als Grundlage nehme, um zu versuchen, die "äquivalenten Synapsen" zu berechnen, wie Sie es beschrieben haben, indem ich den Filter erneut zähle.
bei jedem Schritt komme ich auf einen Wert von 613.427.200 (oder 616.966.144, wenn ich die erste Schicht einbeziehe). Ich scheine zu fehlen wegen der
40M äquivalente Synapsen. Um dies zu verdeutlichen, nehme ich die ersten beiden Dimensionen der Input Size (dies entspricht dem Wert von
Anzahl der Schritte bei Schritt = 1) und Multiplikation mit der Filterform auf jeder Ebene vor der Berechnung der Summe. Ist
wie sollen die "äquivalenten Synapsen" berechnet werden? Gibt es irgendwelche Unterschiede, die erklären würden, warum ich es nicht tue?
das gleiche Ergebnis erhalten? Nochmals vielen Dank.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Mittwoch, 15. Mai 2019 17:55 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Du machst dich gut mit den Windungen hier, fast ein Experte. Sie erhalten nicht das gleiche Ergebnis wegen der Polsterung in der
die Faltung. Die Ränder des Bildes sind mit Nullen aufgefüllt, um sicherzustellen, dass wir das gesamte Bild abdecken. Ohne Polsterung
würden wir die Kanten übersehen. Wir verwenden "gleiche" Windungen: - "VALID" = ohne Polsterung:
- Eingaben: 1 2 3 4 5 6 7 8 9 10 11 (12 13)
- fallen gelassen wurde.
|_________________|
- "SAME" = mit Null-Padding:
- pad| | |pad
- Eingaben: 0 |1 2 3 4 5 6 7 8 9 10 11 12 13|0 0
- • |________________|
- • |_________________|
|________________|
In diesem Beispiel:
- Eingabebreite = 13
- Filterbreite = 6
- Schritt = 5
Notizen:
- "VALID" löscht immer nur die ganz rechten Spalten (oder die ganz unteren Zeilen).
- "SAME" versucht, gleichmäßig nach links und rechts zu paddeln, aber wenn die Anzahl der hinzuzufügenden Spalten ungerade ist, fügt es den zusätzlichen Betrag hinzu.
Spalte nach rechts, wie es in diesem Beispiel der Fall ist (die gleiche Logik gilt vertikal: Es kann eine zusätzliche Zeile von
Nullen am unteren Rand).
Die erste Schicht ist in das Bild eingebettet, um den Konverter zu erhöhen und ist nicht Teil des neuronalen Gewebes.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Mittwoch, 15. Mai 2019 17:57 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
BTW. Ihr (oder der Beitrag von jemandem) auf HotCopper hat einige Zweifel an unserer Technologie geweckt. Ich würde mich freuen, wenn Sie
Sie könnten das korrigieren, um die Öffentlichkeit darüber zu informieren, dass wir wissen, wovon wir sprechen und dass Akida real ist.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Mittwoch, 15. Mai 2019 23:52 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich gehe bei meinen Berechnungen von einer Null-Polsterung aus. Beachten Sie, dass das nicht übereinstimmende Ergebnis nur für die "äquivalenten Synapsen" galt.
und nicht für die physischen Synapsen. Unabhängig davon, selbst mit dieser Diskrepanz lese ich Sie als sagen, dass dies die richtige Methodik für die Berechnung des Ressourcenbedarfs eines bestimmten Netzwerks auf Akida und für die Berechnung der
entsprechende "äquivalente Synapsen".
Nachdem das geklärt ist, muss ich noch zwei weitere Punkte klären:
1. Die Berechnung der physikalischen Synapsen geht davon aus, dass jede Synapse zwischen Faltungsschritten geteilt wird.
Dies ist die Multiplex-Erklärung, die ich in früheren E-Mails vorgeschlagen habe, die Sie aber als falsch bezeichnet haben.
Zuletzt haben Sie gesagt: "Die Synapsen werden nicht gemultiplext, aber sie haben alle den gleichen Wert im gleichen Filter.
an verschiedenen Stellen im Bild angewendet. Also jeder, der CNNs macht, verwendet die gleichen Synapsen, verbunden mit
verschiedene Neuronen. Für den nächsten Filter werden verschiedene Werte verwendet, die in einem neuen Satz von Synapsen gespeichert werden. Daher sind sie
nicht gemultiplext, sondern geteilt. Das ist ein Trick, mit dem andere Hardwaregeräte kämpfen." Ich kann keinen Sinn machen in Bezug auf
das. Wenn die Synapsen eines Filters "der gleiche Filter an verschiedenen Stellen im Bild angewendet wird", wie ist das möglich?
ohne Multiplexing durchgeführt? Um zu verdeutlichen, wie dies funktionieren würde, hier ist ein Schaltplan für die Anwendung eines 2x2-Filters.
auf einen Null gepolsterten 2x2-Eingang mit Schritt 2:
2. Ich gehe davon aus, dass die 10B äquivalenten Synapsen das berechnete Ergebnis für ein Netzwerk sind, das so ausgewählt wird, dass es die
Anzahl der äquivalenten Synapsen. Es ist mir nicht klar, wie dieses Netzwerk aussehen würde. Was ist die Netzwerkdefinition?
die es uns erlaubt, diese Berechnungen zu nutzen, um zu 10B äquivalenten Synapsen für Akida? zu gelangen.
Schließlich bin ich in der Tat der Urheber des Threads "Technology Due Diligence" zu HotCopper. Wie bereits erwähnt, gibt es immer noch
einige Aspekte, die keinen Sinn ergeben, und ich werde ein Update veröffentlichen, sobald ich diese gelöst habe. Jetzt, da du bereit warst, dich zu beteiligen.
Ich möchte keine weiteren Spekulationen oder Erklärungen veröffentlichen, dass ich mir selbst noch nicht sicher bin.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 8:33 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Aus offensichtlichen Gründen kann ich keine Details über unsere Schaltung preisgeben. Alles, was ich sagen kann, ist, dass unsere Schaltung nicht so ist wie die, die du geschickt hast.
für mich, weil es sehr rekonfigurierbar ist. Wir arbeiten mit unserem Patentanwalt zusammen, um unsere Faltungshardware zu patentieren,
die ereignisbasiert ist, so dass Synapsen, die 0 sind, ignoriert werden. Ich gehe davon aus, dass das Patent innerhalb des nächsten Monats eingereicht wird. I
wird heute mit unserem Hardware-Designteam prüfen, ob ich eine Antwort bekommen kann, warum es einen Unterschied in der Anzahl der
äquivalente Synapsen, die Sie berechnet haben. Die Akida-Hardware ist äquivalent zu dem Softwaremodell, das wir früher entwickelt haben, und ist
im ADE verfügbar (was auf Anfrage für Anwendungsentwickler verfügbar ist).
Akida hat viele verschiedene Betriebsarten. Jede Schicht kann faltenförmig, vollkontaktiert, binär, ternär, 2-Bit- oder
4-Bit. Wir unterstützen normale und trennbare Windungen. Der Benutzer kann die Hardware für die vollständige Konfiguration konfigurieren.
Stacheln, ereignisbasierte Wicklungen oder eine Mischung aus beiden Arten von Schichten für das Transferlernen unter Verwendung des On-Chip-Lernens.
Methode. Wir sind sehr gespannt auf die Möglichkeiten, aber Algorithmen verkaufen Hardware. Ein Teil des Teams konzentriert sich auf die Bereiche
Entwicklung von Algorithmen. Bisher haben wir Cybersicherheit, ImageNet-Klassifizierung, CIFAR10-Klassifizierung und wir werden uns bemühen.
2 oder 3 weitere während der Hauptversammlung anwesend sind. Ich glaube, wir haben das beste, flexibelste und leistungsärmste Hochgeschwindigkeits-Kantengerät.
- Geschwindigkeit ist eine Funktion der Beseitigung komplexer MAC-Funktionen und der ereignisbasierten Verarbeitung. Weil das Gerät
konfigurierbar, können wir die gleiche Funktion auf viele verschiedene Arten ausführen. Sie können externes DRAM hinzufügen, um den Wert zu erhöhen.
Anzahl der physikalischen Synapsen und Neuronen, aber bisher arbeiten alle Anwendungen vollständig innerhalb des On-Chip-SRAMs. Wir werden
eine Tabelle veröffentlichen, die alle verschiedenen Konfigurationen mit und ohne externem RAM nach der Patentanmeldung zeigt.
Wetten Grüße,
Peter
Von: Travis
Gesendet: Donnerstag, 16. Mai 2019 10:49 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich verstehe, dass die Details der Schaltung nicht preisgegeben werden können. Der Schaltplan versuchte nur, eine Zusammenfassung zu liefern.
Beschreibung der Beziehungen zwischen Eingängen, Synapsen und Neuronen, die für die Methodik zur
Berechnen der Anzahl der physikalischen Synapsen. Die Berechnung geht von Multiplexing aus, und so versuche ich, dies in Einklang zu bringen.
mit der Behauptung, dass der Chip kein Multiplexing verwendet. Wie kann eine physische Synapse über mehrere Eingaben verteilt werden?
ohne die Verarbeitung dieser Inputs über die Zeit zu trennen? Ich verstehe, wie ein einzelner Gewichtswert geteilt werden kann.
(d.h. es gibt nur einen Satz physikalischer Bits, die den Wert enthalten), aber die Transistorlogik, die dieses Gewicht mit einem
Eingangssignal, um den Ausgang zu erzeugen, der ein Neuron speist, kann nicht gleichzeitig mehrere Eingänge verarbeiten. Definieren Sie
eine physikalische Synapse nur durch die Bits des Speichers, die den Gewichtswert speichern, und nicht durch die Transistorlogik, die kombiniert wird.
das Gewicht mit einer Eingabe?
Unabhängig von der Antwort auf die obige Frage, können Sie die Netzwerkdefinition angeben, die die Berechnung unterstützt.
von 10B äquivalenten Synapsen? Basierend auf der Behauptung, dass die gleiche Hardware zwischen Synapsen und Synapsen wiederverwendet werden kann.
Neuronen, gehe ich davon aus, dass es auch eine andere Netzwerkdefinition gibt, die 1,2 Mio. Neuronen liefert (wobei durch "Netzwerk").
Definition" meine ich so etwas wie die Tabellen, die die Schichten in den Folien 9 und 10 von Kris' Präsentation auflisten). Einer von beiden der beiden
Diese Netzwerkdefinitionen wären sehr hilfreich, um die physischen Ressourcen in Akida und ihren Zusammenhang mit der
die beworbenen Nummern.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 11:20 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich werde auf die Frage nach dem Unterschied zwischen Ihrer und unserer Kalkulation zurückkommen.
Die Synapsen und Neuronen werden nicht in ähnlicher Weise gemultiplext wie ein Mikroprozessorkern nicht gemultiplext; die ALU ist
immer wieder verwendet, um Operationen auf Werte im Speicher durchzuführen, aber man würde nicht sagen, dass es gemultiplext ist.
du? Einige Prozessoren haben bis zu 48 solcher Rechenkerne. Dies ist kein genauer Vergleich, aber es gibt Ihnen einige Informationen.
Idee. Unser neuronaler Kern ist ein "Spike-Prozessor" Da Akida Spike bedeutet, denke ich, dass das eine sehr gute Beschreibung ist. Alles, was wir tun
do ist von Natur aus ereignisbasiert, sogar unsere Faltungsmodi.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Donnerstag, 16. Mai 2019 12:14 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
OK, vielleicht ist das nur ein Missverständnis von Definitionen. Wir können es stattdessen Serialisierung oder Pipelining nennen. Egal
wie Sie es nennen, werden eine Reihe von Eingängen aufgebrochen und einem einzelnen Hardwareblock seriell statt parallel zugeführt. Ich bin
jetzt hören wir Sie sagen, dass dies die Aufgabe der Architektur ist - jede physische Synapse wird seriell für mehrere Spike verwendet.
Eingaben innerhalb einer einzigen Faltungsschicht. Ist das richtig?
Das bedeutet, dass nicht alle Ausgänge der Schicht gleichzeitig bereit sind. Ich habe zuvor danach gefragt und gesagt, dass
"Dazu gehört natürlich auch, dass die nächste Schicht so angesteuert wird, dass sie wartet, bis alle Eingänge eines Knotens bestückt sind.
vor Beginn der Aktivierung auf einem Knoten in dieser Ebene". Ich habe Ihre Antwort so verstanden, dass sie besagt, dass dies falsch war, wenn Sie
Du hast gesagt, dass "Es gibt nie eine Ebene, die auf eine andere Ebene wartet". Vielleicht hast du das so gemeint, während die Eingaben der Ebene
die seriell verarbeitet werden, führt sie noch ihre eigene Verarbeitung der vorherigen Eingaben durch. Es wäre sicherlich sinnvoll, die
Pipeline in diese Richtung. Aber wenn Schicht 7 eine Faltungsschicht ist und Schicht 8 eine vollständig verbundene Schicht ist, dann ist Schicht 8 im Allgemeinen
wird vor Layer 7 fertiggestellt, da Layer 7 mehr Serialisierung hat - es benötigt mehr Zeit, um im Austausch für weniger zu sorgen.
Hardware. Es müsste also eine Art Gating geben, das die nächste Pipelinestufe auf Schicht 8 nicht startet, bis alle
die notwendigen Ausgänge wurden in Schicht 7 berechnet, um als Eingänge für Schicht 8 zu dienen. Um das klarzustellen, ich glaube nicht, dass es da etwas gibt.
ein Problem mit diesem Ansatz. Ich denke, es macht Sinn und ist definitiv ein vernünftiger Weg, um Hardware-Ressourcen zu reduzieren durch
sie gegen eine zusätzliche Latenz einzutauschen. Das Problem ist, dass ich Ihre bisherigen Mitteilungen als eine Spezifizierung verstanden habe.
dass jede Schicht alles parallel macht. Aber vielleicht lag das einfach an einem Missverständnis darüber, was jeder von ihnen getan hat.
uns gemeint mit "Multiplexing".
Wenn dieses Verständnis richtig ist, wobei Faltungsschritte für jeden Filter innerhalb einer Schicht seriell verarbeitet werden, dann ist I
denken, dass mein Verständnis der Beziehung zwischen einer physischen Synapse und einer gleichwertigen Synapse löst.
Mit freundlichen Grüßen, Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 16:58 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich kann Ihre Fragen nicht wirklich beantworten, ohne zu viel von der Architektur des Chips zu enthüllen. Ich sagte, dass die ALU-
Prozessorbeispiel ist kein genauer Vergleich und ich denke, Sie gehen mit der Analogie zu weit. Vergiss nicht, das ist das hier.
Hardware, wobei wir entscheiden, was parallel läuft, und dass Synapsen mit mehreren Neuronen verbunden werden können. Ihr
Annahmen sind nicht korrekt, aber ich kann nicht mehr offenbaren. Sie können die Patente einsehen, sobald sie in ~18 veröffentlicht sind.
Monate.
Alle Ausgaben der Schicht sind innerhalb der gleichen Zeitspanne bereit, die durch die Länge eines Spike-Pakets bestimmt wird. Die
Design ist hochgradig optimiert.
Leider kann ich nicht mehr über das Hardware-Design sagen, bis unsere Patente abgeschlossen sind.
Experimentieren Sie, um 1,2 Mio. Neuronen und 10B-Synapsen auf dem Chip anzupassen:
1.2M Neuronen.
Wir haben ein 40-lagiges Netzwerk mit Faltungskernen mit 16 x 16 x 128 Eingängen definiert. Die Filterabmessungen betragen 3 x 3 x 3 x 128,
so dass die Anzahl der physikalischen Neuronen 16 x 16 x 128 = 32.768 mit 128 x 3 x 3 x 3 x 128 = 147.456 physikalischen Gewichten ist. Die
Netzwerk hat 40 Schichten mit gleichen Abmessungen. Gesamtäquivalente Synapsen = 128 x 3 x 3 x 3 x 16 x 16 x 16 x 128 = 37.748.736.
Physikalische Neuronen = 32.768 x 40 Schichten = 1,3M
10B äquivalente Synapsen.
Wir haben ein 67-Lagen-Netzwerk mit Faltungskernen mit 32 x 32 x 128 Eingängen definiert. Die Filterabmessungen betragen 3 x 3 x 3 x 128,
so dass die Anzahl der physikalischen Neuronen 16 x 16 x 128 = 32.768 mit 128 x 3 x 3 x 3 x 128 = 147.456 physikalischen Gewichten ist. Die
Netzwerk hat 67 Schichten mit gleichen Abmessungen. Gesamtäquivalente Synapsen = 128 x 3 x 3 x 3 x 32 x 32 x 32 x 128 = 150.994.944
äquivalente Synapsen pro Schicht. 67 Schichten = 10B Synapsen oder 147.456 x 67 = 10 Millionen physikalische Synapsen
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 12:30 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich weiß, dass Sie es vermeiden müssen, irgendwelche geschützten Details preiszugeben, aber ich kann einfach nicht sehen, wie man diese in Einklang bringen kann.
Beschreibungen ohne irgendeine Art von Multiplexing Serialisierung. Es muss einen Weg geben, dies zu erklären, der nicht bedeutet.
das IP-Risiko.
Die Berechnungen für die Anzahl der physikalischen Synapsen entsprechen direkt einer Synapse pro Filtergewicht, und Sie haben
machte deutlich, dass dies die richtige Interpretation ist. Dadurch entsteht ein One-to-One-Mapping zwischen physikalischen Synapsen und der
Filtergewichte. Um die volle Faltung mit jedem Filter durchführen zu können, müssen die Filtergewichte auf den
entsprechende Teilmenge von Eingängen auf jedem Schritt, und alle Schritte müssen abgeschlossen sein, um alle Eingänge abzudecken und die Ausgänge zu erzeugen. Aber wenn es nur eine physikalische Synapse pro Filtergewicht gibt, ist es nicht möglich, dass diese physikalischen Synapsen
Synapsen, um mehr als einen einzelnen Rechenschritt auf einmal zu erreichen. Gibt es eine Serialisierung innerhalb jeder Schicht?
Was kann man sagen, um mich in die richtige Richtung zu lenken?
Vielen Dank für die Bereitstellung der Netzwerkdefinitionen, die zur Generierung der 1,2M Neuronen- und 10B-Synapsenzahlen verwendet werden. I
haben auch die Zahlen basierend auf Ihrer Beschreibung ausgeführt und stimmen zu, dass das erste Netzwerk zu 1,3 Mio. Neuronen führt und dass
das zweite Netzwerk führt zu 10.1B äquivalenten Synapsen und 9.9M physikalischen Synapsen. Allerdings ist das zweite Netzwerk auch für die
benötigt 8,8 Mio. Neuronen mit der gleichen Berechnungsmethode. Sie haben bereits erklärt, dass der 1.2M, der beworben wurde.
Neuronen (eigentlich 1,3 Mio. pro Netzwerk) sind physische Neuronen und stellen das High-End dessen dar, was Akida unterstützen kann.
Wie kann das Netzwerk, das zur Unterstützung der Forderung nach 10B-äquivalenten Synapsen verwendet wird, ein gültiges Beispiel sein, wenn die
Die benötigten Neuronen passen nicht auch?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 7:40 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Die 1,2 Millionen Neuronen, die wir veröffentlicht haben, sind eine Durchschnittszahl. Die Gesamtzahl der Neuronen hängt von der Konfiguration ab.
das Verhältnis von Synapsen zu Neuronen. Im Beispiel haben wir nur 10M physikalische Synapsen, also haben wir viel zu tun.
die Anzahl der Neuronen auf 8,8 Mio. erhöhen. Wir veröffentlichen diese High-End-Zahl nicht, weil es die Leute verwirren würde, aber
dieses Netzwerk passt vollständig auf den Chip. Sie werden das Gleiche sehen, wenn Sie die Berechnungen für MobileNet durchführen, und dass
Netzwerk läuft auch vollständig auf unserem Chip. Wir haben ein funktionierendes Beispiel dafür.
Da das Akida-Design so flexibel ist, ist es möglich, die gleichen Synapsen, die mit verschiedenen Neuronen verbunden sind, wiederzuverwenden. Wir
die Synapsen wiederverwenden, anstatt sie zu multiplexen. Wie das funktioniert, ist unser Geschäftsgeheimnis. In einem Fall sind die Synapsen folgende
verbunden mit Filter #1, der nächste mit Filter #2. Wenn du das Multiplexen nennen möchtest, dann ist das für mich in Ordnung, aber diese gleichen
Synapsen sind mit einem einzigen Neuron in einer dichten Schicht verbunden, so dass es keinen traditionellen Multiplexer wie in Ihrem Diagramm gibt.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 9:36 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
OK, schauen wir uns dieses zweite Netzwerk genauer an (nennen wir es 10BNet). Gemäß der etablierten Berechnungsmethodik wird diese
Netzwerk verwendet 9.879.552 Hardware-Synapsen und 8.781.824 Hardware-Neuronen. Und jedes Neuron integriert die Ausgänge.
aus 1152 Synapsen (d.h. ein Neuron pro Schritt des 3x3x128 Filters). Erstens, sind alle diese Zahlen korrekt?
In Ihrem zweiten Absatz unten geben Sie an, dass Synapsen zwischen Filtern geteilt werden. Das ist eine Möglichkeit, die wir haben.
noch nicht besprochen und ich kann völlig schätzen, wie das funktionieren würde, wenn die Gewichte im Voraus bekannt sind (d.h. wenn
Umstellung von vortrainierten Netzwerken). Aber die Berechnungsmethodik, die wir etabliert haben, macht das nicht aus.
Annahme. Jeder Hinweis aus den vorherigen E-Mails ist, dass ich die Anzahl der Hardware-Neuronen und Hardware berechnen kann.
Synapsen, die genau den Zahlen entsprechen, die Sie (oder Kris) melden. Wenn das Netzwerk Synapsen über Filter hinweg teilt, um einen vollständig parallelen Betrieb zu realisieren, wie stimmen dann unsere Anzahl der Hardware-Entitäten überein, wenn die Berechnung nicht den
Teilen von Synapsen über Filter hinweg?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 10:05 Uhr
An: Travis
Betreff: FW: Deine Fragen
Travis
1. Kris hat dieses Netzwerk mit 10B-Synapsen auf unserer aktuellen internen Plattform implementiert, und es passt zum Chip. Also ja,
diese Zahlen sind korrekt. Außerdem haben wir eine Demo von MobileNet, die auch weit über 5M Neuronen verwendet und
es passt komplett auf unseren Chip.
2. Sie haben Recht, derselbe Filter wird auf die Daten angewendet. Ich habe den Fehler heute Morgen früh gemacht (noch nicht wach).
annehmen), das nächste Neuron als einen neuen Filter zu betrachten, aber das ist ein Fehlername.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 11:05 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich verstehe nicht, wie sich Ihre Antwort in Nr. 2 auf meine Frage bezieht, aber wir können das vorerst beiseite legen.
Ihre Antwort auf #1 bringt mich zurück zu der anfänglichen Sorge, die ich vorgebracht habe, als ich über die Transistoren nachdachte, die erforderlich sind, um
den Chip zu implementieren. Mit dieser 10BNet-Implementierung haben wir nun ein Netzwerk definiert, das 8.8M-Hardware verwendet.
Neuronen, wobei jedes Neuron die Ausgaben von 1152 Synapsen integriert. Auch wenn wir jedem nur einen Transistor zuweisen.
synaptischen Input zu jedem Neuron, um die Integration zu implementieren, benötigen wir 10 Milliarden Transistoren. Noch realistischer ist, dass die
Anzahl ist tatsächlich wesentlich größer. Was ist das Grundprinzip, das es Akida ermöglicht, die enorme Ressource zu vermeiden?
Anforderungen, die dies mit sich bringt? Wie immer schätze ich, dass es proprietäre Elemente in der Datenbank geben kann.
Erklärung, also suche ich nur nach einer abstrakten Erklärung, die dies sinnvoll machen kann. Danke.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 11:55 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich kann nicht auf diesen Detaillierungsgrad eingehen. Eliminieren Sie die Idee eines Transistors für jede Synapse (, die nicht funktioniert, insbesondere
da Synapsen entweder 1bit, ternär, 2bit oder 4bit) sind und denken Sie weit über den Tellerrand hinaus. Socionext hat unser Design und sie haben es.
haben uns nicht gesagt, dass es unmöglich ist. Nicht nur das, wir haben ein FPGA und Demos, um unseren Standpunkt zu beweisen. Wir verraten nicht unsere
geheime Sauce für jeden.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 12:29 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich kann versichern, dass ich definitiv nicht versuche, irgendwelche Geheimnisse zu extrahieren. Es tut mir leid, wenn es so kommt. Ich versuche nur.
um die Ansprüche zu verstehen und ich würde mich über jede Erklärung freuen, die das tun könnte, unabhängig davon, wie abstrakt oder
detailliert ist es.
Um ganz ehrlich zu sein, fühle ich mich jetzt weniger zuversichtlich als zu Beginn dieser Untersuchung und ich bin mir nicht sicher, wie ich das machen soll.
das an dieser Stelle zu lösen. Wärst du offen für eine NDA? Oder gibt es etwas, das in der Akida-Entwicklung enthalten ist?
Ein Umfeld, das Aufschluss über diese Themen geben würde?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 16:56 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie können eine Anfrage für das ADE stellen. Es gibt Beispiele für die Netzwerke, die vollständig auf den Chip passen. Es funktioniert mit Kera und
TensorFlow. Sie definieren die Layer und die Art der Layer, die Sie in einer YAML-Datei benötigen, grundsätzlich ohne Programmierung.
um das Netzwerk zu definieren. Das ADE ist kostenlos. Die nächste Version wird dir die Anzahl der Neuronen, Synapsen und die Gesamtleistung liefern.
Drain - denken Sie daran, dass das gesamte Netzwerk auf unserem Chip läuft und nicht nur der MAC funktioniert wie andere Chips, die behaupten.
um neuronale Prozessoren zu sein.
Das ADE ist verschlüsselt, um sicherzustellen, dass niemand Zugang zu unserer Technologie hat, die exklusiv bei BrainChip eingesetzt wird. Sie benötigen eine
Schlüssel, um das Paket zu installieren. Sind Sie mit Python- und Jupyter-Notebooks vertraut?
Dies ist ein Bild aus der Dokumentation, das zeigt, was sich in jedem Kern befindet: Es kann Ihnen Fragen beantworten, wenn Sie bedenken, dass jeder Kern SRAM verteilt hat.....
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 17:15 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Danke Peter. Ich habe einen neuen Antrag auf eine ADE-Lizenz über das Kontaktformular auf der Website gestellt. Hoffentlich
etwas da drin wird helfen, Antworten zu geben.
Mit freundlichen Grüßen
Travis
Zitat von H2OAllergiker: 26 Seiten Emailkorrespondenz von Anfang April bis etwa Mitte Mai 2019
zwischen einem HC-User und CTO Peter von der Made (PVDM) vorrangig über die Akida Hardware.
https://hotcopper.com.au/attachments/pvdm_correspondence-pdf…
Habs mal übersetzt, ziemlich technisch, nix für KI-Laien und kann auch sein, dass Sätze fehlen
DeepL kommt hier bei der Wissenschaft an seine Grenzen.
P.S.
Der Emailverkehr wurde zur Veröffentlichung von beiden Parteien freigegeben!
:::
Brainchip ist eine Aktiengesellschaft und daher haben wir eine Offenlegungspflicht. Allerdings gibt es einige Technologien, die wir haben.
unterliegen Betriebsgeheimnissen und aktuellen Patentanmeldungen. Wir können diese Details nicht offen legen.
Der Akida-Chip ist ein hochgradig rekonfigurierbares Design. Eine YAML-Datei kann verwendet werden, um faltungstechnische, trennbare, faltungstechnische
Faltungsschichten, Pooling-Schichten und dichte Schichten. Die grundlegende Einheit ist ein sehr kompaktes I&F-Neuron. Wir haben die
ADE für ausgewählte Kunden verfügbar, aber wie Sie angegeben haben, dass Sie keine sofortige Anwendung für unseren Chip haben, bezweifle ich, dass es sich um einen Chip handelt.
wäre sinnvoll, Sie mit dem ADE zu versorgen. Die ADE beinhaltet die AEE, eine Software-Simulation des
Chip. Wir haben seinen Einsatz in der CIFAR10-Klassifizierung, ImageNet-Klassifizierung, Cyber-Sicherheitsklassifizierung von
Bedrohungen in den Datensätzen CIC IDS 2017 und 2018 sowie DVS-Handgesten mit Echtzeit-Lernen. Alle diese Demos haben eine
der Öffentlichkeit gezeigt wurden. Akida ist eine sehr spannende Technologie, die es ermöglicht, sowohl Deep Learning als auch Deep Learning durchzuführen.
Ereignisbasierte CNN- und Native-Learning-Spiking-Neuronale Netze - und jede Kombination davon - auf derselben Hardware.
Alle von uns ausgeführten Netzwerke passen vollständig in die Architektur des Chips, einschließlich ImageNet. Du kannst ganz einfach
die Fähigkeiten des Chips bestimmen, wenn Sie sich die Verarbeitungsanforderungen eines Netzwerks ansehen, das ImageNet ausführt.
oder CIFAR10-Klassifizierung. Akida ist kein Beschleuniger, sondern ein neuronaler Prozessor, der das gesamte Netzwerk betreibt.
Ich erwarte, dass wir mehr Informationen offenlegen werden, wenn wir die Patentanmeldungen abschließen und wann diese neuen Patente in Kraft treten.
Anmeldungen werden schließlich vom USPTO und der WIPO veröffentlicht. Da Sie keine Pläne haben, unsere Technologie in die Entwicklung von
Ihre Entwürfe Ich frage mich, was Ihr Interesse an dieser Angelegenheit ist?
Peter AJ van der Made
CTO
BrainChip inc.
Von: Travis
Gesendet: Donnerstag, 4. April 2019 18:50 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Vielen Dank, dass Sie sich die Zeit nehmen, sich aus Ihrem vollen Terminkalender herauszuhalten. Es ist zwar wahr, dass ich keine Erwartungen habe.
Akida in alle aktiven Projekte zu integrieren, versuche ich, über neue Technologien, die relevant sein könnten, auf dem Laufenden zu bleiben. Also habe ich
war sofort interessiert, als ich im vergangenen Herbst auf die Akida-Ankündigung stieß. Ich habe meine Karriere als Ingenieur in den Bereichen
Medizinprodukte und ein kostengünstiges, stromsparendes neuromorphes SoC ist die Art von Produkt, das die Entwicklung der
Nutzung des maschinellen Lernens in der Welt der Medizinprodukte.
Allerdings würde ich wahrscheinlich nicht aktiv weitere Details über Akida verfolgen, wenn ich nicht im letzten Herbst genug fasziniert gewesen wäre, um die
eine kleine Investition tätigen, die auf einem kurzen Überblick über die Technologie und das Unternehmen basiert. Also war Brainchip auf meinem Radar,
und da ich die Fortschritte verfolgt habe, bin ich auch immer mehr daran interessiert, ein besseres Verständnis für die folgenden Punkte zu erlangen
die Technologie. Dies veranlasste mich, die Patente und verschiedene andere Literatur, die öffentlich zugänglich ist, zu überprüfen.
führte mich zu zwei Fragen, um deren Beantwortung ich mich schwer getan habe. Jetzt, da ich dein Ohr habe, bin ich zuversichtlich, dass du es kannst.
bieten Klarheit darüber:
1. Die öffentlichen Informationen über Akida besagen übereinstimmend, dass jedes NSoC 1,2 Millionen Neuronen und 10 Milliarden Neuronen liefert.
Synapsen mit digitaler Logik (obwohl diese Zahlen manchmal als "effektiv" oder "bis zu" bezeichnet werden). Ich habe
die Patente und andere Dokumente, die das Design erklären, durchgesehen, und es ist klar, dass diese Zahlen nicht in der Lage sind.
wörtliche Zählungen dieser Entitäten sein, wie sie in den Dokumenten beschrieben sind (unabhängig davon, ob sie Zähler oder die Binärgewichte von JAST verwenden). Dies gilt insbesondere für ein Kursziel von $10 - $20. Wenn man es wörtlich nimmt, würde der resultierende IC
erfordern eine Transistorzahl, die weit über das hinausgeht, was bisher hergestellt wurde. Ich kann nur einen Sinn daraus machen.
Zahlen, wenn die tatsächliche Anzahl der Neuronen und Synapsen in der Hardware nach einigen Punkten erhöht wird.
Metrik, aber es gibt nirgendwo Hinweise darauf, dass dies der Fall ist oder was diese Metrik wäre. Kannst du erklären.
wie sich die Berichte von 1,2 Millionen Neuronen und 10 Milliarden Synapsen auf die tatsächlichen Elemente beziehen, die sich in der Hardware?
2. Aus meiner Sicht beschreiben die Brainchip-Patente (z.B. US20190012597A1) und das JAST-Patent (EP3324343A1) verschiedene Arten von
Architekturen in dem Sinne, dass das JAST-Design Binärgewichte mit randomisierten Invertierungen bei einer Abweichung verwendet,
und die Brainchip-Patente verwenden Zähler mit konfigurierbaren Parametern, um die zeitabhängige Zeit zu modulieren.
Antwort. Die "Synapse" ist in jedem Fall wesentlich anders. Es gibt jedoch ein klares Anzeichen von
Brainchip, dass das JAST-Design in gewisser Weise in die Akida-Architektur integriert wird, obwohl die
Die JAST-Lizenzierung erfolgte vor der jüngsten Fortsetzung des Brainchip-Patents, bei der diese Integration stattfindet.
nirgendwo offensichtlich. Es ist also unklar, wie diese Diskontinuität in Einklang zu bringen ist, und das hat Auswirkungen auf die erste Stufe.
Frage, weil ich sehen kann, dass ein binär gewichtetes Design noch einige weitere Synapsen auf einem $10 unterstützen würde -
$20 ASIC. Können Sie eine Klarstellung über die Beziehung zwischen dem Akida-Design und den beiden verschiedenen Varianten vornehmen?
Architekturen, die oben erwähnt wurden?
Nochmals vielen Dank für das Nachfassen. Ich verstehe, dass es sensible Aspekte der Technologie gibt, die nicht offengelegt werden können,
aber ich gehe davon aus, dass diese Fragen beantwortet werden können, ohne das geistige Eigentum zu gefährden, und ich denke, es wäre eine Möglichkeit.
im Interesse des Unternehmens sein, den Kreis der Verwirrungspunkte zu schließen, die sich aus der Überprüfung der öffentlich zugänglichen Informationen ergeben können.
Informationen.
Mit freundlichen Grüßen
Travis Rothlisberger
Von: Peter
Gesendet: Freitag, 5. April 2019 11:27 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Sehr geehrter Herr Rothlisberger,
Wir sind in der Tat sehr beschäftigt.
Wir glauben, dass der Akida-Chip neue Maßstäbe für das neuromorphe Computing setzen wird.
Die Anzahl der Neuronen steht in direktem Zusammenhang mit der Anzahl der Synapsen (mehr Neuronen = weniger Synapsen oder vv), unabhängig davon, ob sie
du verwendest Faltungsschichten, teilbare Faltungen oder alle dichten Schichten und wie viele von ihnen. Sie können die
Konfiguration entweder für niedrige Leistung oder für hohen Durchsatz. Die Zahl, die wir veröffentlicht haben, ist die maximale Anzahl von Neuronen.
und maximale Anzahl von Synapsen. Ich kann Ihnen keine genauen Zahlen nennen, da sie von der Konfiguration abhängen. Wir können
das gesamte Mobilenet-Netzwerk innerhalb der Chip-Grenzen ohne externen Speicher oder Multiplexing des Chips betreiben.
Ressourcen. MobileNet nimmt ein 224x224 Bild als Eingabe und läuft mit 579 MFLOPS. Weitere Informationen finden Sie unter
MobileNet hier: https://arxiv.org/abs/1704.04861, das Ihnen einen Eindruck von den Abmessungen der Chips vermittelt.
Außerdem betreiben wir in einer anderen Konfiguration das gesamte VGG16-Netzwerk innerhalb der Grenzen des Chips zur Klassifizierung von CIFAR10.
Dies ist eine völlig andere Architektur mit 3 dichten Schichten, aber wenn sie auf der gleichen neuronalen Hardware arbeitet. Unser SNN
Demos laufen auch auf der gleichen Hardware.
Denken Sie daran, dass wir diese Netzwerke in Spikes umgewandelt haben, da wir einen neuromorphen Chip erzeugen. Das macht die
Windungen ereignisgesteuert, was eine sehr geringe Leistungsaufnahme bedeutet.
Die wahre Stärke im Chip ist nicht, wie viele Neuronen und wie viele Synapsen, sondern die Tatsache, dass wir all diese Funktionen ausführen können.
Netzwerke auf der gleichen Hardware und vollständig im Chip. Alle unsere Wettbewerber betreiben das Netzwerk auf dem Host und
nur die MAC-Funktionen beschleunigen.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 5. April 2019 11:53 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Nochmals vielen Dank für die Antwort. Es gibt hier einige Punkte, die für mich immer noch keinen Sinn ergeben.
1. Wenn Sie sagen, dass "mehr Neuronen = weniger Synapsen oder vv" und "Ich kann Ihnen keine genauen Zahlen geben, weil sie
depend on the configuration", was bedeutet, dass Ressourcen zwischen Neuronen und Synapsen neu verteilt werden.
Das stimmt nicht mit den architektonischen Beschreibungen eines digitalen Logiksystems überein, das Synapsen mit Neuronen verbindet.
in speziellem Silizium. Das klingt eher nach einem rekonfigurierbaren FPGA. Was meinst du damit, dass das Neuron und die
Synapsenzahlen sind ein Kompromiss?
2. Ich verstehe, dass die Anzahl der Neuronen und Synapsen, die für eine bestimmte Konfiguration verwendet werden, von der Größe der
Modell, aber gemäß dem obigen Hinweis, wenn die Hardwarearchitektur unterschiedliche Synapsen- und Neuroneneinheiten in der
Silizium, dann gibt es eine gewisse Anzahl dieser Einheiten, die aus Transistoren aufgebaut werden sollen. Die Verwendung von Intels Loihi als
Beispiel, sie verdeutlichen, dass das dedizierte Silizium 131k Neuronen und 130M Synapsen bei 14nm liefert, indem es die
2B-Transistoren, und das ist es, was sie in der Literatur behaupten. Es sollte eine gleichwertige Spezifikation geben für
Akida, aber wenn "die Zahl, die wir veröffentlicht haben, die maximale Anzahl von Neuronen und die maximale Anzahl von Synapsen ist".
dann kann es sich nicht auf die in Siliziumeinheiten beziehen, denn das würde zu weitaus mehr Transistoren führen als es sind.
für ein ASIC realisierbar. Gibt es eine Zahl für die Anzahl der Neuronen und Synapsen im Silizium, und wie werden die 1,2M und 1,2M gezählt?
Daraus ergeben sich 10B-Zahlen?
Schließlich haben Sie nichts zu meiner Frage bezüglich der scheinbaren Diskontinuität zwischen der Patentarchitektur gesagt.
und der JAST-Architektur. Gibt es etwas, das du sagen kannst, das das klären würde?
Danke, dass du bereit bist, mir zu helfen, Klarheit darüber zu gewinnen. Ich bin sicher, dass ich nicht die Einzige da draußen bin, die versucht.
Sinn aller veröffentlichten Informationen.
Mit freundlichen Grüßen
Travis Rothlisberger
Von: Peter
Gesendet: Freitag, 5. April 2019 14:47 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Sehr geehrter Herr Rothlisberger
Ich werde mich in meiner Antwort kurz fassen müssen.
1. Tatsächlich ist die Struktur von Akida eher wie ein feldprogrammierbares neuronales Array als Loihi oder TrueNorth. Wir haben
dedizierte Schaltungen, die nicht wie die LUTs eines FPGAs sind, aber dennoch programmierbar sind - oder
rekonfigurierbar, wenn Sie möchten. Wir werden einen NN-Compiler haben, der ein Bild erstellt, das auf den Chip heruntergeladen wird.
definieren die Anzahl der Neuronen und Synapsen sowie die Architektur des Netzwerks. 2. Ich kann zum jetzigen Zeitpunkt nicht auf die genaue Anzahl der Transistoren oder die Chipgröße eingehen. Wir haben berechnet, dass die
Das Gerät kann zwischen 10 und 15 US-Dollar in Mengen und bis zu 60 US-Dollar in Einzelstücken verkauft werden. Unser Experimentierfeld wird sein
irgendwo um die $100 plus Distributor-Aufschlag. Dazu gehört auch das ADE Development Environment Toolkit.
Die Architektur von Akida unterliegt mehreren Patentanmeldungen, die derzeit in Bearbeitung sind. JAST ist eine Technologie, die wir lizenziert haben.
und kombiniert mit dem Wissen, das wir aus der SNAP64- und Accelerator-Entwicklung gewonnen haben. JAST ist ziemlich nutzlos zu tun.
ImageNet-Klassifizierung. Akida kann sowohl ImageNet-Klassifizierung, DVS-Spike-Verarbeitung als auch natives Lernen durchführen. Es tut mir leid, dass ich
kann Ihnen zum jetzigen Zeitpunkt nicht mehr sagen, aber es wird mehr enthüllt, sobald unsere IP gesichert ist.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 5. April 2019 15:10 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielen Dank, dass Sie sich die Zeit genommen haben, meine Fragen zu beantworten. Wenn ich Sie um eine endgültige Klärung bitten kann, würde ich sehr gerne
Ich weiß das zu schätzen.
Ich verstehe immer noch nicht die Behauptung von 1.2M Neuronen und 10B Synapsen. Keine der Informationen, die Sie angeboten haben.
erklärt diese Werte bisher. Sie sagten, dass diese Zahlen die "maximale Anzahl von Neuronen und das Maximum" sind.
Anzahl der Synapsen", aber es können einfach keine Wesen sein, die alle gleichzeitig im Akida-Silizium existieren. Es gibt einfach keinen
wie das ASIC das unterstützen könnte. Loihi behauptet 130M Synapsen und wir können sehen, dass sie 128 Kerne mit jeweils 128kB haben.
synaptischer Speicher und 1024 Neuronen pro Kern = ca. 130M Bit synaptischer Speicher und 131.072 Neuronen. So ist es klar
wie sie zu den Zahlen kommen, die sie für die maximale Anzahl von Synapsen und Neuronen melden (wenn die Synapsen sind).
konfiguriert auf eine 1-Bit-Breite). Aber ich sehe keine Mittel, mit denen ich zu 1,2 Millionen Neuronen und 10B-Synapsen mit Akida gelangen kann.
Bitte helfen Sie mir, diese Werte zu verstehen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 5. April 2019 18:08 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Das Silizium kann 1,2 Mio. physikalische Neuronen unterstützen. Vergessen Sie das Diagramm, das Sie gesehen haben, auf dem SNAP64 basiert - wir haben es.
hat seitdem viel Arbeit geleistet. Die 10B-Synapsen sind äquivalente Synapsen im Faltungsmodus. Mehr wird verraten in
in naher Zukunft.
Werfen Sie einen Blick auf die Architektur von VGG16 Ternärnetzwerken und MobileNet - Diese werden auf ereignisbasiert umgestellt.
Netzwerke und passen vollständig auf unseren Chip. Das sollte dir einen Hinweis geben.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Samstag, 6. April 2019 12:06 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielen Dank für Ihre Antworten. Ich könnte weiterhin ohne Ende Fragen stellen, aber ich habe mir schon genug von deiner Zeit genommen.
und muss auch mehr tun, um mich selbst zu bilden. Wenn ihr Jungs zufällig bereit seid, einen neugierigen Ingenieur zu lassen.
Hände auf dem ADE trotz eines Mangels an sofortigen Plänen, es kommerziell zu nutzen, würde ich mehr als glücklich sein, meine
Feedback.
Bitte teilen Sie uns auch mit, wenn es etwas aus diesen E-Mails gibt, das Sie vertraulich behandeln möchten. Ich glaube nicht, dass es etwas gibt.
Irgendetwas Sensibles hier drin, aber ich verstehe, dass man vorsichtig sein muss. Nochmals vielen Dank für Ihre Zeit.
Mit freundlichen Grüßen
Travis
6 TAGE LÜCKE
Von: Travis
Gesendet: Freitag, 12. April 2019 10:49 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Ich entschuldige mich im Voraus dafür, dass ich mich erneut gemeldet habe, nachdem ich zuvor darauf hingewiesen habe, dass ich nicht mehr von dir nehmen wollte.
Zeit. Ich habe einige Zeit in der letzten Woche damit verbracht, besser zu verstehen, wie Ihre Kommentare über die Netzwerke aussehen.
die Akida unterstützen kann, kann mir helfen, die zugrunde liegende Architektur und Ressourcen zu verstehen. Eine der Entdeckungen, die ich gemacht habe.
haben festgestellt, dass die Implementierung von VGG-16 ca. 11 Millionen Neuronen erfordert, was durch die folgende Studie bestätigt wurde
Korrespondenz mit jemandem, der VGG-16 in einem SNN-Netzwerk in Software implementiert hat. Wenn man bedenkt, dass man
angegeben, dass es 1,2 Millionen physische Neuronen in der Akida-Architektur gibt, können Sie einen Einblick geben, wie VGG-16
vollständig auf dem Chip implementiert ist? Danke.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 12. April 2019 15:51 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie werden feststellen, dass die 11 Millionen Neuronen Neuronen Äquivalente sind - keine physischen Neuronen. Ähnlich verhält es sich mit ImageNet. Wir
kann 11 Millionen gleichwertige Neuronen oder jede andere Zahl, bei der Neuronen virtuelle Neuronen sind, erzeugen. Du musst verstehen.
Faltung, um zu sehen, wie das funktioniert. In der Faltung werden die Ressourcen geteilt.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Freitag, 12. April 2019 17:19 Uhr
An: Travis
Betreff: RE: Ihre Fragen
RE: Ihre Fragen
Travis,
Dies ist ein gutes Bild, um Ihnen einen Eindruck von der Chipentwicklung zu vermitteln:
Wir entwickeln eine völlig neue Architektur. Unser Budget beträgt nicht 500 Millionen Dollar, aber die 2-4 Jahre sind ziemlich genau, beginnend mit der
SNAP64-Entwicklung. Wir sind im Endspurt. Auch die Armee der Experten ist genau richtig, und wir haben das alles im Griff.
Hier ist eine gute Erklärung der Faltung und der entsprechenden Neuronenzahlen. https://medium.freecodecamp.org/an-
intuitive führung zu konvolutionären neuronalen netzwerken-260c2de0a0a050
Niemand sonst kann ereignisbasiertes Faltungs-NN bei geringer Leistung und hoher Geschwindigkeit auf einem SNN betreiben - das bietet auch die Möglichkeit der
Möglichkeit des Echtzeit-Lernens auf dem Chip
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Samstag, 13. April 2019 1:23 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich habe Mühe, die Ressourcenfreigabe zu sehen, die Sie identifizieren. Jeder Faltungsschritt, der einen Kanalfilter anwendet (Satz von
Gewichte) zu einem Abschnitt der Layereingaben (Satz von Spike-Sequenzen) ist eine einzigartige Kombination, die ein Neuron bildet. Was genau wird geteilt? Und interpretiere ich Sie richtig so, dass Sie sagen, dass diese Ressourcenteilung das ist, was eine
CNN-Neuronenzahl soll reduziert werden, wenn das Netzwerk in physikalische Neuronen für eine Hardware-SNN? umgewandelt wird.
Dies bezieht sich auch auf meine vorherige Frage, bei der Sie festgestellt haben, dass Akidas 1,2M-Neuronen physisch sind und die 10B-Synapsen physisch sind.
"Äquivalente Synapsen im Faltungsmodus". Ich höre Sie jetzt sagen, dass die 1,2M-Neuronen in der Lage sind, als
eine große Anzahl gleichwertiger (virtueller) Neuronen. Warum sollten die Zahlen, die für Akida gemischt gemeldet wurden, die Anzahl der physischen Zählungen von
Neuronen mit Anzahl äquivalenter Synapsen, wenn die Neuronen anscheinend auch in ein größeres Äquivalent übersetzt werden können.
zählen? Wäre es nicht sinnvoller, beide Zahlen nach dem gleichen Paradigma zu melden?
Nochmals vielen Dank, dass du mir bei meinem Bestreben geholfen hast, meine Verwirrung über die Ressourcen von Akida zu beseitigen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Sonntag, 14. April 2019 12:00 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Hier ist ein Tutorial zur Faltung in DNN: https://arxiv.org/pdf/1703.09039.pdf
Wenn Rahmen um ein Bild herum bewegt werden, ist es derselbe Satz von physischen Neuronen und Synapsen, die auf Merkmale reagieren.
in diesem Feld. Die Synapsen werden trainiert, um diese Eigenschaften zu erlangen. In der Tat sind diese Neuronen das Äquivalent zu vielen anderen.
Neuronen im biologischen Sehsystem. In der Biologie verbindet sich die Netzhaut mit Millionen von Neuronen. Durch Verschieben der Box um die Ecke
der Bildschirm, auf dem du in Wirklichkeit Neuronenäquivalente erstellst, die ein Vielfaches von physischen Neuronen sind - so gelangen sie zu
11 Millionen Neuronen. Das könnten wir aPeter,
Wir können 1.2M Neuronen und 10B Synapsen unterstützen, aber die Notwendigkeit, diese vielen physischen Neuronen und Synapsen zu unterstützen.
hängt von der Konfiguration und der Verwendung von externem Speicher ab. Der ImageNet-Klassifikator passt vollständig auf den Chip.
ohne externen Speicher. Ebenso wie das CIFAR10-Klassifikatorennetzwerk und das IDS-Sicherheitsnetzwerk. Ich erwarte, dass er im Vorteil ist.
Anwendungen, die meisten werden kein externes DRAM verwenden. Wir werden in Kürze einige reale Zahlen veröffentlichen. In der Zwischenzeit sind wir im Verborgenen.
Modus, damit wir unseren Mitbewerbern keinen Hinweis darauf geben, was wir tun. Diese Informationen müssen daher behandelt werden mit
Überlegung, obwohl ich denke, dass die meisten, wenn nicht sogar die ganze Sache offengelegt wurde. Die Informationen über Windungen finden Sie in der Datei
Public Domain.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 12:26 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Mein Ziel ist es, die Ressourcenallokation in Übereinstimmung mit den Ansprüchen an die Spezifikationen von Akida sinnvoll zu gestalten.
Fähigkeiten. Ein "Neuron" auf Akida ist eine Hardware-Einheit, die mehrere gewichtete synaptische Eingänge zu einem
Einzelausgang, der an die nächste Schicht (oder an den Netzwerkausgang) weitergeleitet wird. Ist das eine angemessene allgemeine Beschreibung einer Akida.
Neuron, unabhängig von den Implementierungsdetails? Ich erkenne an, dass es Implementierungsdetails geben kann, die urheberrechtlich geschützt sind und nicht weitergegeben werden können, aber die Implementierungsdetails können ignoriert werden, um die Situation zu klären.
Ressourcenzuweisungen.
Ein "Neuron" in einem CNN wie VGG-16 spiegelt die Hardware-Einheit wider, indem es eine mathematische Operation ist, die sich aggregiert.
mehrere gewichtete synaptische Eingänge, um einen einzelnen Ausgang zu erzeugen, der der nächsten Schicht (oder dem Netzwerk-Ausgang) zugeführt wird.
Jedes Neuron in einem CNN führt eine einzigartige mathematische Operation aus, da der Satz der Verbindungen und synaptischen Gewichte wie folgt ist
einzigartig für jedes Neuron. Angesichts dieser Einzigartigkeit, wenn Akida über 1,2 Mio. Neuronen-Hardwareeinheiten verfügt und eine
konvertierten CNN, das mehr als 1,2 Mio. Neuronen aufweist, dann muss es eine Technik oder Operation geben, die folgendes ist
Überwindung dieser Diskrepanz, da die Hardware sonst nicht alle vom Netzwerk geforderten einzigartigen Operationen ausführen kann.
Neuronen. Können Sie klären, wie Akida in der Lage ist, die ereignisgesteuerte Ausführung der Millionen von einzigartigen Neuronen zu unterstützen?
Operationen, die von VGG-16 gefordert werden, obwohl es etwa 10x weniger Neuronen-Hardwareeinheiten gibt?
Auch bei der Definition der Synapse fehlt es mir noch an Klarheit. In der letzten E-Mail scheinen Sie anzudeuten, dass die 10B
Synapsen sind physikalische (Hardware), aber es wurde bereits erwähnt, dass die Synapsen äquivalente Synapsen sind.
Faltungsmodus. Welches ist das richtige Verständnis der 10B Synapsenzahl? Existieren alle 10B in Hardware, oder ist es
10B die Anzahl der äquivalenten Synapsen? Wenn letzteres, was ist die Anzahl der Hardware-Synapsen (oder die maximale Anzahl, angegeben als
die zuvor genannten Rohstoffkompromisse) und was ist die Metrik, mit der die Äquivalenzzahl erhalten wurde? Obwohl ich
sind im Laufe dieser Übung mit neuronalen Netzen besser vertraut geworden, ich kämpfe immer noch darum, zu sehen, wie das
Äquivalenz definiert wird.
Wie immer, nochmals vielen Dank. Ich schätze die Bedeutung des Betriebs im "Stealth-Modus", aber ich bin auch ziemlich zuversichtlich, dass es sich dabei um einen
sollte es möglich sein, zu einer Erklärung zu gelangen, die es uns ermöglicht, jede Unklarheit über die Ressource auszugleichen.
Zahlen, ohne proprietäre Implementierungsdetails offen zu legen.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 9:09 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie verwechseln immer noch das Konzept eines Neurons in einem neuronalen Faltungsnetzwerk. Ein Neuron in einem CNN wird in jedem Fall wiederverwendet.
5x5 Bildausschnitt. Wenn das Gesamtbild 32 x 32 ist, wie in den CIFAR-Datensätzen, dann wird dieses Neuron 36 Mal für jedes Bild wiederverwendet.
Faltung. Es wird dann als 36 Neuronenäquivalente betrachtet. Genauso ist es mit den Synapsen. Jeder Filter von 3x3 Pixel
convolutions hat 3x3x3x3 Synapsen, multipliziert mit 36 x dem Faltungsschritt. Wenn der Schritt 2 ist, dann haben Sie 27 x 36 x 2 =
1.944 virtuelle Synapsen. Die eigentliche physikalische Synapse ist nur 27. Deshalb sehen Sie 11 Millionen Neuronen, die in CNN zitiert werden.
Beschreibungen.
Akida ist sehr flexibel. Du kannst Akida externen Speicher hinzufügen. Du kannst Akida für mehr Neuronen oder mehr konfigurieren.
Synapsen. Es hängt alles davon ab, wie viel Speicher du hast. Dies ist fast ein FPGA für neuronale Netze. Wir haben schnell auf
Chip-Speicher, genug, um MobileNet oder VGG16 zu betreiben (ich kann die Chip-Architektur derzeit nicht kommentieren). Wir haben
veröffentlichte ein Video von Akida mit VGG16 auf CIFAR10 mit 92% Genauigkeit. ImageNet ist noch nicht freigegeben, also habe ich mich entschieden.
kann es nicht kommentieren.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Montag, 15. April 2019 11:03 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich möchte nur hinzufügen, dass wir planen, ein Experimentierboard zu haben, das sich für etwa 100 US-Dollar verkaufen wird. Dies
Karte wird vollständig dokumentiert und hat ein Akida-Gerät, eine USB-Schnittstelle zum Anschluss an einen PC, eine ADE-Software zur
Entwickeln Sie Ihre eigenen Netzwerke und Out-of-the-Box-Arbeitsbeispiele.
Zusätzlich werden wir einen USB-Stick mit einem Akida-Gerät haben, der für Cybersicherheit, Objektklassifizierung und
andere SNN- und CNN-basierte Anwendungen. Auf dem USB-Stick läuft das gesamte Netzwerk, das sich von Intel und den anderen unterscheidet.
Gyrfalcon.ai, weil sie nur die MAC-Funktionen (multiply -accumulate) beschleunigen. Wir sind auch anders als Loihi
und TrueNorth - die experimentelle SNN-Chips sind - beinhalten wir Faltungs- und Pooling-Layer und die Fähigkeit zu handeln.
off synapses for neurons - more synapses = less neurons and less neurons - more synapses. Unser Chip kann Dinge tun, die
Loihi und TrueNorth können es nicht, weil es für reale Anwendungen und nicht für Experimente gedacht ist. Auch Loihi und
TrueNorth sind schrecklich teuer, während wir ein $10 USD Preisschild in Mengen planen, und zwischen $25 und $60 für einen von ihnen.
Offs.
Wir denken über ein Serverboard mit mehreren Akida-Chips nach. Dies könnte eine für die Zukunft sein, denn wir richten uns an
der Edge-Markt, nicht der Server-Markt, so dass wir nicht mit nVidia und GraphCore GPUs konkurrieren, die explodieren.
bis 300W pro Stück. Niedriger Stromverbrauch / hohe Leistung ist unsere Stärke und GPUs oder MAC-Beschleuniger können nahe an unsere
Leistung im Bereich von 100 mW-1 Watt. Analoge Multiplikatorchips funktionieren nicht - wir kennen einige Leute, die arbeiten.
auf sie. Eine interessante Idee, aber meiner Meinung nach nicht praktisch.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 11:16 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Die Entität, die Sie als wiederverwendbares Neuron beschreiben, ist das, was ich als Kernel (oder Filter) in der CNN-Semantik verstehe.
Würdest du dem zustimmen?
Da das Ziel hier ist, zu verstehen, wie die CNN-Neuronen in Akida-Neuronen übersetzt werden, nehme ich diese Erklärung so an, dass sie sagt.
dass das Akida-Neuron - die Hardwareeinheit, die mehrere gewichtete synaptische Eingänge aggregiert, um einen einzigen Ausgang zu erzeugen.
- wird für jeden Kernel wiederverwendet, wenn Akida ein neuronales Netzwerk implementiert. Ich verstehe, dass dies das ist, was typischerweise als das bezeichnet wird.
als Zeitmultiplex, wobei jeder Schritt in einem CNN seriell auf einem einzigen Akida-Hardware-Neuron für jeden Schritt ausgeführt wird.
Kernel, obwohl die Kernel selbst alle parallel laufen können. Ist das das Paradigma, das Akida benutzt, um die Skalierung der
Ressourcenzählungen?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 11:19 Uhr An: Travis
Betreff: RE: Ihre Fragen
Travis,
Nein, du hast es hinten an der Vorderseite. Die 11 Millionen Zahlen, die Sie für CNNs sehen, sind irreführend. Es ist die Anzahl der Windungen.
multipliziert mit der Anzahl der physischen Neuronen.
Akida ist nicht multiplexed.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 11:44 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Vielleicht würde es helfen, wenn wir auf eine gemeinsame Zahl verweisen könnten. Die cs231-Seite hat mir bei meiner Ausbildung geholfen, also lasst es uns tun.
referenzieren Sie die Convolution Demo auf halbem Weg nach unten mit dem lila Eingangsvolumen, dem roten Filter (Kernel) und grün.
Ausgangslautstärke. In der CNN-Semantik gibt es für jeden Wert im Ausgangsvolumen ein Neuron. Dieses Netzwerk hat 18
Neuronen. Jedes Neuron implementiert eine einzigartige mathematische Operation. Wenn dieses einlagige Faltungsnetzwerk aus einer einzigen Schicht bestehen würde.
übersetzt, um auf Akida zu laufen, wie viele Akida-Hardware-Neuronen verwendet werden würden, um das Ausgabevolumen zu erzeugen (ignorieren von
Unterschiede in der Quantisierung und Integrationsimplementierung)?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 12:15 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Das Bild, auf das Sie sich beziehen, ist keine Faltung. Es verbindet die Neuronen nur mit Pixeln in einer Instanz eines
Faltung. Wir würden die gleiche Anzahl von 18 Neuronen verwenden. Sobald Sie beginnen, die Filter über die Quadrate des Bildes zu bewegen.
Sie führen eine Faltung durch:
In diesem Bild hast du ein 2D-Quadrat von 8x8 und einen Kernel von 3x3. Angenommen, dies ist RGB, werden diese Werte mit 3 multipliziert = 3.
192 physische Neuronen und 27 Synapsen für jeden Kernel. Wenn das Bild 224x224 (ImageNet) ist, dann wird der Block verschoben 2
Pixel auf einmal von links nach rechts und von oben nach unten (Schritt von 2). Die Features, die sich im Kernel widerspiegeln, könnten sein
die sich irgendwo im Bild befinden. Wenn das Ergebnis = 0 ist, tun wir nichts - es gibt kein Ereignis. Aber MAC-basiert
Beschleuniger müssen jeden Schritt berechnen, so dass sie sich mit 0 multiplizieren und einen zusätzlichen Zyklus aufnehmen.
Die Anzahl der äquivalenten Neuronen ist - in einem DNN - die Anzahl der Windungen (Blöcke, die sich um das Bild bewegen).
multipliziert mit der physikalischen Anzahl der Neuronen. Deshalb können wir 11 Millionen Neuronen machen, um VGG auf einem Gerät zu machen, das
unterstützt nur maximal 1,2 Millionen physikalische Neuronen. Diese Zahl wird auch durch die Anzahl der Synapsen bestimmt. Als ich
sagte, ich kann nichts diskutieren, was nicht freigegeben wird. Das oben Gesagte ist allgemeines Wissen über Windungen und nicht über die Verwendung von
exklusiv für Akida.
Ich hoffe, die Verwirrung, die ich über unsere Technologie sehe, zu verringern. Wir können wirklich erstaunliche Dinge tun, wir haben bewiesen, dass
mit der Software-Simulation von Akida, die eine 1:1-Emulation der Hardware ist. Unsere Neuronen sind nicht zeitmultiplexiert,
und die Zahlen stehen in direktem Zusammenhang mit der Größe des Speichers. Alles, was ich sagen kann, ist, dass die Neuronenzahlen auf dem Chip und die
der Speicher, der sich auf dem Chip befindet, ausreicht, um die Klassifizierung von ImageNet und CFAR10 ohne externen Speicher durchzuführen.
Ressourcen. Wir führen auch natives On-Chip-STDP-Lernen und Klassifizieren in unserer IDS-Sicherheitsdemo durch. Wir planen nicht, die
die Verfügbarkeit von Akida in irgendeiner Weise einzuschränken. Ich werde auf der Hauptversammlung im Mai sein und weitere Informationen zur Verfügung haben.
Zeit.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 13:13 Uhr
An: Peter Subject: RE: Ihre Fragen
Peter,
Das Bild auf der Seite, auf die ich verwiesen habe, ist animiert, um die volle Faltung anzuzeigen und die Ausgabe mit jedem Schritt zu füllen. Ich bin
froh, dass wir uns einig sind, dass Akida auch 18 Neuronen verwenden würde, um die in dieser Referenz vorgestellte Faltung umzusetzen. Als ich
ursprünglich angegeben, dass VGG-16 11 Million Neuronen benötigte, veranschlug ich gerade ein Papier, das grobe Zahlen für gab
eine Gruppe von Netzwerken. Ich wusste nicht, wie diese Zahl abgeleitet werden würde, aber jetzt habe ich mir die Zeit genommen, das zu verstehen.
zugrunde liegende Operation und wie man die Anzahl der Neuronen selbst berechnet. Genau die gleiche Technik, die verwendet wird, um
kommen auf die Anzahl von 18 Neuronen für diese Referenzschicht, die auch auf die VGG-16-Architektur angewendet werden kann:
Wenn dies erledigt ist, kommen wir zu folgendem Ergebnis
2*224*224*64+2*112*112*128+3*56*56*256+3*28*28*512+3*14*14*14*512+2*4096+1000 = 13,56M Neuronen - und
nur wenn wir die maximalen Pooling-Layer nicht zählen. Wenn wir die maximalen Pooling-Layer zählen, die Ressourcen benötigen würden, die ich benötige.
erwarten, dass sie ansonsten für faltungsbedingte oder vollständig verbundene Neuronen verwendet werden könnten, wächst die Anzahl auf
2*224*224*64+3*112*112*128+4*56*56*256+4*28*28*512+4*14*14*512+7*7*512+2*4096+1000 = 16.49M
Neuronen. Diese Berechnung verwendet die gleiche Technik, die auch auf der einfachen Referenzschicht verwendet wird, um 18 Neuronen zu zählen.
Wenn Akida 18 Hardware-Neuronen verwenden würde, um das Referenzbeispiel zu implementieren, aus dem gleichen Grund wie ein CNN.
18 Neuronen, dann sollte Akida auch 16.49M Hardware-Neuronen benötigen, um VGG-16 vollständig auf dem Chip zu implementieren.
ohne Multiplexing. Ich verstehe nicht, wie sonst die notwendigen Operationen durchgeführt werden können.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 15. April 2019 13:30 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Du verstehst es immer noch nicht. Jedes Mal, wenn ein Block bewegt wird, verwendet er die gleichen physischen Neuronen, aber er wird als Neuron gezählt.
Äquivalente.
Wenn Sie sagen wollen, dass wir 16M-Neuronen unterstützen - einschließlich der Pooling-Schichten - dann ist das in Ordnung. Benutze diese Zahl. Wir
kann zeigen, dass wir die CIFAR10-Klassifizierung mit einem quantisierten VGG16-Netzwerk vollständig auf Akida durchführen. Das Video ist hier:
https://www.brainchipinc.com/news-media/videos/video/1635/ci…
Dies wird auf dem ADE mit dem AEE-Chipsimulator durchgeführt. Es wurde von mindestens hundert Computern überprüft.
Neurowissenschaftler aus vielen verschiedenen Organisationen, als wir es vor 2 Wochen auf dem NICE-Workshop in Albany NY zeigten.
Sie alle verstehen, wie Faltung funktioniert und niemand hat unsere 1,2M Neuronenfigur in Frage gestellt oder wie wir es schaffen.
16M Neuronenäquivalente.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Montag, 15. April 2019 13:45 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Zurück zur Referenzfaltung unter http://cs231n.github.io/convolutional-networks/. Jedes Mal, wenn der Block blockiert wird.
verschoben, wird das Ergebnis auf einen anderen Wert in der Ausgabelautstärke abgebildet. Jedes dieser Ergebnisse ist die Ausgabe eines Neurons in
CNN-Semantik mit insgesamt 18 Neuronen. Sie sagten, dass Akida auch 18 Neuronen benötigen würde, um diese Faltungsform zu implementieren.
Ebene. Wenn das gleiche Hardware-Neuron für jede Blockbewegung wiederverwendet wird, warum hast du gesagt, dass Akida 18 verwenden würde?
Neuronen und setzt kein Multiplexing ein? Dieses Beispiel macht nichts anderes, als den Block für zwei verschiedene Arten zu verschieben.
Kernel.
Mit freundlichen Grüßen
Travis
18 TAGE LÜCKE
Von: Travis
Gesendet: Mittwoch, 1. Mai 2019 11:03 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Ich habe noch etwas mehr Zeit damit verbracht, herauszufinden, wie wir uns vielleicht missverstanden haben.
ein paar Klarstellungen identifiziert, aber ich brauche noch ein wenig mehr Input, um alles zu verstehen. Erstens, die Klarstellungen, die ich gemacht habe.
Ich glaube, ich habe mich identifiziert:
1. Was die Anzahl der Neuronen betrifft, die für die Implementierung von VGG-16 benötigt werden, so gibt es eine große Lücke, die keiner von uns beiden hat.
identifiziert. Es scheint, dass Sie von einem "VGG-ähnlichen" Netzwerk gesprochen haben, das mit dem CIFAR10-Datensatz betrieben wurde,
aber ich habe mir das ursprüngliche VGG-16-Netzwerk angesehen, das mit dem ImageNet-Datensatz betrieben wurde. Das macht natürlich
ein großer Unterschied. Es scheint sehr wahrscheinlich, dass Sie sich auf das auf Folie 9 von Kris' NICE-Präsentation beschriebene Netzwerk bezogen haben, das ein 9-lagiges (nicht 16-lagiges) "VGG-ähnliches" Netzwerk ist, das auf CIFAR10 eine Genauigkeit von 92% erreicht.
Wenn ich mir dieses Design ansehe, kann ich sehen, dass es nur 287.764 Neuronen benötigt, was leicht in den 1,2M passt.
Einschränkung von Akida. Stimmst du zu, dass dies diese Diskrepanz erklärt?
a. In ähnlicher Weise definiert Folie 10 von Kris' Präsentation das Netzwerk, auf dem das ImageNet läuft.
Datensatz, den ich als das 22-Lagen-Netzwerk betrachte, auf das Sie ebenfalls verwiesen haben. Die Tabelle dort ist für das Original.
MobileNet, das 5,2 Mio. Neuronen benötigen würde, aber Kris sagt in der Präsentation, dass es angepasst wurde, um die
passen auf den Chip, so dass es vermutlich einige größere Schritte oder zusätzliche Pooling-Layer gibt, die dies ermöglichen.
verkleinern, um auf Akida zu passen.
2. Ich denke, wir haben vielleicht unsere Neuronen und Synapsen verwechselt, wenn wir darüber diskutieren, wie die Entitäten wiederverwendet werden.
Um auf diese Folie aus Kris' Präsentation zurückzukommen, gehe ich davon aus, dass die Zahl der "Gesamtparameter" ungefähr so groß ist.
entsprechend der Anzahl der Hardware-Synapsen bei der Akida-Implementierung des Netzwerks. Darunter
Prämisse, die Synapsen werden definitiv von Schritt zu Schritt wiederverwendet, um diese Zahl zu erhalten (14.018.560). Aber das
bedeutet nicht, dass das Ergebnis zu einem Hardware-Neuron geht, das ebenfalls wiederverwendet wird. Jeder Schritt kann sich an einen
verschiedene Hardware-Neuronen, so dass die Synapsen gemultiplext werden, die Neuronen aber nicht. Das natürlich dann
erfordert auch, dass die nächste Schicht so angesteuert wird, dass sie wartet, bis alle Eingänge eines Knotens besetzt sind, bevor sie beginnt.
Aktivierung auf einem Knoten in dieser Ebene. Ist dies eine angemessene Erklärung dafür, wie die Hardware wiederverwendet wird? I
würde dies als eine Art Multiplexing (von Synapsen) betrachten, kann aber auch verstehen, warum wir nicht sagen würden, dass die
Neuron wird gemultiplext.
Wenn diese beiden Erklärungen korrekt sind, würden sie die meisten der Verwirrung in unseren vorherigen E-Mails lösen. Wie auch immer, ich
bin immer noch verwirrt vom Konzept der "äquivalenten Synapsen". So sehr ich auch versuchen mag, ich habe noch nicht herausgefunden, wie man zum
"äquivalente Synapsen" in Kris' Folien, basierend auf der gegebenen Netzwerkarchitektur. Ich habe sogar eine neuronale
Netzwerkforscher, um mir zu helfen, das herauszufinden, und sie konnten die Berechnung nicht identifizieren, um diese Zahl zu erhalten. Die
"äquivalente Synapse"-Zählung (655.239.168 für das CIFAR10-Netzwerk) ist offensichtlich ein sehr genauer Wert, der durch die Verwendung von
eine Art Kalkulation. Kannst du bitte die Ableitung angeben, um zu dieser Nummer zu gelangen? Ich gehe davon aus, dass die verwendete Ableitung
dadurch, dass die Folie die gleiche Technik ist, die verwendet wird, um die 10B Synapsenzahl für Akida zu erzeugen, so dass es sehr hilfreich wäre.
die Akida-Ressourcen zu verstehen, wenn wir diese Ableitung verstehen können. Es würde auch helfen, wenn Sie die
maximale Anzahl von Hardware-Synapsen auf Akida, was vermutlich ein Input für die Berechnung wäre, die uns zu einem besseren Ergebnis führt.
zu den 10B äquivalenten Synapsen.
Abschließend möchte ich auf Ihre Bemerkung eingehen, dass die Ressourcen im neuronalen Gefüge von Akida neu zugeteilt werden können.
zwischen Synapsen und Neuronen. Dies war eine unerwartete Enthüllung, und ich schätze, dass die Details entscheidend sein können für die Qualität der Arbeit.
das IP, also frage ich nicht, wie das funktioniert, aber ich bin neugierig, wie weit Sie es getestet haben. Ist die Rekonfiguration
die in einer so hohen Abstraktion auftritt, dass Sie in der Lage waren, sie mit den LUTs eines FPGAs zu prototypisieren? Oder ist die
Prototyping in einer HDL- oder VLSI-Simulation? Oder haben Sie tatsächlich Prototypen von Silizium mit dem rekonfigurierbaren
Elemente?
Nochmals vielen Dank, dass du mit mir umgehst und meine Fragen beantwortet hast. Ich habe das Gefühl, dass ich gute Fortschritte gemacht habe, um Sinn zu machen.
der Akida-Hardware, aber es war ein schwieriger Weg und ich bin noch nicht ganz da, also würde ich mich über eine Fortsetzung freuen.
Unterstützung bei den oben genannten Fragen. Hoffentlich war dieser Austausch auch für Brainchip hilfreich und bietet möglicherweise Folgendes an
Einblicke in die Verbesserung des Messaging dessen, was genau Akida ist, und die Art der Netzwerke, die es betreiben kann.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 3. Mai 2019 13:29 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich werde sehen, ob ich dieses Wochenende etwas Zeit habe, um deine Fragen zu beantworten. Wirst du in 3 Wochen bei der Hauptversammlung sein? Ich werde
in Perth für eine Weile nach der Hauptversammlung.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 3. Mai 2019 13:43 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Danke Peter. Ich werde nicht an der Hauptversammlung teilnehmen. Ich bin in der Region USA - Seattle.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 3. Mai 2019 16:21 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
1. Dies ist in der Tat der Fall. Wir haben mit VGG-16 begonnen und die Bitbreite und Anzahl der Schichten reduziert. Beachten Sie, dass die
Das 9-Lagen-Netzwerk hat dazwischen Pooling-Layer, die nicht auf Folie 9 dargestellt sind, so dass es sich in Wirklichkeit um ein 14-lagiges Netzwerk handelt.
MobileNet passt auf den Chip, weil wir Synapsen opfern können, um mehr Neuronen zu haben. Es ist alles eine Frage des Quetschens.
so viel in den On-Chip-Speicher eindringen, wie wir können. Deshalb können wir MobileNet betreiben und Intel Loihi nicht (soweit ich weiß).
wissen). Wir haben MobileNet modifiziert, aber wir haben sehr gute Ergebnisse erzielt; 65,6% TOP-1 Genauigkeit - 1000 Klassen - 1,2M
Bilder - ziemlich gut für ein schnelles Gerät. Niemand sonst war in der Lage, das zu tun. Mit weniger Klassen werden die Ergebnisse
noch besser aussehen: 92% Genauigkeit auf CFAR10.
2. Die Synapsen werden nicht gemultiplext, aber sie sind alle gleichwertig im gleichen Filter, der an verschiedenen Stellen angewendet wird.
im Bild. Jeder, der CNNs macht, verwendet also die gleichen Synapsen, die mit verschiedenen Neuronen verbunden sind. Für die
nächster Filter, werden verschiedene Werte verwendet, die in einem neuen Satz von Synapsen gespeichert werden. Daher werden sie nicht gemultiplext, sondern nur mit Hilfe von
geteilt. Dies ist ein Trick, mit dem andere Hardwaregeräte zu kämpfen haben.
3. Jede Schicht ist unabhängig von allen anderen Schichten. Wir können ein Bild nach dem anderen durch den Chip schieben, um zu erhalten.
die Rohrleitung ist gefüllt. Es gibt nie eine Ebene, die auf eine andere Ebene wartet - außer vielleicht das erste Bild, wenn der
Pipeline ist leer. Schichten werden nicht gemultiplext.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Dienstag, 7. Mai 2019 15:38 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Hallo Peter,
Vielen Dank für diese Klarstellung. Die bisherigen Behauptungen über die Bildklassifikationsnetze sind viel sinnvoller.
jetzt.
Allerdings konnte ich nicht feststellen, wie sich das Teilen von Synapsen auf gleichwertige Synapsen bezieht. Meine Anfrage begann mit der Suche nach
eine Erklärung für die für Akida beworbene 10B äquivalente Synapsenzahl, und ich kann dies immer noch nicht erklären. I
erwarten, dass das Teilen von Synapsen die Erklärung informiert, deshalb möchte ich Kris' Präsentation als Möglichkeit nutzen, um zu erforschen.
das noch weiter zu vertiefen:
1. Das CIFAR10-Netzwerk auf Folie 9 spezifiziert 14.018.560 Parameter. Ist diese Zahl die Gesamtzahl der Hardware?
Synapsen instanziiert, wenn dieses Netzwerk auf Akida? ausgeführt wird.
a. Wenn nicht, was bedeutet dieser Wert?
b. Wenn ja, werden diese Synapsen über mehrere Neuronen auf derselben Schicht verteilt, aber nie gemultiplext.
um mehrere Ausgaben innerhalb einer Ebene zu erzeugen. Richtig?
2. Die gleiche Folie spezifiziert 655.239.168 äquivalente Synapsen. Wie wird dieser Wert berechnet?
Nochmals vielen Dank.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Montag, 13. Mai 2019 15:26 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis
Jeder Parameter ist ein Gewichtswert - das bedeutet, dass es 14 Millionen physikalische Synapsen gibt. Denn diese Synapsen sind
unter den Neuronen geteilt (jedes Neuron ist ein Filter), werden sie bei jeder Faltung immer wieder gezählt. Es kommt auf die
Layergröße und Typ, wie viele Windungen ausgeführt werden. Wenn Sie die 655M äquivalenten Synapsen durch die Anzahl der
Parameter erhalten Sie einen Durchschnitt von ~ 47 Windungen.
Wenn wir wie TrueNorth und Loihi Chips wären, die keine eingebauten Faltungsmodi haben, müssten wir 655M verwenden.
Synapsen. Da alle Filter die gleichen Eigenschaften haben, wäre dies eine enorme Verschwendung. Akida ist sehr effizient in seiner Arbeitsweise.
Verwendung von Synapsen. In dichten Schichten (Konfiguration) wird keine der Synapsen geteilt. Jede Schicht kann dicht und faltenförmig sein,
Pooling oder teilbare Windungen (Tiefe und Punkt-weise). Es besteht auch die Möglichkeit, den externen Speicher zu verwenden, um die Anzahl der Speicher zu erhöhen.
Speicherplatz, aber bisher passt jedes Netzwerk, das wir ausprobiert haben, komplett auf den Chip.
BTW. Es macht mir nichts aus, dass du das, was du gelernt hast, teilst. Ich denke, dass dein Beitrag, dass Akida unmöglich ist, einige der Folgen hat.
Besorgnis. Ich glaube, wir haben das bestmögliche Design, sowohl für die CNN- als auch für die SNN-Welt, und ich glaube, dass dieses Design
waren in den Tagen, in denen wir SNAP64 erstellt haben, nicht möglich.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Mittwoch, 15. Mai 2019 17:39 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Nochmals vielen Dank, dass du mir weiterhin geholfen hast, diese Zahlen zu verstehen.
Sie haben bestätigt, dass die 14.018.560 Parameter im Netzwerk von Folie 9 den physikalischen Synapsen in Akida entsprechen. I
kann genau diesen Wert erreichen, indem man die Gewichte pro Schicht aus diesem Dia summiert und dabei die maximalen Pooling-Lagen ausschließt.
(die, wie Sie bemerkt haben, nicht angezeigt werden) und die erste Ebene. Ich verstehe nicht, warum die erste Schicht von der Produktion ausgeschlossen wird.
diese Berechnung, aber ich bezweifle, dass ich zufällig die gleiche Zahl bekommen habe. Zur Verdeutlichung: Die Berechnung zeigt alles im roten Bereich an.
quadratisch und summiert sie zusammen.
Können Sie bitte bestätigen, dass dies die richtige Berechnung ist, um die Anzahl der physischen Synapsen in der Akida zu ermitteln?
Implementierung des Netzwerks?
Wenn ich dies nun als Grundlage nehme, um zu versuchen, die "äquivalenten Synapsen" zu berechnen, wie Sie es beschrieben haben, indem ich den Filter erneut zähle.
bei jedem Schritt komme ich auf einen Wert von 613.427.200 (oder 616.966.144, wenn ich die erste Schicht einbeziehe). Ich scheine zu fehlen wegen der
40M äquivalente Synapsen. Um dies zu verdeutlichen, nehme ich die ersten beiden Dimensionen der Input Size (dies entspricht dem Wert von
Anzahl der Schritte bei Schritt = 1) und Multiplikation mit der Filterform auf jeder Ebene vor der Berechnung der Summe. Ist
wie sollen die "äquivalenten Synapsen" berechnet werden? Gibt es irgendwelche Unterschiede, die erklären würden, warum ich es nicht tue?
das gleiche Ergebnis erhalten? Nochmals vielen Dank.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Mittwoch, 15. Mai 2019 17:55 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Du machst dich gut mit den Windungen hier, fast ein Experte. Sie erhalten nicht das gleiche Ergebnis wegen der Polsterung in der
die Faltung. Die Ränder des Bildes sind mit Nullen aufgefüllt, um sicherzustellen, dass wir das gesamte Bild abdecken. Ohne Polsterung
würden wir die Kanten übersehen. Wir verwenden "gleiche" Windungen: - "VALID" = ohne Polsterung:
- Eingaben: 1 2 3 4 5 6 7 8 9 10 11 (12 13)
- fallen gelassen wurde.
|_________________|
- "SAME" = mit Null-Padding:
- pad| | |pad
- Eingaben: 0 |1 2 3 4 5 6 7 8 9 10 11 12 13|0 0
- • |________________|
- • |_________________|
|________________|
In diesem Beispiel:
- Eingabebreite = 13
- Filterbreite = 6
- Schritt = 5
Notizen:
- "VALID" löscht immer nur die ganz rechten Spalten (oder die ganz unteren Zeilen).
- "SAME" versucht, gleichmäßig nach links und rechts zu paddeln, aber wenn die Anzahl der hinzuzufügenden Spalten ungerade ist, fügt es den zusätzlichen Betrag hinzu.
Spalte nach rechts, wie es in diesem Beispiel der Fall ist (die gleiche Logik gilt vertikal: Es kann eine zusätzliche Zeile von
Nullen am unteren Rand).
Die erste Schicht ist in das Bild eingebettet, um den Konverter zu erhöhen und ist nicht Teil des neuronalen Gewebes.
Mit freundlichen Grüßen
Peter
Von: Peter
Gesendet: Mittwoch, 15. Mai 2019 17:57 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
BTW. Ihr (oder der Beitrag von jemandem) auf HotCopper hat einige Zweifel an unserer Technologie geweckt. Ich würde mich freuen, wenn Sie
Sie könnten das korrigieren, um die Öffentlichkeit darüber zu informieren, dass wir wissen, wovon wir sprechen und dass Akida real ist.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Mittwoch, 15. Mai 2019 23:52 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich gehe bei meinen Berechnungen von einer Null-Polsterung aus. Beachten Sie, dass das nicht übereinstimmende Ergebnis nur für die "äquivalenten Synapsen" galt.
und nicht für die physischen Synapsen. Unabhängig davon, selbst mit dieser Diskrepanz lese ich Sie als sagen, dass dies die richtige Methodik für die Berechnung des Ressourcenbedarfs eines bestimmten Netzwerks auf Akida und für die Berechnung der
entsprechende "äquivalente Synapsen".
Nachdem das geklärt ist, muss ich noch zwei weitere Punkte klären:
1. Die Berechnung der physikalischen Synapsen geht davon aus, dass jede Synapse zwischen Faltungsschritten geteilt wird.
Dies ist die Multiplex-Erklärung, die ich in früheren E-Mails vorgeschlagen habe, die Sie aber als falsch bezeichnet haben.
Zuletzt haben Sie gesagt: "Die Synapsen werden nicht gemultiplext, aber sie haben alle den gleichen Wert im gleichen Filter.
an verschiedenen Stellen im Bild angewendet. Also jeder, der CNNs macht, verwendet die gleichen Synapsen, verbunden mit
verschiedene Neuronen. Für den nächsten Filter werden verschiedene Werte verwendet, die in einem neuen Satz von Synapsen gespeichert werden. Daher sind sie
nicht gemultiplext, sondern geteilt. Das ist ein Trick, mit dem andere Hardwaregeräte kämpfen." Ich kann keinen Sinn machen in Bezug auf
das. Wenn die Synapsen eines Filters "der gleiche Filter an verschiedenen Stellen im Bild angewendet wird", wie ist das möglich?
ohne Multiplexing durchgeführt? Um zu verdeutlichen, wie dies funktionieren würde, hier ist ein Schaltplan für die Anwendung eines 2x2-Filters.
auf einen Null gepolsterten 2x2-Eingang mit Schritt 2:
2. Ich gehe davon aus, dass die 10B äquivalenten Synapsen das berechnete Ergebnis für ein Netzwerk sind, das so ausgewählt wird, dass es die
Anzahl der äquivalenten Synapsen. Es ist mir nicht klar, wie dieses Netzwerk aussehen würde. Was ist die Netzwerkdefinition?
die es uns erlaubt, diese Berechnungen zu nutzen, um zu 10B äquivalenten Synapsen für Akida? zu gelangen.
Schließlich bin ich in der Tat der Urheber des Threads "Technology Due Diligence" zu HotCopper. Wie bereits erwähnt, gibt es immer noch
einige Aspekte, die keinen Sinn ergeben, und ich werde ein Update veröffentlichen, sobald ich diese gelöst habe. Jetzt, da du bereit warst, dich zu beteiligen.
Ich möchte keine weiteren Spekulationen oder Erklärungen veröffentlichen, dass ich mir selbst noch nicht sicher bin.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 8:33 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Aus offensichtlichen Gründen kann ich keine Details über unsere Schaltung preisgeben. Alles, was ich sagen kann, ist, dass unsere Schaltung nicht so ist wie die, die du geschickt hast.
für mich, weil es sehr rekonfigurierbar ist. Wir arbeiten mit unserem Patentanwalt zusammen, um unsere Faltungshardware zu patentieren,
die ereignisbasiert ist, so dass Synapsen, die 0 sind, ignoriert werden. Ich gehe davon aus, dass das Patent innerhalb des nächsten Monats eingereicht wird. I
wird heute mit unserem Hardware-Designteam prüfen, ob ich eine Antwort bekommen kann, warum es einen Unterschied in der Anzahl der
äquivalente Synapsen, die Sie berechnet haben. Die Akida-Hardware ist äquivalent zu dem Softwaremodell, das wir früher entwickelt haben, und ist
im ADE verfügbar (was auf Anfrage für Anwendungsentwickler verfügbar ist).
Akida hat viele verschiedene Betriebsarten. Jede Schicht kann faltenförmig, vollkontaktiert, binär, ternär, 2-Bit- oder
4-Bit. Wir unterstützen normale und trennbare Windungen. Der Benutzer kann die Hardware für die vollständige Konfiguration konfigurieren.
Stacheln, ereignisbasierte Wicklungen oder eine Mischung aus beiden Arten von Schichten für das Transferlernen unter Verwendung des On-Chip-Lernens.
Methode. Wir sind sehr gespannt auf die Möglichkeiten, aber Algorithmen verkaufen Hardware. Ein Teil des Teams konzentriert sich auf die Bereiche
Entwicklung von Algorithmen. Bisher haben wir Cybersicherheit, ImageNet-Klassifizierung, CIFAR10-Klassifizierung und wir werden uns bemühen.
2 oder 3 weitere während der Hauptversammlung anwesend sind. Ich glaube, wir haben das beste, flexibelste und leistungsärmste Hochgeschwindigkeits-Kantengerät.
- Geschwindigkeit ist eine Funktion der Beseitigung komplexer MAC-Funktionen und der ereignisbasierten Verarbeitung. Weil das Gerät
konfigurierbar, können wir die gleiche Funktion auf viele verschiedene Arten ausführen. Sie können externes DRAM hinzufügen, um den Wert zu erhöhen.
Anzahl der physikalischen Synapsen und Neuronen, aber bisher arbeiten alle Anwendungen vollständig innerhalb des On-Chip-SRAMs. Wir werden
eine Tabelle veröffentlichen, die alle verschiedenen Konfigurationen mit und ohne externem RAM nach der Patentanmeldung zeigt.
Wetten Grüße,
Peter
Von: Travis
Gesendet: Donnerstag, 16. Mai 2019 10:49 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich verstehe, dass die Details der Schaltung nicht preisgegeben werden können. Der Schaltplan versuchte nur, eine Zusammenfassung zu liefern.
Beschreibung der Beziehungen zwischen Eingängen, Synapsen und Neuronen, die für die Methodik zur
Berechnen der Anzahl der physikalischen Synapsen. Die Berechnung geht von Multiplexing aus, und so versuche ich, dies in Einklang zu bringen.
mit der Behauptung, dass der Chip kein Multiplexing verwendet. Wie kann eine physische Synapse über mehrere Eingaben verteilt werden?
ohne die Verarbeitung dieser Inputs über die Zeit zu trennen? Ich verstehe, wie ein einzelner Gewichtswert geteilt werden kann.
(d.h. es gibt nur einen Satz physikalischer Bits, die den Wert enthalten), aber die Transistorlogik, die dieses Gewicht mit einem
Eingangssignal, um den Ausgang zu erzeugen, der ein Neuron speist, kann nicht gleichzeitig mehrere Eingänge verarbeiten. Definieren Sie
eine physikalische Synapse nur durch die Bits des Speichers, die den Gewichtswert speichern, und nicht durch die Transistorlogik, die kombiniert wird.
das Gewicht mit einer Eingabe?
Unabhängig von der Antwort auf die obige Frage, können Sie die Netzwerkdefinition angeben, die die Berechnung unterstützt.
von 10B äquivalenten Synapsen? Basierend auf der Behauptung, dass die gleiche Hardware zwischen Synapsen und Synapsen wiederverwendet werden kann.
Neuronen, gehe ich davon aus, dass es auch eine andere Netzwerkdefinition gibt, die 1,2 Mio. Neuronen liefert (wobei durch "Netzwerk").
Definition" meine ich so etwas wie die Tabellen, die die Schichten in den Folien 9 und 10 von Kris' Präsentation auflisten). Einer von beiden der beiden
Diese Netzwerkdefinitionen wären sehr hilfreich, um die physischen Ressourcen in Akida und ihren Zusammenhang mit der
die beworbenen Nummern.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 11:20 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich werde auf die Frage nach dem Unterschied zwischen Ihrer und unserer Kalkulation zurückkommen.
Die Synapsen und Neuronen werden nicht in ähnlicher Weise gemultiplext wie ein Mikroprozessorkern nicht gemultiplext; die ALU ist
immer wieder verwendet, um Operationen auf Werte im Speicher durchzuführen, aber man würde nicht sagen, dass es gemultiplext ist.
du? Einige Prozessoren haben bis zu 48 solcher Rechenkerne. Dies ist kein genauer Vergleich, aber es gibt Ihnen einige Informationen.
Idee. Unser neuronaler Kern ist ein "Spike-Prozessor" Da Akida Spike bedeutet, denke ich, dass das eine sehr gute Beschreibung ist. Alles, was wir tun
do ist von Natur aus ereignisbasiert, sogar unsere Faltungsmodi.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Donnerstag, 16. Mai 2019 12:14 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
OK, vielleicht ist das nur ein Missverständnis von Definitionen. Wir können es stattdessen Serialisierung oder Pipelining nennen. Egal
wie Sie es nennen, werden eine Reihe von Eingängen aufgebrochen und einem einzelnen Hardwareblock seriell statt parallel zugeführt. Ich bin
jetzt hören wir Sie sagen, dass dies die Aufgabe der Architektur ist - jede physische Synapse wird seriell für mehrere Spike verwendet.
Eingaben innerhalb einer einzigen Faltungsschicht. Ist das richtig?
Das bedeutet, dass nicht alle Ausgänge der Schicht gleichzeitig bereit sind. Ich habe zuvor danach gefragt und gesagt, dass
"Dazu gehört natürlich auch, dass die nächste Schicht so angesteuert wird, dass sie wartet, bis alle Eingänge eines Knotens bestückt sind.
vor Beginn der Aktivierung auf einem Knoten in dieser Ebene". Ich habe Ihre Antwort so verstanden, dass sie besagt, dass dies falsch war, wenn Sie
Du hast gesagt, dass "Es gibt nie eine Ebene, die auf eine andere Ebene wartet". Vielleicht hast du das so gemeint, während die Eingaben der Ebene
die seriell verarbeitet werden, führt sie noch ihre eigene Verarbeitung der vorherigen Eingaben durch. Es wäre sicherlich sinnvoll, die
Pipeline in diese Richtung. Aber wenn Schicht 7 eine Faltungsschicht ist und Schicht 8 eine vollständig verbundene Schicht ist, dann ist Schicht 8 im Allgemeinen
wird vor Layer 7 fertiggestellt, da Layer 7 mehr Serialisierung hat - es benötigt mehr Zeit, um im Austausch für weniger zu sorgen.
Hardware. Es müsste also eine Art Gating geben, das die nächste Pipelinestufe auf Schicht 8 nicht startet, bis alle
die notwendigen Ausgänge wurden in Schicht 7 berechnet, um als Eingänge für Schicht 8 zu dienen. Um das klarzustellen, ich glaube nicht, dass es da etwas gibt.
ein Problem mit diesem Ansatz. Ich denke, es macht Sinn und ist definitiv ein vernünftiger Weg, um Hardware-Ressourcen zu reduzieren durch
sie gegen eine zusätzliche Latenz einzutauschen. Das Problem ist, dass ich Ihre bisherigen Mitteilungen als eine Spezifizierung verstanden habe.
dass jede Schicht alles parallel macht. Aber vielleicht lag das einfach an einem Missverständnis darüber, was jeder von ihnen getan hat.
uns gemeint mit "Multiplexing".
Wenn dieses Verständnis richtig ist, wobei Faltungsschritte für jeden Filter innerhalb einer Schicht seriell verarbeitet werden, dann ist I
denken, dass mein Verständnis der Beziehung zwischen einer physischen Synapse und einer gleichwertigen Synapse löst.
Mit freundlichen Grüßen, Travis
Von: Peter
Gesendet: Donnerstag, 16. Mai 2019 16:58 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich kann Ihre Fragen nicht wirklich beantworten, ohne zu viel von der Architektur des Chips zu enthüllen. Ich sagte, dass die ALU-
Prozessorbeispiel ist kein genauer Vergleich und ich denke, Sie gehen mit der Analogie zu weit. Vergiss nicht, das ist das hier.
Hardware, wobei wir entscheiden, was parallel läuft, und dass Synapsen mit mehreren Neuronen verbunden werden können. Ihr
Annahmen sind nicht korrekt, aber ich kann nicht mehr offenbaren. Sie können die Patente einsehen, sobald sie in ~18 veröffentlicht sind.
Monate.
Alle Ausgaben der Schicht sind innerhalb der gleichen Zeitspanne bereit, die durch die Länge eines Spike-Pakets bestimmt wird. Die
Design ist hochgradig optimiert.
Leider kann ich nicht mehr über das Hardware-Design sagen, bis unsere Patente abgeschlossen sind.
Experimentieren Sie, um 1,2 Mio. Neuronen und 10B-Synapsen auf dem Chip anzupassen:
1.2M Neuronen.
Wir haben ein 40-lagiges Netzwerk mit Faltungskernen mit 16 x 16 x 128 Eingängen definiert. Die Filterabmessungen betragen 3 x 3 x 3 x 128,
so dass die Anzahl der physikalischen Neuronen 16 x 16 x 128 = 32.768 mit 128 x 3 x 3 x 3 x 128 = 147.456 physikalischen Gewichten ist. Die
Netzwerk hat 40 Schichten mit gleichen Abmessungen. Gesamtäquivalente Synapsen = 128 x 3 x 3 x 3 x 16 x 16 x 16 x 128 = 37.748.736.
Physikalische Neuronen = 32.768 x 40 Schichten = 1,3M
10B äquivalente Synapsen.
Wir haben ein 67-Lagen-Netzwerk mit Faltungskernen mit 32 x 32 x 128 Eingängen definiert. Die Filterabmessungen betragen 3 x 3 x 3 x 128,
so dass die Anzahl der physikalischen Neuronen 16 x 16 x 128 = 32.768 mit 128 x 3 x 3 x 3 x 128 = 147.456 physikalischen Gewichten ist. Die
Netzwerk hat 67 Schichten mit gleichen Abmessungen. Gesamtäquivalente Synapsen = 128 x 3 x 3 x 3 x 32 x 32 x 32 x 128 = 150.994.944
äquivalente Synapsen pro Schicht. 67 Schichten = 10B Synapsen oder 147.456 x 67 = 10 Millionen physikalische Synapsen
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 12:30 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich weiß, dass Sie es vermeiden müssen, irgendwelche geschützten Details preiszugeben, aber ich kann einfach nicht sehen, wie man diese in Einklang bringen kann.
Beschreibungen ohne irgendeine Art von Multiplexing Serialisierung. Es muss einen Weg geben, dies zu erklären, der nicht bedeutet.
das IP-Risiko.
Die Berechnungen für die Anzahl der physikalischen Synapsen entsprechen direkt einer Synapse pro Filtergewicht, und Sie haben
machte deutlich, dass dies die richtige Interpretation ist. Dadurch entsteht ein One-to-One-Mapping zwischen physikalischen Synapsen und der
Filtergewichte. Um die volle Faltung mit jedem Filter durchführen zu können, müssen die Filtergewichte auf den
entsprechende Teilmenge von Eingängen auf jedem Schritt, und alle Schritte müssen abgeschlossen sein, um alle Eingänge abzudecken und die Ausgänge zu erzeugen. Aber wenn es nur eine physikalische Synapse pro Filtergewicht gibt, ist es nicht möglich, dass diese physikalischen Synapsen
Synapsen, um mehr als einen einzelnen Rechenschritt auf einmal zu erreichen. Gibt es eine Serialisierung innerhalb jeder Schicht?
Was kann man sagen, um mich in die richtige Richtung zu lenken?
Vielen Dank für die Bereitstellung der Netzwerkdefinitionen, die zur Generierung der 1,2M Neuronen- und 10B-Synapsenzahlen verwendet werden. I
haben auch die Zahlen basierend auf Ihrer Beschreibung ausgeführt und stimmen zu, dass das erste Netzwerk zu 1,3 Mio. Neuronen führt und dass
das zweite Netzwerk führt zu 10.1B äquivalenten Synapsen und 9.9M physikalischen Synapsen. Allerdings ist das zweite Netzwerk auch für die
benötigt 8,8 Mio. Neuronen mit der gleichen Berechnungsmethode. Sie haben bereits erklärt, dass der 1.2M, der beworben wurde.
Neuronen (eigentlich 1,3 Mio. pro Netzwerk) sind physische Neuronen und stellen das High-End dessen dar, was Akida unterstützen kann.
Wie kann das Netzwerk, das zur Unterstützung der Forderung nach 10B-äquivalenten Synapsen verwendet wird, ein gültiges Beispiel sein, wenn die
Die benötigten Neuronen passen nicht auch?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 7:40 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Die 1,2 Millionen Neuronen, die wir veröffentlicht haben, sind eine Durchschnittszahl. Die Gesamtzahl der Neuronen hängt von der Konfiguration ab.
das Verhältnis von Synapsen zu Neuronen. Im Beispiel haben wir nur 10M physikalische Synapsen, also haben wir viel zu tun.
die Anzahl der Neuronen auf 8,8 Mio. erhöhen. Wir veröffentlichen diese High-End-Zahl nicht, weil es die Leute verwirren würde, aber
dieses Netzwerk passt vollständig auf den Chip. Sie werden das Gleiche sehen, wenn Sie die Berechnungen für MobileNet durchführen, und dass
Netzwerk läuft auch vollständig auf unserem Chip. Wir haben ein funktionierendes Beispiel dafür.
Da das Akida-Design so flexibel ist, ist es möglich, die gleichen Synapsen, die mit verschiedenen Neuronen verbunden sind, wiederzuverwenden. Wir
die Synapsen wiederverwenden, anstatt sie zu multiplexen. Wie das funktioniert, ist unser Geschäftsgeheimnis. In einem Fall sind die Synapsen folgende
verbunden mit Filter #1, der nächste mit Filter #2. Wenn du das Multiplexen nennen möchtest, dann ist das für mich in Ordnung, aber diese gleichen
Synapsen sind mit einem einzigen Neuron in einer dichten Schicht verbunden, so dass es keinen traditionellen Multiplexer wie in Ihrem Diagramm gibt.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 9:36 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
OK, schauen wir uns dieses zweite Netzwerk genauer an (nennen wir es 10BNet). Gemäß der etablierten Berechnungsmethodik wird diese
Netzwerk verwendet 9.879.552 Hardware-Synapsen und 8.781.824 Hardware-Neuronen. Und jedes Neuron integriert die Ausgänge.
aus 1152 Synapsen (d.h. ein Neuron pro Schritt des 3x3x128 Filters). Erstens, sind alle diese Zahlen korrekt?
In Ihrem zweiten Absatz unten geben Sie an, dass Synapsen zwischen Filtern geteilt werden. Das ist eine Möglichkeit, die wir haben.
noch nicht besprochen und ich kann völlig schätzen, wie das funktionieren würde, wenn die Gewichte im Voraus bekannt sind (d.h. wenn
Umstellung von vortrainierten Netzwerken). Aber die Berechnungsmethodik, die wir etabliert haben, macht das nicht aus.
Annahme. Jeder Hinweis aus den vorherigen E-Mails ist, dass ich die Anzahl der Hardware-Neuronen und Hardware berechnen kann.
Synapsen, die genau den Zahlen entsprechen, die Sie (oder Kris) melden. Wenn das Netzwerk Synapsen über Filter hinweg teilt, um einen vollständig parallelen Betrieb zu realisieren, wie stimmen dann unsere Anzahl der Hardware-Entitäten überein, wenn die Berechnung nicht den
Teilen von Synapsen über Filter hinweg?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 10:05 Uhr
An: Travis
Betreff: FW: Deine Fragen
Travis
1. Kris hat dieses Netzwerk mit 10B-Synapsen auf unserer aktuellen internen Plattform implementiert, und es passt zum Chip. Also ja,
diese Zahlen sind korrekt. Außerdem haben wir eine Demo von MobileNet, die auch weit über 5M Neuronen verwendet und
es passt komplett auf unseren Chip.
2. Sie haben Recht, derselbe Filter wird auf die Daten angewendet. Ich habe den Fehler heute Morgen früh gemacht (noch nicht wach).
annehmen), das nächste Neuron als einen neuen Filter zu betrachten, aber das ist ein Fehlername.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 11:05 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich verstehe nicht, wie sich Ihre Antwort in Nr. 2 auf meine Frage bezieht, aber wir können das vorerst beiseite legen.
Ihre Antwort auf #1 bringt mich zurück zu der anfänglichen Sorge, die ich vorgebracht habe, als ich über die Transistoren nachdachte, die erforderlich sind, um
den Chip zu implementieren. Mit dieser 10BNet-Implementierung haben wir nun ein Netzwerk definiert, das 8.8M-Hardware verwendet.
Neuronen, wobei jedes Neuron die Ausgaben von 1152 Synapsen integriert. Auch wenn wir jedem nur einen Transistor zuweisen.
synaptischen Input zu jedem Neuron, um die Integration zu implementieren, benötigen wir 10 Milliarden Transistoren. Noch realistischer ist, dass die
Anzahl ist tatsächlich wesentlich größer. Was ist das Grundprinzip, das es Akida ermöglicht, die enorme Ressource zu vermeiden?
Anforderungen, die dies mit sich bringt? Wie immer schätze ich, dass es proprietäre Elemente in der Datenbank geben kann.
Erklärung, also suche ich nur nach einer abstrakten Erklärung, die dies sinnvoll machen kann. Danke.
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 11:55 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Ich kann nicht auf diesen Detaillierungsgrad eingehen. Eliminieren Sie die Idee eines Transistors für jede Synapse (, die nicht funktioniert, insbesondere
da Synapsen entweder 1bit, ternär, 2bit oder 4bit) sind und denken Sie weit über den Tellerrand hinaus. Socionext hat unser Design und sie haben es.
haben uns nicht gesagt, dass es unmöglich ist. Nicht nur das, wir haben ein FPGA und Demos, um unseren Standpunkt zu beweisen. Wir verraten nicht unsere
geheime Sauce für jeden.
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 12:29 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Peter,
Ich kann versichern, dass ich definitiv nicht versuche, irgendwelche Geheimnisse zu extrahieren. Es tut mir leid, wenn es so kommt. Ich versuche nur.
um die Ansprüche zu verstehen und ich würde mich über jede Erklärung freuen, die das tun könnte, unabhängig davon, wie abstrakt oder
detailliert ist es.
Um ganz ehrlich zu sein, fühle ich mich jetzt weniger zuversichtlich als zu Beginn dieser Untersuchung und ich bin mir nicht sicher, wie ich das machen soll.
das an dieser Stelle zu lösen. Wärst du offen für eine NDA? Oder gibt es etwas, das in der Akida-Entwicklung enthalten ist?
Ein Umfeld, das Aufschluss über diese Themen geben würde?
Mit freundlichen Grüßen
Travis
Von: Peter
Gesendet: Freitag, 17. Mai 2019 16:56 Uhr
An: Travis
Betreff: RE: Ihre Fragen
Travis,
Sie können eine Anfrage für das ADE stellen. Es gibt Beispiele für die Netzwerke, die vollständig auf den Chip passen. Es funktioniert mit Kera und
TensorFlow. Sie definieren die Layer und die Art der Layer, die Sie in einer YAML-Datei benötigen, grundsätzlich ohne Programmierung.
um das Netzwerk zu definieren. Das ADE ist kostenlos. Die nächste Version wird dir die Anzahl der Neuronen, Synapsen und die Gesamtleistung liefern.
Drain - denken Sie daran, dass das gesamte Netzwerk auf unserem Chip läuft und nicht nur der MAC funktioniert wie andere Chips, die behaupten.
um neuronale Prozessoren zu sein.
Das ADE ist verschlüsselt, um sicherzustellen, dass niemand Zugang zu unserer Technologie hat, die exklusiv bei BrainChip eingesetzt wird. Sie benötigen eine
Schlüssel, um das Paket zu installieren. Sind Sie mit Python- und Jupyter-Notebooks vertraut?
Dies ist ein Bild aus der Dokumentation, das zeigt, was sich in jedem Kern befindet: Es kann Ihnen Fragen beantworten, wenn Sie bedenken, dass jeder Kern SRAM verteilt hat.....
Mit freundlichen Grüßen
Peter
Von: Travis
Gesendet: Freitag, 17. Mai 2019 17:15 Uhr
An: Peter
Betreff: RE: Ihre Fragen
Danke Peter. Ich habe einen neuen Antrag auf eine ADE-Lizenz über das Kontaktformular auf der Website gestellt. Hoffentlich
etwas da drin wird helfen, Antworten zu geben.
Mit freundlichen Grüßen
Travis
Antwort auf Beitrag Nr.: 60.657.035 von H2OAllergiker am 25.05.19 02:26:19Ich denke so Wie Sie Es JETZT machen, mit Ihren Threads, ist vom Prinzip GENAU RICHTIG.
EIGENES Ding, LINIE haben, informierend, DRANbleiben, DURCHziehen. Usw.
Aber wissen Sie Was Der Witz ist???
Jetzt Wo Sie Das, so, machen: Bräuchten Sie, m.E., "(Die) Andere(n)" User -weitestgehend- gar nicht mehr, RIGHT???
Sie könnten Das Ding im PRINZIP ALLEINE;
ohne "Virtualöffentlichkeit";
durchziehen.
?
?
?
EIGENES Ding, LINIE haben, informierend, DRANbleiben, DURCHziehen. Usw.
Aber wissen Sie Was Der Witz ist???
Jetzt Wo Sie Das, so, machen: Bräuchten Sie, m.E., "(Die) Andere(n)" User -weitestgehend- gar nicht mehr, RIGHT???
Sie könnten Das Ding im PRINZIP ALLEINE;
ohne "Virtualöffentlichkeit";
durchziehen.
?
?
?
Genau das ist es,
Sie aber auch?
W
ist für mich der Cloudersatz.
Hier habe ich alles in Reichweite, ist einfacher für mich, und auch eine Bequemlichkeits/Gewohnheitssache.
Aber wenn man anderen helfen , mit Input versorgen kann, ist es noch besser,
ohne dafür eine Gegenleistung zu erwarten.
Auch wenn es in die Hose gehen könnte.
Sie verfahren ja auch so
Sie aber auch?
W
ist für mich der Cloudersatz.Hier habe ich alles in Reichweite, ist einfacher für mich, und auch eine Bequemlichkeits/Gewohnheitssache.
Aber wenn man anderen helfen , mit Input versorgen kann, ist es noch besser,
ohne dafür eine Gegenleistung zu erwarten.
Auch wenn es in die Hose gehen könnte.
Sie verfahren ja auch so
Wir könnten "Art Deal" machen.
IF you warnt.
Sie versorgen Mich zu A3D.
1:1, MailPost.
Und auch bisschen Informationen Was "nicht nur in Press Releases drinsteht".
Wenn Sie mit Denen mal Schriftverkehr haben SOLLTEN z.B. (.)
What MAY to expect NEXT (Time).
Sooooolche Sachen.
Ich versorg Sie Dafür mit Was Anderem.
Was, wird noch geguckt/abgemacht.
Ich habe So Was Ähnliches mit "Div. Verschiedenen" Leuten laufen.
Ist WIE mit der ---->FREU<----de:
Das EINZIGE Was sich verDOPPELT, wenn man Es TEILT!
GOT it???
On TOP könn(---->T<----)en Wir1mal säen, ob Es Sinn macht sich "vielleicht Zusammen an Archer Ex.(hat schon wieder 'ne Neue) ranzusetzen".
Mal buddeln.
+die Leichen RAUSholen.
Also, ---->HIER<---- 5 €.
Ihre Seele, BITTE.
DEAL?????
IF you warnt.
Sie versorgen Mich zu A3D.
1:1, MailPost.
Und auch bisschen Informationen Was "nicht nur in Press Releases drinsteht".
Wenn Sie mit Denen mal Schriftverkehr haben SOLLTEN z.B. (.)
What MAY to expect NEXT (Time).
Sooooolche Sachen.
Ich versorg Sie Dafür mit Was Anderem.
Was, wird noch geguckt/abgemacht.
Ich habe So Was Ähnliches mit "Div. Verschiedenen" Leuten laufen.
Ist WIE mit der ---->FREU<----de:
Das EINZIGE Was sich verDOPPELT, wenn man Es TEILT!
GOT it???
On TOP könn(---->T<----)en Wir1mal säen, ob Es Sinn macht sich "vielleicht Zusammen an Archer Ex.(hat schon wieder 'ne Neue) ranzusetzen".
Mal buddeln.
+die Leichen RAUSholen.
Also, ---->HIER<---- 5 €.
Ihre Seele, BITTE.
DEAL?????
Antwort auf Beitrag Nr.: 60.657.055 von H2OAllergiker am 25.05.19 03:20:15What do You SAAAAAY?????
Ja, DEAL, aber ohne meine Seele! Nur mit meinem Verstand.
Da lege ich allerallergrößten Wert drauf!
Da lege ich allerallergrößten Wert drauf!
https://ir.brainchipinc.com/press-releases/detail/75/brainch…
BrainChip Announces the Availability of Advanced AI Intellectual Property
May 28, 2019
The AkidaTM Neural Processing Core is now available to license for integration within Application Specific Integrated Circuits
Event-Based Spiking Neural Processing Core (NPC) is now available as an Intellectual Property Block
Development Environment is available to support early customer adoption
Intellectual Property includes multiple training modes, inference and unsupervised learning for ASIC designs
San Francisco, California – 28 May 2019: BrainChip Holdings Ltd (ASX: BRN), the leading AI EDGE company, today announced the availability of the Company’s Akida Neural Processing Core (“NPC”) as intellectual property available for licensing. This introduction marks a major development in the Company’s market presence.
Brain Chip
The Akida NPC is now available to license as an IP block for incorporation into ASICs provided by semiconductor suppliers developing Artificial Intelligence enabled “Edge” devices. Applications at the edge include intelligent environmental controls, driver safety monitoring, vehicle safety and preventative maintenance, medical image classification, wearable health monitors, retail item recognition, access control, the industrial Internet-of-Things (IoT) and acoustic analysis.
The Akida NPC is a first-in-kind solution for ASIC integration and provides unprecedented performance, configurability, low power and small size. Validation of the Akida NPC is available with the Akida Development Environment (ADE) which fully simulates the Akida NPC size, performance and power and can be verified in a Field Programmable Gate Array.
The introduction of the Akida NPC marks a significant advancement in the Company’s market penetration strategy.
The need for a low power, high performance neural network to incorporate artificial intelligence into ASICs is a pressing concern for suppliers targeting edge applications and represents a large and growing opportunity for the Company.
The Company’s business model is multi-fold and includes:
Akida NPC as an IP Block to semiconductor companies that develop ASICs which include a wide variety of additional functions.
Akida as a device, a FlipChip 368 Ball Grid Array (BGA) through direct sales and global channel partners. The Akida device is a fully integrated neural network with no external CPU required to run the network targeted at edge applications.
Akida as a USB dongle, for use in development environments and remote Cybersecurity applications through online sales and global channel partners.
Akida on a reference board for the development of products and IP integration. The reference board can be used as a stand-alone neural network processor or in combination with a host computer and the ADE through a USB3.0 port.
The Akida NPC IP is modular, flexible, small and operates at unprecedented power levels depending on the processing demands of the application. The client’s entire neural network is running within the Akida neural fabric (this differs from so-called ‘accelerators’, which only perform fast multiplications and additions). Suppliers of smart sensors represent significant opportunities for early adopters to integrate the Akida NPC.
Linley Gwennap, principal analyst of The Linley Group, commented, “Spiking neural networks offer unique advantages over traditional AI models. By offering new levels of power efficiency and area efficiency, this approach is well suited to smart edge devices. An IP solution is essential for customers adding AI capability to high-volume SoC-based devices. Over the next few years, I expect a significant shift in AI processing from the data center to the edge."
Peter van der Made, BrainChip Founder and CTO commented, “From the start, our goal has been to build a revolutionary integrated circuit which brings artificial intelligence to edge devices, and to provide our intellectual property on a licensed basis to the world. The small size, high performance, low power and reconfigurable nature of the Akida IP provides ASIC integrators with a unique solution for incorporation into their products over multiple generations and serves to improve their ASIC performance. I believe that we have the right solution at the right time. The market is ready for Artificial Intelligence in edge devices.”
BrainChip Announces the Availability of Advanced AI Intellectual Property
May 28, 2019
The AkidaTM Neural Processing Core is now available to license for integration within Application Specific Integrated Circuits
Event-Based Spiking Neural Processing Core (NPC) is now available as an Intellectual Property Block
Development Environment is available to support early customer adoption
Intellectual Property includes multiple training modes, inference and unsupervised learning for ASIC designs
San Francisco, California – 28 May 2019: BrainChip Holdings Ltd (ASX: BRN), the leading AI EDGE company, today announced the availability of the Company’s Akida Neural Processing Core (“NPC”) as intellectual property available for licensing. This introduction marks a major development in the Company’s market presence.
Brain Chip
The Akida NPC is now available to license as an IP block for incorporation into ASICs provided by semiconductor suppliers developing Artificial Intelligence enabled “Edge” devices. Applications at the edge include intelligent environmental controls, driver safety monitoring, vehicle safety and preventative maintenance, medical image classification, wearable health monitors, retail item recognition, access control, the industrial Internet-of-Things (IoT) and acoustic analysis.
The Akida NPC is a first-in-kind solution for ASIC integration and provides unprecedented performance, configurability, low power and small size. Validation of the Akida NPC is available with the Akida Development Environment (ADE) which fully simulates the Akida NPC size, performance and power and can be verified in a Field Programmable Gate Array.
The introduction of the Akida NPC marks a significant advancement in the Company’s market penetration strategy.
The need for a low power, high performance neural network to incorporate artificial intelligence into ASICs is a pressing concern for suppliers targeting edge applications and represents a large and growing opportunity for the Company.
The Company’s business model is multi-fold and includes:
Akida NPC as an IP Block to semiconductor companies that develop ASICs which include a wide variety of additional functions.
Akida as a device, a FlipChip 368 Ball Grid Array (BGA) through direct sales and global channel partners. The Akida device is a fully integrated neural network with no external CPU required to run the network targeted at edge applications.
Akida as a USB dongle, for use in development environments and remote Cybersecurity applications through online sales and global channel partners.
Akida on a reference board for the development of products and IP integration. The reference board can be used as a stand-alone neural network processor or in combination with a host computer and the ADE through a USB3.0 port.
The Akida NPC IP is modular, flexible, small and operates at unprecedented power levels depending on the processing demands of the application. The client’s entire neural network is running within the Akida neural fabric (this differs from so-called ‘accelerators’, which only perform fast multiplications and additions). Suppliers of smart sensors represent significant opportunities for early adopters to integrate the Akida NPC.
Linley Gwennap, principal analyst of The Linley Group, commented, “Spiking neural networks offer unique advantages over traditional AI models. By offering new levels of power efficiency and area efficiency, this approach is well suited to smart edge devices. An IP solution is essential for customers adding AI capability to high-volume SoC-based devices. Over the next few years, I expect a significant shift in AI processing from the data center to the edge."
Peter van der Made, BrainChip Founder and CTO commented, “From the start, our goal has been to build a revolutionary integrated circuit which brings artificial intelligence to edge devices, and to provide our intellectual property on a licensed basis to the world. The small size, high performance, low power and reconfigurable nature of the Akida IP provides ASIC integrators with a unique solution for incorporation into their products over multiple generations and serves to improve their ASIC performance. I believe that we have the right solution at the right time. The market is ready for Artificial Intelligence in edge devices.”
Last
7.0¢ Change
0.026(59.1%) Mkt cap
!
$46.19M
Open High Low Value Volume
5.4¢ 10.5¢ 5.4¢ $11.79M 152.2M
7.0¢ Change
0.026(59.1%) Mkt cap
!
$46.19M
Open High Low Value Volume
5.4¢ 10.5¢ 5.4¢ $11.79M 152.2M
https://ir.brainchipinc.com/press-releases/detail/80/brainch…
BrainChip Introduces a Powerful Neural Network Converter
Download as PDF
June 11, 2019
Create Low-Power, High Performance Event-Based Networks from Existing Convolutional Neural Networks
Landmark innovation in Neural Network design enables the next generation of AI Edge devices
Convert existing Convolutional Neural Networks to high performance, low power event-based Spiking Neural Networks
Utilize Industry Standard Neural Network Development Flows in a unified environment and reduce computational overhead
SAN FRANCISCO, June 11, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (ASX: BRN), the leading AI Edge company, today announced the availability of the Company’s powerful neural network converter which enables users to easily convert existing convolutional neural networks (CNNs) to an Akida compatible event-based spiking neural network (SNN). The converter is integrated with the Akida Development Environment (ADE) to provide network conversion and simulation.
This unified flow represents the world’s first commercially available development environment enabling both CNN and SNN implementations on the same hardware device while maintaining the inherent performance and power benefits of event-based neural networks. Users can achieve higher performance with a native SNN and faster time-to-market by using the CNN to SNN converter and the ADE.
The new CNN to SNN conversion flow is designed for ease of use and utilizes standard text files. Users can implement many CNN architectures targeted at edge applications such as image processing, anomaly detection, ADAS, robotics, and key word spotting. The conversion maintains near full accuracy with increased performance while eliminating neural network computational overhead. Post-conversion, the entire network is executed within the neural fabric of the Akida chip, which means that the host computational requirements of the neural network are eliminated. The host delivers the data to the chip and retrieves the results.
The conversion flow takes an input as a standard CNN description which the user modifies through a logical process to Akida compatible layers. The modified network description is then processed through standard quantization and training.
To optimize performance, the ADE supports programmable multiple bit-widths including binary, ternary and 4-bit for both weights and activations in each network layer. Once the final network configuration is achieved, the resulting Akida compatible network description is output in industry standard .yml and .dat files. These files are run in the Akida emulation environment to generate performance information from the Akida device.
The Akida development environment including the CNN to SNN conversion capability is available today in beta release and is scheduled for general release in the third quarter of 2019. Upon request, the Company will provide detailed information about the performance of the Akida platform on industry standard benchmarks as well as novel implementations for Edge devices.
Roger Levinson, BrainChip COO commented, “The low power inherent in the Akida device will set a new standard in neural network design, implementation and performance. With no barriers to utilizing the Akida platform, Edge solution developers will have their cake and eat it too. They can leverage existing CNN solutions as well as incorporate next generation SNN solutions all in a single development environment and on a single device and achieve a low power solution without sacrificing performance.”
About BrainChip Holdings Ltd (ASX: BRN)
BrainChip Holdings Ltd is a leading provider of neuromorphic computing solutions, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary and proprietary new event driven neural network technology can learn autonomously, evolve and associate information just like the human brain. The proprietary technology is fast, completely digital and consumes very low power. The Company provides hardware focused solutions that address high-performance requirements in civil surveillance, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchip.ai
Company Contact:
Roger Levinson, COO
++++++++
Roger übernimmt langsam das Ruder,
dem Mann traue ich viel zu
ich bin nebenbei Facereader...
BrainChip Introduces a Powerful Neural Network Converter
Download as PDF
June 11, 2019
Create Low-Power, High Performance Event-Based Networks from Existing Convolutional Neural Networks
Landmark innovation in Neural Network design enables the next generation of AI Edge devices
Convert existing Convolutional Neural Networks to high performance, low power event-based Spiking Neural Networks
Utilize Industry Standard Neural Network Development Flows in a unified environment and reduce computational overhead
SAN FRANCISCO, June 11, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (ASX: BRN), the leading AI Edge company, today announced the availability of the Company’s powerful neural network converter which enables users to easily convert existing convolutional neural networks (CNNs) to an Akida compatible event-based spiking neural network (SNN). The converter is integrated with the Akida Development Environment (ADE) to provide network conversion and simulation.
This unified flow represents the world’s first commercially available development environment enabling both CNN and SNN implementations on the same hardware device while maintaining the inherent performance and power benefits of event-based neural networks. Users can achieve higher performance with a native SNN and faster time-to-market by using the CNN to SNN converter and the ADE.
The new CNN to SNN conversion flow is designed for ease of use and utilizes standard text files. Users can implement many CNN architectures targeted at edge applications such as image processing, anomaly detection, ADAS, robotics, and key word spotting. The conversion maintains near full accuracy with increased performance while eliminating neural network computational overhead. Post-conversion, the entire network is executed within the neural fabric of the Akida chip, which means that the host computational requirements of the neural network are eliminated. The host delivers the data to the chip and retrieves the results.
The conversion flow takes an input as a standard CNN description which the user modifies through a logical process to Akida compatible layers. The modified network description is then processed through standard quantization and training.
To optimize performance, the ADE supports programmable multiple bit-widths including binary, ternary and 4-bit for both weights and activations in each network layer. Once the final network configuration is achieved, the resulting Akida compatible network description is output in industry standard .yml and .dat files. These files are run in the Akida emulation environment to generate performance information from the Akida device.
The Akida development environment including the CNN to SNN conversion capability is available today in beta release and is scheduled for general release in the third quarter of 2019. Upon request, the Company will provide detailed information about the performance of the Akida platform on industry standard benchmarks as well as novel implementations for Edge devices.
Roger Levinson, BrainChip COO commented, “The low power inherent in the Akida device will set a new standard in neural network design, implementation and performance. With no barriers to utilizing the Akida platform, Edge solution developers will have their cake and eat it too. They can leverage existing CNN solutions as well as incorporate next generation SNN solutions all in a single development environment and on a single device and achieve a low power solution without sacrificing performance.”
About BrainChip Holdings Ltd (ASX: BRN)
BrainChip Holdings Ltd is a leading provider of neuromorphic computing solutions, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary and proprietary new event driven neural network technology can learn autonomously, evolve and associate information just like the human brain. The proprietary technology is fast, completely digital and consumes very low power. The Company provides hardware focused solutions that address high-performance requirements in civil surveillance, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchip.ai
Company Contact:
Roger Levinson, COO
++++++++
Roger übernimmt langsam das Ruder,
dem Mann traue ich viel zu
ich bin nebenbei Facereader...
Deutschland wacht auf, kommt chon da morgen was?
Meine Nase wittert kurzfristig irgend etwas, das Chartbild meint das ebenso:
Wird Socionext den Chip bauen können und sich auch beteiligen?
https://www.lifehacker.com.au/2019/06/ai-at-the-edge-is-the-…
AI At The Edge Is The Next Major Technology Shift
Anthony Caruana
Jun 14, 2019
AI is emerging as one of the most important technologies we need to track. From managing our homes and autonomous cars to detecting and reacting to cyber threats, making decisions about where to spend money or even determine prison sentences, AI is the pivotal technology. Dr Chang Huang, the founder of Horizon Robotics kicked of day of CES Asia saying that AI applications and edge computing are combining to create a new model for how tech is deployed.
While 5G and cloud computing have dominated headlines over recent year years, they have a significant challenge. No matter how fast the cloud servers are and the 5G can transmit and receive, latency is still a major issue. To put that in some context, Huang said that 2000 autonomous cars generate as much data as all humanity did in 2015. There's simply no way split second decisions and actions can be executed on the cloud.
What is required, said Huang, is a high availability platform with low latency and that can comply with data privacy and security regulations. Edge computing devices. can fit the bill.
For example, in a car, a processing unit can receive the data from sensors, process it and complete an actions without relying on a data network. Data that is useful to the collective can be redacted at the edge and sent to the cloud at a time when latency is not a concern. This is also potentially less expensive than the cloud.
The cost, both financial and environmental, of cloud computing is something the IT industry will need to contend with soon said Huang. With cloud computing already producing more greenhouse emissions than the airline industry, low cost and low power edge devices can reduce the load on cloud data centres. Huang says there's a social responsibility on developers to ensure they use resources as efficiently as possible.
There is a trade-off though said Huang. Cloud services are useful when there are lots of different data inputs and there's a need for lots of computing power. For example, when creating new AI processing models. But edge computers are optimised for specific scenarios. In a home, an edge computer could be used to control a climate control system. But if an unseasonal weather change comes, then a new model could be developed on the cloud and sent to the edge device.
Those who gave been in the IT game for a while understand the elasticity of various trends. We went from mainframes and time-sharing to client-server. Then we shifted to the cloud and subscriptions (sounds a lot like centralised computing and pay-as-you-use, or time-sharing, to me). Now we're pulling back to hybrid IT and edge computing where more processing power is at the point of use.
++++++++++++++++++++++++
Ich bin fast schon davon überzeugt,
dass, wenn das Management in Zukunft alles richtig macht, BRN langfr. in eine einstellige Milliardenbewertung reinwächst.
Es spricht vieles dafür, dass sie technologisch führend sind, und dass ihre Techn. sehr bald gebraucht wird.
Mir scheint fast, dass einige der Managementschnitzer der Vergangenheit bewusst unter einem gewissen Risiko gemacht wurden, um...
a) die Konkurrenz zu täuschen, sich kleiner und zurückgebliebener zu machen als man in Wahrheit ist,
b) um den nächsten nötigen Geldgeber noch eine billige Einladung zu geben
Aber das sind nur reine Vermutungen, die ich früher bei anderen Aktien öfters mal hatte - grundlos natürlich , da Greenhorn...
Mal sehen, was da am Ende übrig bleibt von meinen Vermutungen.
Vorerst wäre jedenfalls alles unter Tenbagger (vom Tief aus) eine Enttäuschung.
Meine Nase wittert kurzfristig irgend etwas, das Chartbild meint das ebenso:
Wird Socionext den Chip bauen können und sich auch beteiligen?
https://www.lifehacker.com.au/2019/06/ai-at-the-edge-is-the-…
AI At The Edge Is The Next Major Technology Shift
Anthony Caruana
Jun 14, 2019
AI is emerging as one of the most important technologies we need to track. From managing our homes and autonomous cars to detecting and reacting to cyber threats, making decisions about where to spend money or even determine prison sentences, AI is the pivotal technology. Dr Chang Huang, the founder of Horizon Robotics kicked of day of CES Asia saying that AI applications and edge computing are combining to create a new model for how tech is deployed.
While 5G and cloud computing have dominated headlines over recent year years, they have a significant challenge. No matter how fast the cloud servers are and the 5G can transmit and receive, latency is still a major issue. To put that in some context, Huang said that 2000 autonomous cars generate as much data as all humanity did in 2015. There's simply no way split second decisions and actions can be executed on the cloud.
What is required, said Huang, is a high availability platform with low latency and that can comply with data privacy and security regulations. Edge computing devices. can fit the bill.
For example, in a car, a processing unit can receive the data from sensors, process it and complete an actions without relying on a data network. Data that is useful to the collective can be redacted at the edge and sent to the cloud at a time when latency is not a concern. This is also potentially less expensive than the cloud.
The cost, both financial and environmental, of cloud computing is something the IT industry will need to contend with soon said Huang. With cloud computing already producing more greenhouse emissions than the airline industry, low cost and low power edge devices can reduce the load on cloud data centres. Huang says there's a social responsibility on developers to ensure they use resources as efficiently as possible.
There is a trade-off though said Huang. Cloud services are useful when there are lots of different data inputs and there's a need for lots of computing power. For example, when creating new AI processing models. But edge computers are optimised for specific scenarios. In a home, an edge computer could be used to control a climate control system. But if an unseasonal weather change comes, then a new model could be developed on the cloud and sent to the edge device.
Those who gave been in the IT game for a while understand the elasticity of various trends. We went from mainframes and time-sharing to client-server. Then we shifted to the cloud and subscriptions (sounds a lot like centralised computing and pay-as-you-use, or time-sharing, to me). Now we're pulling back to hybrid IT and edge computing where more processing power is at the point of use.
++++++++++++++++++++++++
Ich bin fast schon davon überzeugt,
dass, wenn das Management in Zukunft alles richtig macht, BRN langfr. in eine einstellige Milliardenbewertung reinwächst.
Es spricht vieles dafür, dass sie technologisch führend sind, und dass ihre Techn. sehr bald gebraucht wird.
Mir scheint fast, dass einige der Managementschnitzer der Vergangenheit bewusst unter einem gewissen Risiko gemacht wurden, um...
a) die Konkurrenz zu täuschen, sich kleiner und zurückgebliebener zu machen als man in Wahrheit ist,
b) um den nächsten nötigen Geldgeber noch eine billige Einladung zu geben
Aber das sind nur reine Vermutungen, die ich früher bei anderen Aktien öfters mal hatte - grundlos natürlich , da Greenhorn...
Mal sehen, was da am Ende übrig bleibt von meinen Vermutungen.
Vorerst wäre jedenfalls alles unter Tenbagger (vom Tief aus) eine Enttäuschung.
Antwort auf Beitrag Nr.: 60.784.621 von H2OAllergiker am 12.06.19 00:44:44Vorab: Ich habe Nix vor mit Dem Ding.
Aber, kann sein dass OPERATIV mal LANGSAM SPANNEND werden dürfte??
Aber, kann sein dass OPERATIV mal LANGSAM SPANNEND werden dürfte??
Ja, der Chart deutet es an.
Seit dem Spike jeden Tag "sehr hohes" Volumen im einstelligen Millionenbereich im Vergleich zu früher.
8 Cent dürften die geringste Hürde sein, die 10,5c zu reissen dürfte den Weg nach oben öffnen und bald zeigen, ob Pommesbude oder Weltmarktführer in der Nische.
Da läuft derzeit was im Hintergrund, dafür dass in Bälde eine KE ansteht, ist das seltsam.
Starke Umsätze im nä. Jahr könnte man vermuten. Bin hier seit kurzem im Plus.
Seit dem Spike jeden Tag "sehr hohes" Volumen im einstelligen Millionenbereich im Vergleich zu früher.
8 Cent dürften die geringste Hürde sein, die 10,5c zu reissen dürfte den Weg nach oben öffnen und bald zeigen, ob Pommesbude oder Weltmarktführer in der Nische.
Da läuft derzeit was im Hintergrund, dafür dass in Bälde eine KE ansteht, ist das seltsam.
Starke Umsätze im nä. Jahr könnte man vermuten. Bin hier seit kurzem im Plus.
Dieses Bild ist nicht SSL-verschlüsselt: [url]http://bigcharts.marketwatch.com/kaavio.Webhost/charts/big.chart?nosettings=1&symb=AU%3aBRN&uf=0&type=2&size=2&sid=8002631&style=320&freq=7&entitlementtoken=0c33378313484ba9b46b8e24ded87dd6&time=18&rand=1321057643&compidx=&ma=0&maval=9&lf=1&lf2=0&lf3=0&height=335&width=579&mocktick=1
[/url]
Antwort auf Beitrag Nr.: 60.853.540 von H2OAllergiker am 20.06.19 17:10:19
Gratulation.
STAY with It würde sagen.
Zitat von H2OAllergiker: Bin hier seit kurzem im Plus
Gratulation.
STAY with It würde sagen.
Artificial Neural Networks 3D simulation
Hier sieht man den Unterschied der verschiedenen neuronalen Netze.
Ab Minute 2:00 sieht man das SNN/ Spiking Neural Network, wie es bei BRN zum Einsatz kommt.
Kommentare dazu :
Aric Fowler
1 year ago
The spiking network looked like what I'd imagine the brain would do
64
Винни Пух
3 months ago
This is small brain
hyper
2 weeks ago
Exactly. The point of a spiking neural network is to more closely model biological neural networks (brains).
Watch Simon Thorpe give a plenary lecture during the Global Challenges Science Week in Grenoble about "Finding repeating patterns: A key to intelligence in man and machine?"
S. Thorpe ist der Erfinder der JAST - Lernalgorithmen, welche BRN exklusiv nutzt.
Ich habe eben eine Erklärung gefunden, warum immer gesagt wurde, dass wir Menschen bisher max. 10% unseres Gehirns nutzen/ können.
Laut der SNN-Theorie werden nur die gerade aktivierten Spitzen, Neuronen und Synapsen befeuert, was ja den geringen Energieverbauchs des SNN und auch des m. Gehirns erklärt im Gegensatz zu einem DNN/ DeepLearning Ansatz.
Würde alles zugleich parallel arbeiten, hätten wir 100% Nutzung des Gehirns, was mir aber unmöglich erscheint, da unser Gehirn dann statt 25 Watt mind. 250 Watt oder viel mehr verbrauchen würde, woher sollte diese zusätzliche Energie auf natürlichem Wege herkommen?
Und wie sollte das verwaltet werden, es wäre eine Multitaskingfähigkeit ohnesgleichen nötig.
-> siehe Film "Lucy"
Dazu sei verwiesen auf Menschen mit aussergewöhnlichen Fähigkeiten, etwa Nutzer der Chi-Energie zu Heilungszwecken, wie bekannt, müssen die meisten sich danach intensiv erholen.
Es gibt aber bereits Menschen, die das nicht mehr nötig haben, da sie sich - vermutlich über mehrere Leben - geistig angepasst haben und über weitere unbekannte Fähigkeiten verfügen.
Auch hier sind mir diese Menschen persönlich bekannt - etwa Materialisierung - und ich habe im energetischen Bereich ansatzweise aus Eigeninteresse und Neugierde eigene Erfahrungen gesammelt, worüber ich allerdings nicht öffentlich schreiben werde.
Es gibt Aussagen aus der spirituellen esoterischen Ecke, dass wir Menschen durch kosmische Einflüsse vor einer Aktivierung bestimmter DNS-Stränge stehen, die bisher als Junk bezeichnet wurden.
In der Natur gibt es allerdings keinen Müll, alles hat seine Bestimmung und seinen Zweck.
Möglich, dass dadurch auch ein Upgrade erfolgt, welches unser Gehirn auf 80% oder mehr seiner theoretisch möglichen Leistung bringen würde...
Dann wäre unser Gehirn auch dazu in der Lage, ohne technische Hilfsmittel Dinge zu materialisieren, oder Zeitreisen und dergleichen zu unternehmen, ohne dazu ein materielles Vehicel benötigen zu müssen...
Da das SNN dem Gehirn bisher am nächsten kommt, ist es für mich auch eine logische Schlussfolgerung aus meinen Wissensschnipseln, dass ein SNN zumindest in einem oder wenigen Teilbereichen irgendwann besser agieren kann als ein menschliches Gehirn. Kurze Zeit später wird es mglw. 1000 Menschliche Gehirne übertreffen können usw.
Um die ganze Komplexität eines m. Gehirns nachzubilden, müssten diese einzelnen Teilbereiche, die für Mustererkennung, daraus selbstständigem Lernen und logischen Schlüssen ziehen, plus Kurz/ Langzeitgedächtnis zuständig sind, in meinen Augen untereinander Austausch haben, um ein m. Gehirn nachzubilden.
Das wären viele Teilbereiche-Chips die direkt miteinander kommunizieren in einem großen Chip/ Gehirn.
Das würde aber auch bedeuten, dass ein masch. Gehirn evolutionstechnisch gesehen viel schneller / exponentiell wachsen könnte als ein menschliches, da es keinen natürlichen Evolutionsgesetzen unterliegt - aus sich selbst heraus, je nach dem, wie sein Uralgorithmus geschrieben wurde - Begrenzung oder Wachstum um fast jeden Preis?
Hier verweise ich analog auf das Fiatgeld-Zinseszinssystem, welches ebenso künstlich erschaffen die Natur immer schneller überholt und letztendlich deren Zerstörung einläutet, da "nur" die Menschen daran gebunden sind, aber alles andere darunter zu leiden hat, da der Mensch bestimmt.
Nichts anderes ist die Hauptursache unserer heutigen Zivilisationsproblematik inkl. der Subventionsunerhörtheiten, und den daraus erwachsenden Lügen und Fakegeschichten, Menschheitsknebelungen und Steuern, um geldtheoretisch dieses künstliche System so lange wie möglich am Laufen zu halten, bis ein neuer Planet erobert wurde.
Dazu zählen alle Geschichten, die krakenartig wachsen, und massentauglich ausarten.
Religionen
Staaten/Politik/
-> Geo/ Klimapolitik
Energieerzeugung
Geldsystem
Gesundheitssystem
Agrar Gen/Biotechnik
Technologie, Digitalisierung
usw.
Quasi ist der Zinseszins der gemeinsamste aller Nenner und Grundtreiber dieser Ausgeburten... was auch wunderschön in dem Roman "Eine Billion Dollar" beschrieben wurde.
Der Mensch kann da nicht mehr Schritt halten, was aber bedeutet, dass eine General-KI irgendwann machbar und auch einsetzbar werden wird.
Wächst die menschliche Bewusstheit nicht mit der technischen entsprechend mit, bekommen wir noch massiveren Ärger,
als wir bisher schon hatten.
Ich bin da langfristig allerdings guter Dinge, da ich an etwas glaube, was die Hand am Steuer
hält und sich Schöpfung nennt.
Viele Menschen haben sich besonnen und kehren um.
Bis der "Hundertste Affe" erscheint, der das aktuelle System zum Kippen bringt, dauert es nicht mehr lange.
Wie lässt sich das mit meinen KI-Gebahren vereinbaren?
Eigentlich garnicht.
BRN hat aber eine Zwischenlösung für die energiehungrige und cloudabhängige DeepLearning-Geschichte, die keine Zukunft hat.
Irgendwann wird das Internet abgeschaltet, dann hat die Cloud keine Zukunft.
Ursache kann vieles sein.
Ich bin wohl eher Zukunftsforscher als Anleger, aber durch Aktienauswahl kann ich meine Prognosen besser nachvollziehen und auch einen materiellen Nutzen ziehen, ohne den Gefahren nur blind zu begegnen, wie die meisten es tun..
Aber ein persönliches Dillemma wird immer bleiben...trotzdem die KI in vielen Teilbereichen eine großartige Arbeitserleicherung für uns Menschen bietet,
und wir verantwortungsvoll damit umgehen, bis unsere weltweite Bewusstheit soweit gestiegen ist,
dass wir auch mit Hilfe von KI offiziell in den Club der interstellaren Raumfahrer eintreten dürfen.
Hier sieht man den Unterschied der verschiedenen neuronalen Netze.
Ab Minute 2:00 sieht man das SNN/ Spiking Neural Network, wie es bei BRN zum Einsatz kommt.
Kommentare dazu :
Aric Fowler
1 year ago
The spiking network looked like what I'd imagine the brain would do
64
Винни Пух
3 months ago
This is small brain
hyper
2 weeks ago
Exactly. The point of a spiking neural network is to more closely model biological neural networks (brains).
Watch Simon Thorpe give a plenary lecture during the Global Challenges Science Week in Grenoble about "Finding repeating patterns: A key to intelligence in man and machine?"
S. Thorpe ist der Erfinder der JAST - Lernalgorithmen, welche BRN exklusiv nutzt.
Ich habe eben eine Erklärung gefunden, warum immer gesagt wurde, dass wir Menschen bisher max. 10% unseres Gehirns nutzen/ können.
Laut der SNN-Theorie werden nur die gerade aktivierten Spitzen, Neuronen und Synapsen befeuert, was ja den geringen Energieverbauchs des SNN und auch des m. Gehirns erklärt im Gegensatz zu einem DNN/ DeepLearning Ansatz.
Würde alles zugleich parallel arbeiten, hätten wir 100% Nutzung des Gehirns, was mir aber unmöglich erscheint, da unser Gehirn dann statt 25 Watt mind. 250 Watt oder viel mehr verbrauchen würde, woher sollte diese zusätzliche Energie auf natürlichem Wege herkommen?
Und wie sollte das verwaltet werden, es wäre eine Multitaskingfähigkeit ohnesgleichen nötig.
-> siehe Film "Lucy"
Dazu sei verwiesen auf Menschen mit aussergewöhnlichen Fähigkeiten, etwa Nutzer der Chi-Energie zu Heilungszwecken, wie bekannt, müssen die meisten sich danach intensiv erholen.
Es gibt aber bereits Menschen, die das nicht mehr nötig haben, da sie sich - vermutlich über mehrere Leben - geistig angepasst haben und über weitere unbekannte Fähigkeiten verfügen.
Auch hier sind mir diese Menschen persönlich bekannt - etwa Materialisierung - und ich habe im energetischen Bereich ansatzweise aus Eigeninteresse und Neugierde eigene Erfahrungen gesammelt, worüber ich allerdings nicht öffentlich schreiben werde.
Es gibt Aussagen aus der spirituellen esoterischen Ecke, dass wir Menschen durch kosmische Einflüsse vor einer Aktivierung bestimmter DNS-Stränge stehen, die bisher als Junk bezeichnet wurden.
In der Natur gibt es allerdings keinen Müll, alles hat seine Bestimmung und seinen Zweck.
Möglich, dass dadurch auch ein Upgrade erfolgt, welches unser Gehirn auf 80% oder mehr seiner theoretisch möglichen Leistung bringen würde...
Dann wäre unser Gehirn auch dazu in der Lage, ohne technische Hilfsmittel Dinge zu materialisieren, oder Zeitreisen und dergleichen zu unternehmen, ohne dazu ein materielles Vehicel benötigen zu müssen...
Da das SNN dem Gehirn bisher am nächsten kommt, ist es für mich auch eine logische Schlussfolgerung aus meinen Wissensschnipseln, dass ein SNN zumindest in einem oder wenigen Teilbereichen irgendwann besser agieren kann als ein menschliches Gehirn. Kurze Zeit später wird es mglw. 1000 Menschliche Gehirne übertreffen können usw.
Um die ganze Komplexität eines m. Gehirns nachzubilden, müssten diese einzelnen Teilbereiche, die für Mustererkennung, daraus selbstständigem Lernen und logischen Schlüssen ziehen, plus Kurz/ Langzeitgedächtnis zuständig sind, in meinen Augen untereinander Austausch haben, um ein m. Gehirn nachzubilden.
Das wären viele Teilbereiche-Chips die direkt miteinander kommunizieren in einem großen Chip/ Gehirn.
Das würde aber auch bedeuten, dass ein masch. Gehirn evolutionstechnisch gesehen viel schneller / exponentiell wachsen könnte als ein menschliches, da es keinen natürlichen Evolutionsgesetzen unterliegt - aus sich selbst heraus, je nach dem, wie sein Uralgorithmus geschrieben wurde - Begrenzung oder Wachstum um fast jeden Preis?
Hier verweise ich analog auf das Fiatgeld-Zinseszinssystem, welches ebenso künstlich erschaffen die Natur immer schneller überholt und letztendlich deren Zerstörung einläutet, da "nur" die Menschen daran gebunden sind, aber alles andere darunter zu leiden hat, da der Mensch bestimmt.
Nichts anderes ist die Hauptursache unserer heutigen Zivilisationsproblematik inkl. der Subventionsunerhörtheiten, und den daraus erwachsenden Lügen und Fakegeschichten, Menschheitsknebelungen und Steuern, um geldtheoretisch dieses künstliche System so lange wie möglich am Laufen zu halten, bis ein neuer Planet erobert wurde.
Dazu zählen alle Geschichten, die krakenartig wachsen, und massentauglich ausarten.
Religionen
Staaten/Politik/
-> Geo/ Klimapolitik
Energieerzeugung
Geldsystem
Gesundheitssystem
Agrar Gen/Biotechnik
Technologie, Digitalisierung
usw.
Quasi ist der Zinseszins der gemeinsamste aller Nenner und Grundtreiber dieser Ausgeburten... was auch wunderschön in dem Roman "Eine Billion Dollar" beschrieben wurde.
Der Mensch kann da nicht mehr Schritt halten, was aber bedeutet, dass eine General-KI irgendwann machbar und auch einsetzbar werden wird.
Wächst die menschliche Bewusstheit nicht mit der technischen entsprechend mit, bekommen wir noch massiveren Ärger,
als wir bisher schon hatten.
Ich bin da langfristig allerdings guter Dinge, da ich an etwas glaube, was die Hand am Steuer
hält und sich Schöpfung nennt.
Viele Menschen haben sich besonnen und kehren um.
Bis der "Hundertste Affe" erscheint, der das aktuelle System zum Kippen bringt, dauert es nicht mehr lange.
Wie lässt sich das mit meinen KI-Gebahren vereinbaren?
Eigentlich garnicht.
BRN hat aber eine Zwischenlösung für die energiehungrige und cloudabhängige DeepLearning-Geschichte, die keine Zukunft hat.
Irgendwann wird das Internet abgeschaltet, dann hat die Cloud keine Zukunft.
Ursache kann vieles sein.
Ich bin wohl eher Zukunftsforscher als Anleger, aber durch Aktienauswahl kann ich meine Prognosen besser nachvollziehen und auch einen materiellen Nutzen ziehen, ohne den Gefahren nur blind zu begegnen, wie die meisten es tun..
Aber ein persönliches Dillemma wird immer bleiben...trotzdem die KI in vielen Teilbereichen eine großartige Arbeitserleicherung für uns Menschen bietet,
und wir verantwortungsvoll damit umgehen, bis unsere weltweite Bewusstheit soweit gestiegen ist,
dass wir auch mit Hilfe von KI offiziell in den Club der interstellaren Raumfahrer eintreten dürfen.
#1
Seit kurzem auch große Umsätze in Frankfurt
- heute 456.333 Stk. ???
- heute 456.333 Stk. ???
June 25 (Reuters) - Brainchip Holdings Ltd (BRN) :
SEEKS TRADING HALT PENDING ANNOUNCEMENT ON CONTRACT AND A PROPOSED CAPITAL RAISING
SEEKS TRADING HALT PENDING ANNOUNCEMENT ON CONTRACT AND A PROPOSED CAPITAL RAISING
Antwort auf Beitrag Nr.: 60.891.414 von Popeye82 am 26.06.19 03:23:47Was heißt das jetzt?
Können wir auch an der Kapitalerhöhung teilnehmen ?
Können wir auch an der Kapitalerhöhung teilnehmen ?
M.W nur Neuseeländer und Australier
Antwort auf Beitrag Nr.: 60.898.785 von H2OAllergiker am 26.06.19 20:22:08Schade eigentlich
BrainChip and Socionext Sign a Definitive Agreement to Develop the Akida™ Neuromorphic System-on-Chip
Download as PDF
June 26, 2019
Company Secures Funding for Product Development
Agreement with Socionext, a world-class developer of complex ASICs
Foundry partner of TSMC, a world leading foundry for wafer supply
Capital raise secured, to support initial product development
Significant customer interest in BrainChip’s ground breaking SNN Technology
SAN FRANCISCO, June 26, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (ASX: BRN), the leading AI Edge company, today announced the signing of a definitive agreement with Socionext America Inc (SNA) for product development and manufacturing of its Akida Neuromorphic System-on-Chip (NSoC).
This agreement marks a major milestone for bringing the Akida NSoC to market.
Socionext Inc. (SNI), headquartered in Shin-Yokohama, Japan, is the combination of the former Fujitsu and Panasonic System-on-Chip (SoC) businesses. According to IHS, Socionext is the world’s second largest ASIC design and development house. SNA, the American division of SNI, is headquartered in Santa Clara, California.
This joint program pairs Socionext’s wide variety of engineering disciplines and decades of ASIC design experience with BrainChip’s proven AI engineering teams in Aliso Viejo, California and Toulouse, France.
Akida is a complete edge network AI SoC, which includes on-chip training, inference and continuous unsupervised learning. As the first complete neuromorphic neural network SoC to address AI Edge applications, the device supports both traditional Convolutional Neural Networks or event-based Spiking Neural Networks.
Recent progress on the development of the Akida solution includes:
In July 2018, BrainChip introduced the Akida Development Environment which fully simulates the Akida SoC and provides performance information for accuracy, speed, latency and power for customer evaluation and implementation.
In September 2018, the Company introduced the Akida Architecture after filing a comprehensive provisional patent covering the device inventions and methods.
In May 2019, the Company announced the availability of licensing the Akida Neural Processing Core (NPC) intellectual property (IP) for integration by semiconductor and system companies. This allows companies to create solutions which benefit from lower power, higher speed and similar accuracy of existing complex CNNs that use a host processor for training and inference with a secondary device for computational acceleration.
In June 2019, the Company filed a further provisional patent covering additional inventions and methods.
In June 2019, the Company introduced a CNN-to-SNN converter that companies can use to convert and reduce power from existing CNN networks to event-based SNN networks.
Socionext will provide turn-key ASIC services to BrainChip for the Akida product, including intellectual property (IP) blocks for the external interfaces, the CPU Complex for internal control and data pre-processing, place and route of the integrated circuit, IP verification, final logic design, as well as managing wafer fabrication, assembly and test operations. Wafers will be provided by Taiwan Semiconductor Manufacturing Company Ltd (TSMC), a world leader in semiconductor technology and wafer fabrication on its competitive and cost effective 28nm CMOS logic process.
“We are excited to join BrainChip in the design, development and introduction of Akida,” said Noriaki Kubo, Corporate Executive Vice President of Socionext. “Bringing artificial intelligence to edge applications is a major industry development and a strategic application segment for Socionext. Socionext provides suppliers such as BrainChip with a large engineering solutions platform, ranging from integrated circuit design through final test and assembly, to bring high quality products to market efficiently.”
“We are extremely pleased to work with Socionext, one of the world’s leading SoC development and manufacturing teams,” said Louis DiNardo, CEO of BrainChip. “With the firm backing by such a preeminent partner, we are confident we will be supplying the world’s first complete AI Edge network solution.”
Capital Raise Completed
Additionally, BrainChip has entered into a financing agreement with CST Capital Pty Ltd ACN 628 583 700 as trustee of the CST Investments Fund (CST Capital) for US$2.565 million. This funding will provide the necessary capital for the initial development of the Akida device.
Under the terms of the financing agreement, CST Capital will provide US$2.565 million to BrainChip for the purchase of convertible notes. The convertible notes have an effective 10% interest rate paid upfront as a discounted subscription to the face value of the notes, being US$2.85 million, a 12-month maturity with up to three 6‑month extensions at the Company’s election for an extension fee equal to 3% of the face value of the convertible notes outstanding at that time. The conversion price is equal to 92% of the average of a VWAP formula prior to a conversion notice. The terms of the financing agreement also require BrainChip to issue to CST Capital 30,000,000 ordinary shares for no consideration as ‘collateral shares’ (which can be used for the conversion of the notes or may be bought back by the Company for nominal consideration upon maturity), 1,561,279 ordinary shares in payment of the drawdown fee for the financing (at an effective price of $0.079 per share) and 21,868,976 options (with a three year term, and a strike price of $0.117) on completion of the purchase of the convertible notes.
Additional information in relation to the financing agreement, the convertible notes and other securities to be issued to CST Capital, including that required by ASX Listing Rule 3.10, may be found in the ‘Cleansing Notice’ which was released to the ASX today.
About BrainChip Holdings Ltd (ASX: BRN)
BrainChip Holdings Ltd is a leading provider of low power, high performance edge AI technology using neuromorphic circuits, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary and proprietary new event-based spiking neural network technology can learn autonomously or execute a pre-trained DNN entirely within the boundaries of the chip. The proprietary technology is fast, completely digital and consumes very low power. The Company provides hardware focused solutions that address high-performance requirements in sensory processing, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchipinc.com
Company Contact:
ir@brainchip.com
Roger Levinson
rlevinson@brainchipinc.com
Download as PDF
June 26, 2019
Company Secures Funding for Product Development
Agreement with Socionext, a world-class developer of complex ASICs
Foundry partner of TSMC, a world leading foundry for wafer supply
Capital raise secured, to support initial product development
Significant customer interest in BrainChip’s ground breaking SNN Technology
SAN FRANCISCO, June 26, 2019 (GLOBE NEWSWIRE) -- BrainChip Holdings Ltd (ASX: BRN), the leading AI Edge company, today announced the signing of a definitive agreement with Socionext America Inc (SNA) for product development and manufacturing of its Akida Neuromorphic System-on-Chip (NSoC).
This agreement marks a major milestone for bringing the Akida NSoC to market.
Socionext Inc. (SNI), headquartered in Shin-Yokohama, Japan, is the combination of the former Fujitsu and Panasonic System-on-Chip (SoC) businesses. According to IHS, Socionext is the world’s second largest ASIC design and development house. SNA, the American division of SNI, is headquartered in Santa Clara, California.
This joint program pairs Socionext’s wide variety of engineering disciplines and decades of ASIC design experience with BrainChip’s proven AI engineering teams in Aliso Viejo, California and Toulouse, France.
Akida is a complete edge network AI SoC, which includes on-chip training, inference and continuous unsupervised learning. As the first complete neuromorphic neural network SoC to address AI Edge applications, the device supports both traditional Convolutional Neural Networks or event-based Spiking Neural Networks.
Recent progress on the development of the Akida solution includes:
In July 2018, BrainChip introduced the Akida Development Environment which fully simulates the Akida SoC and provides performance information for accuracy, speed, latency and power for customer evaluation and implementation.
In September 2018, the Company introduced the Akida Architecture after filing a comprehensive provisional patent covering the device inventions and methods.
In May 2019, the Company announced the availability of licensing the Akida Neural Processing Core (NPC) intellectual property (IP) for integration by semiconductor and system companies. This allows companies to create solutions which benefit from lower power, higher speed and similar accuracy of existing complex CNNs that use a host processor for training and inference with a secondary device for computational acceleration.
In June 2019, the Company filed a further provisional patent covering additional inventions and methods.
In June 2019, the Company introduced a CNN-to-SNN converter that companies can use to convert and reduce power from existing CNN networks to event-based SNN networks.
Socionext will provide turn-key ASIC services to BrainChip for the Akida product, including intellectual property (IP) blocks for the external interfaces, the CPU Complex for internal control and data pre-processing, place and route of the integrated circuit, IP verification, final logic design, as well as managing wafer fabrication, assembly and test operations. Wafers will be provided by Taiwan Semiconductor Manufacturing Company Ltd (TSMC), a world leader in semiconductor technology and wafer fabrication on its competitive and cost effective 28nm CMOS logic process.
“We are excited to join BrainChip in the design, development and introduction of Akida,” said Noriaki Kubo, Corporate Executive Vice President of Socionext. “Bringing artificial intelligence to edge applications is a major industry development and a strategic application segment for Socionext. Socionext provides suppliers such as BrainChip with a large engineering solutions platform, ranging from integrated circuit design through final test and assembly, to bring high quality products to market efficiently.”
“We are extremely pleased to work with Socionext, one of the world’s leading SoC development and manufacturing teams,” said Louis DiNardo, CEO of BrainChip. “With the firm backing by such a preeminent partner, we are confident we will be supplying the world’s first complete AI Edge network solution.”
Capital Raise Completed
Additionally, BrainChip has entered into a financing agreement with CST Capital Pty Ltd ACN 628 583 700 as trustee of the CST Investments Fund (CST Capital) for US$2.565 million. This funding will provide the necessary capital for the initial development of the Akida device.
Under the terms of the financing agreement, CST Capital will provide US$2.565 million to BrainChip for the purchase of convertible notes. The convertible notes have an effective 10% interest rate paid upfront as a discounted subscription to the face value of the notes, being US$2.85 million, a 12-month maturity with up to three 6‑month extensions at the Company’s election for an extension fee equal to 3% of the face value of the convertible notes outstanding at that time. The conversion price is equal to 92% of the average of a VWAP formula prior to a conversion notice. The terms of the financing agreement also require BrainChip to issue to CST Capital 30,000,000 ordinary shares for no consideration as ‘collateral shares’ (which can be used for the conversion of the notes or may be bought back by the Company for nominal consideration upon maturity), 1,561,279 ordinary shares in payment of the drawdown fee for the financing (at an effective price of $0.079 per share) and 21,868,976 options (with a three year term, and a strike price of $0.117) on completion of the purchase of the convertible notes.
Additional information in relation to the financing agreement, the convertible notes and other securities to be issued to CST Capital, including that required by ASX Listing Rule 3.10, may be found in the ‘Cleansing Notice’ which was released to the ASX today.
About BrainChip Holdings Ltd (ASX: BRN)
BrainChip Holdings Ltd is a leading provider of low power, high performance edge AI technology using neuromorphic circuits, a type of artificial intelligence that is inspired by the biology of the human neuron. The Company’s revolutionary and proprietary new event-based spiking neural network technology can learn autonomously or execute a pre-trained DNN entirely within the boundaries of the chip. The proprietary technology is fast, completely digital and consumes very low power. The Company provides hardware focused solutions that address high-performance requirements in sensory processing, gaming, financial technology, cybersecurity, ADAS, autonomous vehicles, and other advanced vision systems. www.brainchipinc.com
Company Contact:
ir@brainchip.com
Roger Levinson
rlevinson@brainchipinc.com
Ja, schade
Bin wirklich mal gespannt, ob der Kurs sich bis Freitag hält, durch erhöhte Nachfrage erstarkt oder (später) auf das CR-Level fällt.
Viele Kleinanleger drüben wollen ohne Zweifel bis Freitag rein, um die 6Cent Shares zu erhalten.
Jedenfalls ein gutes Shareholdervaluegebahren seitens BRN im Vergleich zur Vergangenheit.
Wenn sie die 15Mio AUD einsammeln, könnten sie auch durchfinanziert sein bis zum Relaunch 2020, IMO.
Bin wirklich mal gespannt, ob der Kurs sich bis Freitag hält, durch erhöhte Nachfrage erstarkt oder (später) auf das CR-Level fällt.
Viele Kleinanleger drüben wollen ohne Zweifel bis Freitag rein, um die 6Cent Shares zu erhalten.
Jedenfalls ein gutes Shareholdervaluegebahren seitens BRN im Vergleich zur Vergangenheit.
Wenn sie die 15Mio AUD einsammeln, könnten sie auch durchfinanziert sein bis zum Relaunch 2020, IMO.
Antwort auf Beitrag Nr.: 60.899.166 von H2OAllergiker am 26.06.19 21:16:45Das sehe ich genau so, nach der Vereinbarung mit Socionext ist hier ein Riesenpotential.
Bin gespannt auf die nächsten Jahre.
Bin gespannt auf die nächsten Jahre.
Inkl Details
https://ec.europa.eu/info/sites/info/files/research_and_inno…
338 Seiten Report
https://ec.europa.eu/info/sites/info/files/research_and_inno…
Horizon scanning study: future radical innovation breakthroughs
What the study is about, who is involved and workshops.
Aims of the study and who is involved
Final Report
Workshop on future value creating structures in the world economy
This study aims to identify potentially important, disruptive innovations over the coming 15 to 20 years.
The study uses an identification model called the Radical Innovation Breakthrough Inquirer.
This model combines foresight on future value-creating structures in the world economy, with a scan of cutting edge developments in science and technology worldwide.
Final Report
A combination of literature review, horizon scanning and expert judgments led to the identification of 100 potentially impactful innovations.
Awareness of these innovations can help policy-makers at EU level and in EU countries. There are 100 hyperlinks at the beginning of the report which allow you to navigate it easily.
A Mendeleev-style poster presents the 100 potential radical innovations for the future. It gives you an overview of the study results and direct access to the corresponding description in the report.
Antwort auf Beitrag Nr.: 60.924.154 von H2OAllergiker am 30.06.19 21:01:52 Workshop on future value creating structures in the world economy
___________________________________________________
Ist bisschen nüchtern, dröge ausgedrückt,
aber DAS ist echt burning Interessantes Thema würd sagen.
Our „Whole Future depends on It“, wenn mans knackig ausdrücken will.
Werd Mir Dieses Paperding EVT mal IRGENDwann; komplett; reindrücken.
THANKS!
___________________________________________________
Ist bisschen nüchtern, dröge ausgedrückt,
aber DAS ist echt burning Interessantes Thema würd sagen.
Our „Whole Future depends on It“, wenn mans knackig ausdrücken will.
Werd Mir Dieses Paperding EVT mal IRGENDwann; komplett; reindrücken.
THANKS!
Antwort auf Beitrag Nr.: 60.901.509 von Djanko am 27.06.19 09:34:34
Djanko,
Also als Erstes mal: Denke Du hast Hier schonmal Die Richtigen Dimensionen angelegt.
Dass WENN man interesiert/investiert ist, dann muss mans auf Ein paar JAHRE sehen.
Anders machts nett gross Sinn, m.E. (.)
Das ist Ein tierisches Projekt Was Die versuchen Hier zu reissen;
Was denke evt auch nicht sooooo kleine Auswirkungen auf Einige Unserer Zukünftigen Dingen haben kann;
und Dem muss man schon auch ein bisschen angemessen begegnen, m.M. .
Insofern bist schon mal gut unterwegs denke.
Aber Dein Zitat, mit Socionext America Inc , sehe ich ein bisschen Anders.
Klar ist Der Development/Manufacturing Partner erstmal extrem wichtig,
aber Die Ganzen important Milestones, da liegen m.E. noch haufenhaufenweise in Front.
Nicht nur, aber ganz Viel denke dann auch Kunden Agreements.
Die sich Den Akida eben einbauen(implementieren) lassen.
Aber klar, Dieses Agreement Jetzt ist Ein Potenzieller Door-OPENER, würd sagen.
Also WEM Es zusagt, und auch in Sein Spekulations-Profil passt, Hier kann man m.E. DEFINITIV Eine "multi"-Year-Position eingehen.
Versprechungen gibts Nix,
aber @@@@@SOME point Eine "Mrd Company" halte ich auf Jeden Fall für MÖGLICH.
Zitat von Djanko: Das sehe ich genau so, nach der Vereinbarung mit Socionext ist hier ein Riesenpotential.
Bin gespannt auf die nächsten Jahre.
Djanko,
Also als Erstes mal: Denke Du hast Hier schonmal Die Richtigen Dimensionen angelegt.
Dass WENN man interesiert/investiert ist, dann muss mans auf Ein paar JAHRE sehen.
Anders machts nett gross Sinn, m.E. (.)
Das ist Ein tierisches Projekt Was Die versuchen Hier zu reissen;
Was denke evt auch nicht sooooo kleine Auswirkungen auf Einige Unserer Zukünftigen Dingen haben kann;
und Dem muss man schon auch ein bisschen angemessen begegnen, m.M. .
Insofern bist schon mal gut unterwegs denke.
Aber Dein Zitat, mit Socionext America Inc , sehe ich ein bisschen Anders.
Klar ist Der Development/Manufacturing Partner erstmal extrem wichtig,
aber Die Ganzen important Milestones, da liegen m.E. noch haufenhaufenweise in Front.
Nicht nur, aber ganz Viel denke dann auch Kunden Agreements.
Die sich Den Akida eben einbauen(implementieren) lassen.
Aber klar, Dieses Agreement Jetzt ist Ein Potenzieller Door-OPENER, würd sagen.
Also WEM Es zusagt, und auch in Sein Spekulations-Profil passt, Hier kann man m.E. DEFINITIV Eine "multi"-Year-Position eingehen.
Versprechungen gibts Nix,
aber @@@@@SOME point Eine "Mrd Company" halte ich auf Jeden Fall für MÖGLICH.
Antwort auf Beitrag Nr.: 60.924.154 von H2OAllergiker am 30.06.19 21:01:52
Auf WELCHER Seite, Sie Fleissiger, sind Sie grad?????
Zitat von H2OAllergiker: 338 Seiten Report
https://ec.europa.eu/info/sites/info/files/research_and_inno…
Auf WELCHER Seite, Sie Fleissiger, sind Sie grad?????
War heute Nacht anderweitig offline:
Habe hier nur überflogen:
Quantum Comp
Exosceletts
Neuromorphic
Robotik/AI
Large 3D Printing
4D Printing
Habe hier nur überflogen:
Quantum Comp
Exosceletts
Neuromorphic
Robotik/AI
Large 3D Printing
4D Printing
!
Dieser Beitrag wurde von MadMod moderiert. Grund: Spam, Werbung
Ich habe Bezugsrechte 4:1 über meinen Broker in Europa erhalten, da meine Aktien in AU lagern.
Bis zum 8.7 habe ich Zeit, mich zu entscheiden.
Bis zum 8.7 habe ich Zeit, mich zu entscheiden.
Antwort auf Beitrag Nr.: 60.956.638 von H2OAllergiker am 04.07.19 18:17:43Ich habe auch das Angebot erhalten....weiß aber noch nicht, ob ich es annehme....
Ich werde es mit hoher Wahrscheinlichkeit annehmen, um dem Unternehmen auch Geld zukommen zu lassen.
Man kann diese Bezugsrechte-Aktien bei der ING Diba nicht online kaufen. Man muss eine Nummer anrufen.
Antwort auf Beitrag Nr.: 60.957.895 von H2OAllergiker am 04.07.19 21:35:34wg deines hinweises
lese das in den nä wochen, vorab: ich habe nur eine pressm. gelesen; ist mir zu reisserisch - schreckt mich sofort ab;
be it as it may; ich glaube der ex gründer von palm comp. ist ein sehr großer geldgeber in den ganzen ai / neuro themen seit mindestens 10 jahren - sowohl in der forschung als auch als vc - check einmal evtl. was der so macht - ich habe ihn einmal im rahmen der stanford entrpren. thought leaders series gehört
best
sc
lese das in den nä wochen, vorab: ich habe nur eine pressm. gelesen; ist mir zu reisserisch - schreckt mich sofort ab;
be it as it may; ich glaube der ex gründer von palm comp. ist ein sehr großer geldgeber in den ganzen ai / neuro themen seit mindestens 10 jahren - sowohl in der forschung als auch als vc - check einmal evtl. was der so macht - ich habe ihn einmal im rahmen der stanford entrpren. thought leaders series gehört
best
sc
Danke für den Hinweis,
Du meinst Jeff Hawkins, den Gründer von Numenta?!
Ich geh da gerade ein wenig rein
Du meinst Jeff Hawkins, den Gründer von Numenta?!
Ich geh da gerade ein wenig rein
https://discourse.numenta.org/t/htm-vs-spiking-neural-networ…
Hier gibt es eine interessante Diskussion darüber, ob eher HTM oder SNN´s das biologische Gehirn nachbilden
Htm vs spiking neural network
Interessanterweise wird gesagt, dass SNN mehr Rechenpower benötigen würden als HTM, SNN aber genauer wären als HTM, wobei ich von HTM jetzt das erste Mal höre.
HTM könne jedoch umfassender arbeiten und mehrere Zellen/Themen bearbeiten?
Andererseits ist mir derzeit nur bekannt, dass SNNs das derzeit effektivste Neuronenmodell abbilden, was Rechenintensivität und Energieverbrauch betrifft.
Interessant...
Numenta wird in Berichten jedenfalls immer der Peergroup von Brainchip zugehörig genannt.
Hier mehr über sein Lebenswerk. Er hat auch relativ früh begonnen ähnlich wie Peter Arj v.d. Made
https://www.theregister.co.uk/2014/03/29/hawkins_ai_feature/
Hier gibt es eine interessante Diskussion darüber, ob eher HTM oder SNN´s das biologische Gehirn nachbilden
Htm vs spiking neural network
Interessanterweise wird gesagt, dass SNN mehr Rechenpower benötigen würden als HTM, SNN aber genauer wären als HTM, wobei ich von HTM jetzt das erste Mal höre.
HTM könne jedoch umfassender arbeiten und mehrere Zellen/Themen bearbeiten?
Andererseits ist mir derzeit nur bekannt, dass SNNs das derzeit effektivste Neuronenmodell abbilden, was Rechenintensivität und Energieverbrauch betrifft.
Interessant...
Numenta wird in Berichten jedenfalls immer der Peergroup von Brainchip zugehörig genannt.
Hier mehr über sein Lebenswerk. Er hat auch relativ früh begonnen ähnlich wie Peter Arj v.d. Made
https://www.theregister.co.uk/2014/03/29/hawkins_ai_feature/
Hawkins veröffentlichte sein Buch in englisher Sprache 2004,
Grundgütiger...
Peter kam 2013, (sein erstes Patent ist von 2008)
Grundgütiger...
Peter kam 2013, (sein erstes Patent ist von 2008)
Antwort auf Beitrag Nr.: 60.990.371 von H2OAllergiker am 09.07.19 23:10:31Ich habe mein Angebot angenommen....
Wer noch ???
Wer noch ???
Antwort auf Beitrag Nr.: 60.990.317 von H2OAllergiker am 09.07.19 23:01:28Herr H2O,
Denken Sie eigentlich dass an Der Matrix Die SPD schuld ist?????
Oder Die Grünen?
Die waren ja FÜR Solarenergie.
Denken Sie eigentlich dass an Der Matrix Die SPD schuld ist?????
Oder Die Grünen?
Die waren ja FÜR Solarenergie.
Zu welchem Statement wollen Sie mich jetzt wieder verleiten?
die WAREN für Solarenergie, korrekt,
jetzt sind sie ALLE für Umweltzerstörung und Menschenausrottung, Völkerwanderung, Verblödung der Massen.
, ansonsten sei gesagt, keine Partei weltweit hat irgendwas zu sagen, die setzen nur um, was von ganz oben kommt
Die Matrix ist göttlichen Ursprungs, weiss nicht, was Parteien damit zu tun haben sollen?
Falls kurzfr. nix Gravierendes passiert, was den Menschen das Brett vorm Kopf wegreisst, haben wir ab Oktober einen Grünen Kanzler und ein Deutschland - und Europa am Ende der Nahrungskette, reiner Auswurf
die WAREN für Solarenergie, korrekt,
jetzt sind sie ALLE für Umweltzerstörung und Menschenausrottung, Völkerwanderung, Verblödung der Massen.
, ansonsten sei gesagt, keine Partei weltweit hat irgendwas zu sagen, die setzen nur um, was von ganz oben kommt
Die Matrix ist göttlichen Ursprungs, weiss nicht, was Parteien damit zu tun haben sollen?
Falls kurzfr. nix Gravierendes passiert, was den Menschen das Brett vorm Kopf wegreisst, haben wir ab Oktober einen Grünen Kanzler und ein Deutschland - und Europa am Ende der Nahrungskette, reiner Auswurf
Djanko,
hatte schon geschrieben, ging aber unter, habe auch gezeichnet.
hatte schon geschrieben, ging aber unter, habe auch gezeichnet.
Antwort auf Beitrag Nr.: 60.990.227 von H2OAllergiker am 09.07.19 22:44:30ja - er ist palmpilot erfinder ...
best
sc
best
sc
Antwort auf Beitrag Nr.: 61.019.810 von H2OAllergiker am 13.07.19 17:07:13
In Deutschland gibt es einfach zu viele Schlafschafe...
Man muss sich auf schlimme Zeiten vorbereiten...
Zitat von H2OAllergiker: Zu welchem Statement wollen Sie mich jetzt wieder verleiten?
die WAREN für Solarenergie, korrekt,
jetzt sind sie ALLE für Umweltzerstörung und Menschenausrottung, Völkerwanderung, Verblödung der Massen.
, ansonsten sei gesagt, keine Partei weltweit hat irgendwas zu sagen, die setzen nur um, was von ganz oben kommt
Die Matrix ist göttlichen Ursprungs, weiss nicht, was Parteien damit zu tun haben sollen?
Falls kurzfr. nix Gravierendes passiert, was den Menschen das Brett vorm Kopf wegreisst, haben wir ab Oktober einen Grünen Kanzler und ein Deutschland - und Europa am Ende der Nahrungskette, reiner Auswurf
In Deutschland gibt es einfach zu viele Schlafschafe...
Man muss sich auf schlimme Zeiten vorbereiten...
The AI technique that could imbue machines with the ability to reason
Yann LeCun, Facebook’s chief AI scientist, believes unsupervised learning will bring about the next AI revolution.
by Karen Hao
Jul 12, 2019
https://www.technologyreview.com/s/613954/the-next-ai-revolu…
Yann LeCun, Facebook’s chief AI scientist, believes unsupervised learning will bring about the next AI revolution.
by Karen Hao
Jul 12, 2019
https://www.technologyreview.com/s/613954/the-next-ai-revolu…
Antwort auf Beitrag Nr.: 61.048.195 von H2OAllergiker am 17.07.19 18:32:54hast du eine meinung zu neurolink ?
Ich sag mal so, Firmen, die nicht notiert sind, laufen bei mir unter "ferner liefen".
Ich habe grundsätzlich etwas gegen Cyberborgs oder Transhumanismus, weswegen ich das Thema gerne meide.
Das kann meiner spirituellen Ader geschuldet sein.
Früher war ich dbzgl. radikaler im Denken, da sich auch meine Sichtweisen mit dem techn. Fortschritt ändern und nicht alle techn. Zukunftsszenarien grundsätzlich schlecht sind.
Ich habe grundsätzlich etwas gegen Cyberborgs oder Transhumanismus, weswegen ich das Thema gerne meide.
Das kann meiner spirituellen Ader geschuldet sein.
Früher war ich dbzgl. radikaler im Denken, da sich auch meine Sichtweisen mit dem techn. Fortschritt ändern und nicht alle techn. Zukunftsszenarien grundsätzlich schlecht sind.
Antwort auf Beitrag Nr.: 61.068.505 von H2OAllergiker am 19.07.19 22:53:01Wie hoch könnte es gehen, wenn Akida zur Verfügung steht ?
Hallo Djanko, Habe ich bereits geschrieben.
Wenn sie FirstMover bleiben und Alleinstellungsmerkmale aufweisen und sich technologisch weiter von der Konkurrenz abheben/entfernen, sehe ich hier in 5 Jahren 1Mrd und mehr.
Aber der Kuchen ist groß genug für 5-10 Wettbewerber.
Das Problem ist, viele verkennen diese Technologie - womit ich auch deren Konkurrenz abseits des DeepLearning einbeziehe - und verstehen sie auch nicht richtig, weswegen viele auch die Recherche in meinen Augen scheuen.
Tenbagger sollte da schon drin sein, ich erwarte aber mehr auf Sicht von 5-10 Jahren, bis die Quantencomputer übernehmen - siehe Archer Expl.
rechne das durch die aktuelle bzw mögliche zukünftige Aktienanzahl...die irgendwo bei 1,5Mrd Stücken liegt.
Wenn sie FirstMover bleiben und Alleinstellungsmerkmale aufweisen und sich technologisch weiter von der Konkurrenz abheben/entfernen, sehe ich hier in 5 Jahren 1Mrd und mehr.
Aber der Kuchen ist groß genug für 5-10 Wettbewerber.
Das Problem ist, viele verkennen diese Technologie - womit ich auch deren Konkurrenz abseits des DeepLearning einbeziehe - und verstehen sie auch nicht richtig, weswegen viele auch die Recherche in meinen Augen scheuen.
Tenbagger sollte da schon drin sein, ich erwarte aber mehr auf Sicht von 5-10 Jahren, bis die Quantencomputer übernehmen - siehe Archer Expl.
rechne das durch die aktuelle bzw mögliche zukünftige Aktienanzahl...die irgendwo bei 1,5Mrd Stücken liegt.
Antwort auf Beitrag Nr.: 61.090.327 von H2OAllergiker am 23.07.19 20:32:54H2O
Danke für deine Einschätzung,
Danke für deine Einschätzung,
Antwort auf Beitrag Nr.: 61.090.327 von H2OAllergiker am 23.07.19 20:32:54
Ich mach bei ihrer SchrubbelKiste EVT doch mal mit.
Haben sich Zuletzt 1,2 Wackelkandidaten, in Denen Größere Hoffungen ruhten, ergeben.
Absicht wäre, "ggf", LOOOOONG.
Aber gibt auch Alternativen.
Noch Nix spruchreif.
Zitat von H2OAllergiker: Hallo Djanko, Habe ich bereits geschrieben.
Wenn sie FirstMover bleiben und Alleinstellungsmerkmale aufweisen und sich technologisch weiter von der Konkurrenz abheben/entfernen, sehe ich hier in 5 Jahren 1Mrd und mehr.
Aber der Kuchen ist groß genug für 5-10 Wettbewerber.
Das Problem ist, viele verkennen diese Technologie - womit ich auch deren Konkurrenz abseits des DeepLearning einbeziehe - und verstehen sie auch nicht richtig, weswegen viele auch die Recherche in meinen Augen scheuen.
Tenbagger sollte da schon drin sein, ich erwarte aber mehr auf Sicht von 5-10 Jahren, bis die Quantencomputer übernehmen - siehe Archer Expl.
rechne das durch die aktuelle bzw mögliche zukünftige Aktienanzahl...die irgendwo bei 1,5Mrd Stücken liegt.
Ich mach bei ihrer SchrubbelKiste EVT doch mal mit.
Haben sich Zuletzt 1,2 Wackelkandidaten, in Denen Größere Hoffungen ruhten, ergeben.
Absicht wäre, "ggf", LOOOOONG.
Aber gibt auch Alternativen.
Noch Nix spruchreif.
Antwort auf Beitrag Nr.: 61.119.802 von Popeye82 am 28.07.19 03:33:39Es schaut so aus, als wenn es wieder auf 4 Cent runter geht.
4c kann gut sein, dann welcome on Board für die Neupositionen
Simon Thorpe
Heilige Gralsannäherung?
Ultra-Sparse Representations in Neural Networks: Biological Inspiration for Artificial Intelligence?
•Deep Learning Networks are the state of the art
Problem
•Very computationally demanding
Inspiration from biology
•Use spikes!
•Use the order of firing to encode information
•Use circuits to control the percentage of neurons that fire
•Grandmother Cells and Neocortical Dark Matter
•Spikes also important for learning
•another story!
Development of Spiking Hardware
•Ultra Low Power devicesFinal Thoughts
Don’t believe the Neuroscientists!
•Neurons don’t always use rate coding
•They send pulses not floating point numbers
•Neurons can be extremely selective
•Neocortical Dark Matter may be the reality
•Ultra Sparse Coding!!
http://dobigeon.perso.enseeiht.fr/SPARS2019/Thorpe_SPARS_201…
Heilige Gralsannäherung?
Ultra-Sparse Representations in Neural Networks: Biological Inspiration for Artificial Intelligence?
•Deep Learning Networks are the state of the art
Problem
•Very computationally demanding
Inspiration from biology
•Use spikes!
•Use the order of firing to encode information
•Use circuits to control the percentage of neurons that fire
•Grandmother Cells and Neocortical Dark Matter
•Spikes also important for learning
•another story!
Development of Spiking Hardware
•Ultra Low Power devicesFinal Thoughts
Don’t believe the Neuroscientists!
•Neurons don’t always use rate coding
•They send pulses not floating point numbers
•Neurons can be extremely selective
•Neocortical Dark Matter may be the reality
•Ultra Sparse Coding!!
http://dobigeon.perso.enseeiht.fr/SPARS2019/Thorpe_SPARS_201…
Antwort auf Beitrag Nr.: 61.128.947 von H2OAllergiker am 29.07.19 20:06:28Wie erwatet...4c ist sehr schlecht.
Bevor Akida nicht auf den Markt ist, wird es wohl so weitergehen.
Bevor Akida nicht auf den Markt ist, wird es wohl so weitergehen.
Antwort auf Beitrag Nr.: 60.924.154 von H2OAllergiker am 30.06.19 21:01:52
Hier ist noch Was "biiiiischen Ähnliches"(ABER Anders):
http://www3.weforum.org/docs/WEF_Technology_and_Innovation_T…
Zitat von H2OAllergiker:![]()
![]()
Inkl Details
https://ec.europa.eu/info/sites/info/files/research_and_inno…
338 Seiten Report
https://ec.europa.eu/info/sites/info/files/research_and_inno…
Horizon scanning study: future radical innovation breakthroughs
What the study is about, who is involved and workshops.
Aims of the study and who is involved
Final Report
Workshop on future value creating structures in the world economy
This study aims to identify potentially important, disruptive innovations over the coming 15 to 20 years.
The study uses an identification model called the Radical Innovation Breakthrough Inquirer.
This model combines foresight on future value-creating structures in the world economy, with a scan of cutting edge developments in science and technology worldwide.
Final Report
A combination of literature review, horizon scanning and expert judgments led to the identification of 100 potentially impactful innovations.
Awareness of these innovations can help policy-makers at EU level and in EU countries. There are 100 hyperlinks at the beginning of the report which allow you to navigate it easily.
A Mendeleev-style poster presents the 100 potential radical innovations for the future. It gives you an overview of the study results and direct access to the corresponding description in the report.
Hier ist noch Was "biiiiischen Ähnliches"(ABER
Anders):http://www3.weforum.org/docs/WEF_Technology_and_Innovation_T…
!
Dieser Beitrag wurde vom System automatisch gesperrt. Bei Fragen wenden Sie sich bitte an feedback@wallstreet-online.de
Da ich noch keinen Link posten darf: Auf der Website von Brainchip gibt es eine neue Meldung
BrainChip Accelerates Global Marketing Initiatives in Advance of Bringing Akida™ Neuromorphic System-on-Chip to Market
BrainChip Accelerates Global Marketing Initiatives in Advance of Bringing Akida™ Neuromorphic System-on-Chip to Market
Hier zwei links von einem User von Hotcopper.. uiux
1,810 Posts.
446
16/09/19
12:49
Post #: 40436430
I was somewhat hesitant to post these as I believed them to be confidential, but I realised the supplier of the documentation has posted them publicly. Either way, I know many of us here enjoy reading as much as possible about Akida.
Akida Execution Engine (AEE) User Guide
http://tech-writing-graphics.com/wp-content/uploads/2019/04/…
Akida CNN2SNN Toolkit
http://tech-writing-graphics.com/wp-content/uploads/2019/06/…
Can't wait for the general release of the AEE.
1,810 Posts.
446
16/09/19
12:49
Post #: 40436430
I was somewhat hesitant to post these as I believed them to be confidential, but I realised the supplier of the documentation has posted them publicly. Either way, I know many of us here enjoy reading as much as possible about Akida.
Akida Execution Engine (AEE) User Guide
http://tech-writing-graphics.com/wp-content/uploads/2019/04/…
Akida CNN2SNN Toolkit
http://tech-writing-graphics.com/wp-content/uploads/2019/06/…
Can't wait for the general release of the AEE.
https://www.marketwatch.com/press-release/special-edition-of…
Listen to the podcast interview with Mr. Louis DiNardo, President and CEO of BrainChip Holdings Limited (asx:BRN) discussing the company's Akida neural processing core (NPC) and the Edge AI market.
https://www.investorideas.com/Audio/Podcasts/2019/092319-AI-…
BrainChip Holdings Limited, a neuromorphic computing firm, combines neural science with digital technology to produce its Akida neuromorphic system-on-a-chip for edge application. The company's President and CEO, Mr. Louis DiNardo, explained how the technology takes cues from the human brain:
"We've developed, and began to market, what we call an event-based neural network processor," he said. "The technology is inspired by the spiking nature of the human brain. Whenever you, I or anyone sees, hears, thinks or touches anything, our nervous system generates small bioelectrical spikes that create memory. By mimicking brain processing, BrainChip has pioneered a hardware-spiking neural network called Akida."
DiNardo explained the application of the BrainChip's technology on edge computing"
"Akida is exceptionally well-suited to applications at the Edge, where sensor inputs are analyzed at the point of acquisition, rather than transmissions to the cloud or a data centre," he said. "The device is designed to provide a complete, ultra low-power AI edge network for vision, audio and other smart transducer applications. This creates a reduction in system latency, when the time it takes to get from a sample to a decision. Reducing system latency provides a faster response, it's a more power-efficient system, and it can reduce the carbon footprint of data centres."
Expanding on the idea of carbon footprint reduction, DiNardo highlights the advantages of edge computing over alternatives such as the cloud.
"Data centres are basically power hogs," he said. "They suck up a lot of power, and when you can do analysis at the edge and only go back to the central processing unit, the data centre or the cloud to make decisions on metadata, you can reduce the overall carbon footprint of the data centre."
"Our belief is that smart vision systems, including consumer, industrial, [and] the internet-of-things present a target-rich environment. Acoustic analysis and smart sensors in a wide array of end use-cases, including very good opportunities in the automotive industry and cybersecurity also offer great promise.
https://www.investorideas.com/Audio/Podcasts/2019/092319-AI-…
Listen to the podcast interview with Mr. Louis DiNardo, President and CEO of BrainChip Holdings Limited (asx:BRN) discussing the company's Akida neural processing core (NPC) and the Edge AI market.
https://www.investorideas.com/Audio/Podcasts/2019/092319-AI-…
BrainChip Holdings Limited, a neuromorphic computing firm, combines neural science with digital technology to produce its Akida neuromorphic system-on-a-chip for edge application. The company's President and CEO, Mr. Louis DiNardo, explained how the technology takes cues from the human brain:
"We've developed, and began to market, what we call an event-based neural network processor," he said. "The technology is inspired by the spiking nature of the human brain. Whenever you, I or anyone sees, hears, thinks or touches anything, our nervous system generates small bioelectrical spikes that create memory. By mimicking brain processing, BrainChip has pioneered a hardware-spiking neural network called Akida."
DiNardo explained the application of the BrainChip's technology on edge computing"
"Akida is exceptionally well-suited to applications at the Edge, where sensor inputs are analyzed at the point of acquisition, rather than transmissions to the cloud or a data centre," he said. "The device is designed to provide a complete, ultra low-power AI edge network for vision, audio and other smart transducer applications. This creates a reduction in system latency, when the time it takes to get from a sample to a decision. Reducing system latency provides a faster response, it's a more power-efficient system, and it can reduce the carbon footprint of data centres."
Expanding on the idea of carbon footprint reduction, DiNardo highlights the advantages of edge computing over alternatives such as the cloud.
"Data centres are basically power hogs," he said. "They suck up a lot of power, and when you can do analysis at the edge and only go back to the central processing unit, the data centre or the cloud to make decisions on metadata, you can reduce the overall carbon footprint of the data centre."
"Our belief is that smart vision systems, including consumer, industrial, [and] the internet-of-things present a target-rich environment. Acoustic analysis and smart sensors in a wide array of end use-cases, including very good opportunities in the automotive industry and cybersecurity also offer great promise.
https://www.investorideas.com/Audio/Podcasts/2019/092319-AI-…
BrainChip stellt auf der Linley Processor Conference erstmals eine revolutionäre neue Generation neuromorpher Computer vor
ALS PDF HERUNTERLADEN15. OKTOBER 2019
Führungskräfte des Unternehmens stellen Akida, einen fortschrittlichen Spiking Neural Network-Prozessor für Edge-AI-Anwendungen, auf der branchenweit führenden Prozessorveranstaltung vor
SAN FRANCISCO - (BUSINESS WIRE) - Brainchip Holdings Ltd . (ASX: BRN), ein führender Anbieter von hochleistungsfähiger Edge-AI-Technologie mit extrem geringem Stromverbrauch, gab heute bekannt, dass er sein Akida TM Neuromorphic System-on-Chip auf der Linley Fall Processor Conference am 23. und 24. Oktober dem Publikum vorstellen wird das Hyatt Regency Hotel in Santa Clara, Kalifornien.
Anil Mankar, Chief Development Officer, präsentiert am 24. Oktober um 14.00 Uhr im Rahmen der Veranstaltung „Introducing Akida: An Event-Based Processor“: AI at the Edge. In Mankars Präsentation wird Akida vorgestellt, ein ereignisbasierter rekonfigurierbarer Multicore-Prozessor für neuronale Netzwerke. Akida verarbeitet Daten in Form von Spikes, die zeitlich und räumlich verteilt sind. Strom wird nur verbraucht, wenn Spikes verarbeitet werden. Das Gerät kann Inferenzen für standardmäßige neuronale Faltungsnetze ausführen, die mit Rückübertragung in einer ereignisgesteuerten Umgebung trainiert wurden. Das gleiche Gerät kann auch On-Chip-Lernmethoden verwenden, um das Training und die Klassifizierung für native spikende neuronale Netze durchzuführen, wodurch der Strom- und Speicherbedarf in Edge-IoT-Geräten verringert wird.
"Spiking neuronale Netze haben viele attraktive Eigenschaften, wie schnelle Lernfähigkeiten und geringen Rechenaufwand und Speicheraufwand", sagte Mankar. "Ich freue mich sehr, die Gelegenheit zu haben, mit den Teilnehmern der Linley Fall Processor Conference zu teilen, wie die Fähigkeiten von Akida Hunderte neuer Möglichkeiten für Anwendungen eröffnen, die am Rande arbeiten."
Mit der zunehmenden Verbreitung von Intelligenz in Edge-Geräten besteht ein neuer und wachsender Bedarf an schnellen, kleinen und stromsparenden neuronalen Netzwerkprozessoren. Durch neuronale Verarbeitung und Speicherzugriffe am Rande reduziert Akida die für die Host-CPU erforderlichen Rechenressourcen erheblich. Diese beispiellose Effizienz liefert nicht nur schnellere Ergebnisse, sie verbraucht auch nur einen winzigen Bruchteil der Stromressourcen der herkömmlichen KI-Verarbeitung und reduziert die hohen Umwelt- und Wirtschaftskosten für den Betrieb von Hyperscale-Rechenzentren. Akida ist als SNN-Prozessorchip sowie als lizenzierbare Technologie erhältlich, die in andere Hardware und Geräte integriert werden kann, z. Augmented und Virtual Reality (AR / VR),
Auf der Linley Fall Processor Conference, der branchenweit führenden Veranstaltung für Prozessoren, finden technische Präsentationen zu Prozessoren und IP-Cores für KI-Anwendungen, Embedded, Rechenzentrum, Automotive, IoT und Kommunikation statt. Neben mehr als 25 Fachvorträgen von Experten der führenden Unternehmen der Branche wird das Konferenzprogramm eine Keynote-Sitzung umfassen, in der die neuesten Trends in den Bereichen Markt, Technologie, Ausrüstungsdesign und Silizium behandelt werden. Weitere Informationen zur Veranstaltung finden Sie unter https://linleygroup.com/events/event.php?num=47 .....
Quelle: https://ir.brainchipinc.com/press-releases/detail/86/brainch…
ALS PDF HERUNTERLADEN15. OKTOBER 2019
Führungskräfte des Unternehmens stellen Akida, einen fortschrittlichen Spiking Neural Network-Prozessor für Edge-AI-Anwendungen, auf der branchenweit führenden Prozessorveranstaltung vor
SAN FRANCISCO - (BUSINESS WIRE) - Brainchip Holdings Ltd . (ASX: BRN), ein führender Anbieter von hochleistungsfähiger Edge-AI-Technologie mit extrem geringem Stromverbrauch, gab heute bekannt, dass er sein Akida TM Neuromorphic System-on-Chip auf der Linley Fall Processor Conference am 23. und 24. Oktober dem Publikum vorstellen wird das Hyatt Regency Hotel in Santa Clara, Kalifornien.
Anil Mankar, Chief Development Officer, präsentiert am 24. Oktober um 14.00 Uhr im Rahmen der Veranstaltung „Introducing Akida: An Event-Based Processor“: AI at the Edge. In Mankars Präsentation wird Akida vorgestellt, ein ereignisbasierter rekonfigurierbarer Multicore-Prozessor für neuronale Netzwerke. Akida verarbeitet Daten in Form von Spikes, die zeitlich und räumlich verteilt sind. Strom wird nur verbraucht, wenn Spikes verarbeitet werden. Das Gerät kann Inferenzen für standardmäßige neuronale Faltungsnetze ausführen, die mit Rückübertragung in einer ereignisgesteuerten Umgebung trainiert wurden. Das gleiche Gerät kann auch On-Chip-Lernmethoden verwenden, um das Training und die Klassifizierung für native spikende neuronale Netze durchzuführen, wodurch der Strom- und Speicherbedarf in Edge-IoT-Geräten verringert wird.
"Spiking neuronale Netze haben viele attraktive Eigenschaften, wie schnelle Lernfähigkeiten und geringen Rechenaufwand und Speicheraufwand", sagte Mankar. "Ich freue mich sehr, die Gelegenheit zu haben, mit den Teilnehmern der Linley Fall Processor Conference zu teilen, wie die Fähigkeiten von Akida Hunderte neuer Möglichkeiten für Anwendungen eröffnen, die am Rande arbeiten."
Mit der zunehmenden Verbreitung von Intelligenz in Edge-Geräten besteht ein neuer und wachsender Bedarf an schnellen, kleinen und stromsparenden neuronalen Netzwerkprozessoren. Durch neuronale Verarbeitung und Speicherzugriffe am Rande reduziert Akida die für die Host-CPU erforderlichen Rechenressourcen erheblich. Diese beispiellose Effizienz liefert nicht nur schnellere Ergebnisse, sie verbraucht auch nur einen winzigen Bruchteil der Stromressourcen der herkömmlichen KI-Verarbeitung und reduziert die hohen Umwelt- und Wirtschaftskosten für den Betrieb von Hyperscale-Rechenzentren. Akida ist als SNN-Prozessorchip sowie als lizenzierbare Technologie erhältlich, die in andere Hardware und Geräte integriert werden kann, z. Augmented und Virtual Reality (AR / VR),
Auf der Linley Fall Processor Conference, der branchenweit führenden Veranstaltung für Prozessoren, finden technische Präsentationen zu Prozessoren und IP-Cores für KI-Anwendungen, Embedded, Rechenzentrum, Automotive, IoT und Kommunikation statt. Neben mehr als 25 Fachvorträgen von Experten der führenden Unternehmen der Branche wird das Konferenzprogramm eine Keynote-Sitzung umfassen, in der die neuesten Trends in den Bereichen Markt, Technologie, Ausrüstungsdesign und Silizium behandelt werden. Weitere Informationen zur Veranstaltung finden Sie unter https://linleygroup.com/events/event.php?num=47 .....
Quelle: https://ir.brainchipinc.com/press-releases/detail/86/brainch…
https://www.industrie-techno.com/article/les-puces-electroni…
"Bio-inspirierte Elektronikchips könnten den Markt in den nächsten zehn Jahren stören", prognostiziert Pierre Cambou, Analyst bei Yole Développement.
Xavier Boivinet
Veröffentlicht am 11.10.2019 um 10:00 Uhr
Verwandte Themen:
Elektronik, Digital & Computer, Computer, Computer
Zum gleichen Thema
Intel stellt ein neuromorphes System mit 8 Millionen Neuronen vor.
Warum der neuromorphe Bildsensor von Chronocam für Intel, Renault und Bosch so interessant ist.
Lawrence Livermore National Laboratory erwirbt einen IBM neuromorphen Supercomputer
IBM rekonstruiert ein "digitales" Nagetierhirn mit 48 neuromorphen Chips.
"Bio-inspirierte Elektronikchips könnten den Markt in den nächsten zehn Jahren stören", prognostiziert Pierre Cambou, Analyst bei Yole Développement.
Yole
Neuromorphe Elektronik, inspiriert vom Gehirn, hat das Potenzial, den Markt im nächsten Jahrzehnt zu stören. Zu diesem Ergebnis kommt die Anfang Oktober veröffentlichte Studie von Yole Développement, einem Beratungsunternehmen, das sich auf das technologische und strategische Marketing von Halbleitern spezialisiert hat. Pierre Cambou, Analyst bei Yole und Mitautor der Studie, erklärt für Industry & Technologies die Trends, die neuromorph sind. Und beschreibt das geplante Szenario.
Was ist Ihrer Meinung nach das Potenzial der neuromorphen Elektronik?
Neuromorphe Elektronik ist, um es einfacher zu machen, elektronische Chips - Sensoren und Prozessoren - inspiriert vom Gehirn. Diese Technologien sind ausgereift, und wir glauben, dass sie das Potenzial haben, den Markt im nächsten Jahrzehnt zu stören, indem sie die Entwicklung der künstlichen Intelligenz begleiten. Heute entwickeln sich gleichzeitig mit neuromorphen Chips auch neuronale Netze, und es besteht eine starke Nachfrage nach effektiver künstlicher Intelligenz. Die Anzahl der Start-ups und die hohen Investitionen in Neuromorphika sind gute Indikatoren dafür, dass diese Technologien den geltenden Markt erreichen werden.
Was sind die Herausforderungen dieser Technologien?
Das Hauptziel ist es, die künstliche Intelligenz effizient zu machen und die Energiekosten zu senken. Das Versprechen ist sehr schön. Die Neuromorphologie könnte drei Probleme lösen, die von aktuellen Hardware-Architekturen im Zusammenhang mit dem Deep Learning aufgeworfen werden. Erstens ist die Verbesserung der Rechenleistung durch den Wechsel zu fortgeschrittenen Technologieknoten nur wenigen großen Unternehmen zugänglich. Dann bereiten die explosionsartige Zunahme der zu verarbeitenden Datenmengen und die Geschwindigkeit des Zugriffs auf Speicher Schwierigkeiten. Schließlich gibt es eine Heizwand: Bei den aktuellen Halbleitertechnologien wird eine Leistung von einem Watt benötigt, um tausend Milliarden Gleitkommaoperationen pro Sekunde (1 W/Teraflops) durchzuführen. Die Leistung wird also durch die verfügbare oder akzeptable Leistung begrenzt. Wir wollen jedoch mobile Objekte, die mit Batterien betrieben werden. Und auf globaler Ebene möchten wir sicherstellen, dass das Internet unseren Energieverbrauch nicht erhöht.......
Welches Szenario sehen Sie vor?
Die Automobil-, Industrie- und Smartphone-Branchen werden die drei Hauptmärkte für Neuromorphika sein. Wir betrachten zwei Bruchpunkte. Erstes 2024. Wir gehen davon aus, dass bio-inspirierte Chips zu diesem Zeitpunkt die ersten Verbraucheranwendungen hervorbringen werden und dass die Industrie sie auf standardisierte Weise nutzen wird. Aber der Markt wird schwach bleiben. Vereinfacht ausgedrückt, wird die technologische Herausforderung bis dahin darin bestehen, die Anzahl der Neuronen und Synapsen zu erhöhen. Dann könnte sich der Markt erholen und im Jahr 2029 rund 7 Milliarden Dollar erreichen. Dieser Horizont markiert einen zweiten Wendepunkt mit der Hybridisierung aufkommender Erinnerungen - zum Beispiel resistive oder Phasenwechsel. Diese Erinnerungen werden eine wichtige Rolle beim späteren Wachstum des Marktes spielen, der bis 2034 rund 26 Milliarden erreichen könnte.
Wie sieht das neuromorphe Ökosystem aus?
Er hat sich verwandelt. Angefangen hat alles mit Caltech in den 1980er Jahren mit Carver Mead, der ein Pionier war. Mehrere Forschungszentren - wie die ETH Zürich - und einige Grossunternehmen - wie IBM oder Intel - starteten dann das Projekt. Aber es gibt einen Übergang zu kleineren Akteuren. Wir glauben, dass das australische Unternehmen Brainchip heute den fortschrittlichsten Vorschlag hat. Und auch das Pariser Startup-Unternehmen Grai Matter Lab ist gut positioniert. Diese Multiplikation von Start-ups ist charakteristisch für eine aufstrebende Technologie. Für uns, und in diesem Punkt verlassen wir uns auf C. Christensen, den Erfinder der Theorie der Störung, sind nur kleine agile Unternehmen in der Lage, die richtige Marktnische zu nutzen, die es ihnen ermöglicht, von den größten Akteuren wegzuwachsen und letztendlich alles umzukehren.
Übersetzt mit www.DeepL.com/Translator
"Bio-inspirierte Elektronikchips könnten den Markt in den nächsten zehn Jahren stören", prognostiziert Pierre Cambou, Analyst bei Yole Développement.
Xavier Boivinet
Veröffentlicht am 11.10.2019 um 10:00 Uhr
Verwandte Themen:
Elektronik, Digital & Computer, Computer, Computer
Zum gleichen Thema
Intel stellt ein neuromorphes System mit 8 Millionen Neuronen vor.
Warum der neuromorphe Bildsensor von Chronocam für Intel, Renault und Bosch so interessant ist.
Lawrence Livermore National Laboratory erwirbt einen IBM neuromorphen Supercomputer
IBM rekonstruiert ein "digitales" Nagetierhirn mit 48 neuromorphen Chips.
"Bio-inspirierte Elektronikchips könnten den Markt in den nächsten zehn Jahren stören", prognostiziert Pierre Cambou, Analyst bei Yole Développement.
Yole
Neuromorphe Elektronik, inspiriert vom Gehirn, hat das Potenzial, den Markt im nächsten Jahrzehnt zu stören. Zu diesem Ergebnis kommt die Anfang Oktober veröffentlichte Studie von Yole Développement, einem Beratungsunternehmen, das sich auf das technologische und strategische Marketing von Halbleitern spezialisiert hat. Pierre Cambou, Analyst bei Yole und Mitautor der Studie, erklärt für Industry & Technologies die Trends, die neuromorph sind. Und beschreibt das geplante Szenario.
Was ist Ihrer Meinung nach das Potenzial der neuromorphen Elektronik?
Neuromorphe Elektronik ist, um es einfacher zu machen, elektronische Chips - Sensoren und Prozessoren - inspiriert vom Gehirn. Diese Technologien sind ausgereift, und wir glauben, dass sie das Potenzial haben, den Markt im nächsten Jahrzehnt zu stören, indem sie die Entwicklung der künstlichen Intelligenz begleiten. Heute entwickeln sich gleichzeitig mit neuromorphen Chips auch neuronale Netze, und es besteht eine starke Nachfrage nach effektiver künstlicher Intelligenz. Die Anzahl der Start-ups und die hohen Investitionen in Neuromorphika sind gute Indikatoren dafür, dass diese Technologien den geltenden Markt erreichen werden.
Was sind die Herausforderungen dieser Technologien?
Das Hauptziel ist es, die künstliche Intelligenz effizient zu machen und die Energiekosten zu senken. Das Versprechen ist sehr schön. Die Neuromorphologie könnte drei Probleme lösen, die von aktuellen Hardware-Architekturen im Zusammenhang mit dem Deep Learning aufgeworfen werden. Erstens ist die Verbesserung der Rechenleistung durch den Wechsel zu fortgeschrittenen Technologieknoten nur wenigen großen Unternehmen zugänglich. Dann bereiten die explosionsartige Zunahme der zu verarbeitenden Datenmengen und die Geschwindigkeit des Zugriffs auf Speicher Schwierigkeiten. Schließlich gibt es eine Heizwand: Bei den aktuellen Halbleitertechnologien wird eine Leistung von einem Watt benötigt, um tausend Milliarden Gleitkommaoperationen pro Sekunde (1 W/Teraflops) durchzuführen. Die Leistung wird also durch die verfügbare oder akzeptable Leistung begrenzt. Wir wollen jedoch mobile Objekte, die mit Batterien betrieben werden. Und auf globaler Ebene möchten wir sicherstellen, dass das Internet unseren Energieverbrauch nicht erhöht.......
Welches Szenario sehen Sie vor?
Die Automobil-, Industrie- und Smartphone-Branchen werden die drei Hauptmärkte für Neuromorphika sein. Wir betrachten zwei Bruchpunkte. Erstes 2024. Wir gehen davon aus, dass bio-inspirierte Chips zu diesem Zeitpunkt die ersten Verbraucheranwendungen hervorbringen werden und dass die Industrie sie auf standardisierte Weise nutzen wird. Aber der Markt wird schwach bleiben. Vereinfacht ausgedrückt, wird die technologische Herausforderung bis dahin darin bestehen, die Anzahl der Neuronen und Synapsen zu erhöhen. Dann könnte sich der Markt erholen und im Jahr 2029 rund 7 Milliarden Dollar erreichen. Dieser Horizont markiert einen zweiten Wendepunkt mit der Hybridisierung aufkommender Erinnerungen - zum Beispiel resistive oder Phasenwechsel. Diese Erinnerungen werden eine wichtige Rolle beim späteren Wachstum des Marktes spielen, der bis 2034 rund 26 Milliarden erreichen könnte.
Wie sieht das neuromorphe Ökosystem aus?
Er hat sich verwandelt. Angefangen hat alles mit Caltech in den 1980er Jahren mit Carver Mead, der ein Pionier war. Mehrere Forschungszentren - wie die ETH Zürich - und einige Grossunternehmen - wie IBM oder Intel - starteten dann das Projekt. Aber es gibt einen Übergang zu kleineren Akteuren. Wir glauben, dass das australische Unternehmen Brainchip heute den fortschrittlichsten Vorschlag hat. Und auch das Pariser Startup-Unternehmen Grai Matter Lab ist gut positioniert. Diese Multiplikation von Start-ups ist charakteristisch für eine aufstrebende Technologie. Für uns, und in diesem Punkt verlassen wir uns auf C. Christensen, den Erfinder der Theorie der Störung, sind nur kleine agile Unternehmen in der Lage, die richtige Marktnische zu nutzen, die es ihnen ermöglicht, von den größten Akteuren wegzuwachsen und letztendlich alles umzukehren.
Übersetzt mit www.DeepL.com/Translator
Antwort auf Beitrag Nr.: 61.726.850 von H2OAllergiker am 19.10.19 19:57:47https://yole-i-micronews-com.osu.eu-west-2.outscale.com/uplo…
Lesezeichen...
!
Dieser Beitrag wurde vom System automatisch gesperrt. Bei Fragen wenden Sie sich bitte an feedback@wallstreet-online.de
BrainChip Awarded New Patent for Artificial Intelligence Dynamic Neural Network 22.11,19
Einfach mal googeln,darf keine links posten.
Einfach mal googeln,darf keine links posten.
22.10.19 Natürlich
Antwort auf Beitrag Nr.: 61.812.430 von H2OAllergiker am 01.11.19 01:44:22https://d1io3yog0oux5.cloudfront.net/brainchipinc/files/Brai…
🔮If you have watched the post "Building a Brain" you will have noted the size of the equipment being deployed to try and emulate in only the most limited way the functions of the human brain. If you compare this to what AKIDA is able to do then yes the idea of AKIDA is so far in advance as to be considered by some as science fiction. It is of course now accepted by those who have the capacity to know that it is real and that it can engage in unsupervised learning on a 28nm chip (ref; Mike Demler's report for Linley).
For a third time I will repeat my much earlier post as to how revolutionary AKIDA is when regard is had to conventional thinking on this subject:
"I posted the following underlined paragraphs back on 15 May, 2019. The prediction in your post of 2038 fits nicely with 2042. It is clear that neither McKinsey Global Institute, Richard Baldwin or Europa had any idea that BRN a tiny Aussie company was about to convince Socionext that it had cut 20 years off the timeline for chip based neuromorphic computing at the edge that is compatible with all existing technology and with "the ability without training to identify new patterns".
I have just finished reading Richard Baldwin's The Gobotics Upheaval which is an interesting read however the purpose in mentioning it is that at page 252 he provides a table of the "Year AI Attains Top-Level Human Performance in Workplace Skills" based upon data published by McKinsey Global Institute "A Future That Works: Automation, Employment, and Productivity," January, 2017 and under the heading "Thinking" 'the ability without training to identify new patterns' is predicted to occur no earlier than 2042.
Richard Baldwin's book was first published in the USA earlier this year by Oxford University Press and carries a positive endorsement by Larry Summers, former Chief Economist of the World Bank.
If AKIDA performs as we are led to believe and can be put into production it will be providing "the ability without training to identify new patterns" twenty two years earlier than has been predicted. No mean feat for a tiny little company to achieve on the basis of having raised only 40 million dollars to date."
I am sure for some the very idea of AKIDA remains science fiction.
For a third time I will repeat my much earlier post as to how revolutionary AKIDA is when regard is had to conventional thinking on this subject:
"I posted the following underlined paragraphs back on 15 May, 2019. The prediction in your post of 2038 fits nicely with 2042. It is clear that neither McKinsey Global Institute, Richard Baldwin or Europa had any idea that BRN a tiny Aussie company was about to convince Socionext that it had cut 20 years off the timeline for chip based neuromorphic computing at the edge that is compatible with all existing technology and with "the ability without training to identify new patterns".
I have just finished reading Richard Baldwin's The Gobotics Upheaval which is an interesting read however the purpose in mentioning it is that at page 252 he provides a table of the "Year AI Attains Top-Level Human Performance in Workplace Skills" based upon data published by McKinsey Global Institute "A Future That Works: Automation, Employment, and Productivity," January, 2017 and under the heading "Thinking" 'the ability without training to identify new patterns' is predicted to occur no earlier than 2042.
Richard Baldwin's book was first published in the USA earlier this year by Oxford University Press and carries a positive endorsement by Larry Summers, former Chief Economist of the World Bank.
If AKIDA performs as we are led to believe and can be put into production it will be providing "the ability without training to identify new patterns" twenty two years earlier than has been predicted. No mean feat for a tiny little company to achieve on the basis of having raised only 40 million dollars to date."
I am sure for some the very idea of AKIDA remains science fiction.
https://vimeo.com/374033032
ASX:BRN
Phil Carey Cornerstone MediaPRO
CEO's that excitedly tell you an entire sector like AI is their target, often miss hitting the board all together.
Simply put - there's no great upside in being a jack of all trades and master of none - especially if you are in the disruptive technology (DT) space.
So it is refreshing to hear the phrase "It's not what to do, but which to do" from a DT CEO.
Louis DiNardo, CEO of Brainchip, has identified the chip maker's real strength is at what is called the "The edge" of of AI.
• “AI at the Edge” is a high-volume, high-growth market.
• Intelligence is provided and analytics are performed at the point of acquiring data rather than data being transferred to a central processing core in a data centre or in the cloud for analysis and action.
"The edge" is where the Branchip's proprietary chip, AKIDA, says it will help make AI based analytic computing, faster, more accurate, and even have the ability to learn at the edge.
For example, in an autonomous vehicle, the AKIDA chip could do a reasonable amount of data processing, literally next to a camera embedded into the front bumper.
This would eliminate the time it takes for the data to be sent to the cloud, a data centre or a computer in the boot/trunk of the car.
Reducing the reaction time of an autonomous vehicle is vital to their success.
Of course this makes good sense, but to achieve this is not easy as it might seem. And that is where AKIDA comes in.
The Akida Neuromorphic System-on-Chip (NSoC) is the first in a new breed of neuromorphic computing.
Neuromorphic computing is a branch of artificial intelligence (AI) that simulates the functionality of neurons in the human brain.
Brainchip has been working away at getting some commercial deals locked in and it seems like it might be getting close, according to CEO Louis DiNardo.
Disruptive technology stocks should be considered very speculative, high-risk, and extremely volatile. There are significant risks inherent in developing new technologies that are not discussed here. You should always seek professional advice before considering any share purchase or sale. Please read our full disclaimer.
ASX:BRN
Phil Carey Cornerstone MediaPRO
CEO's that excitedly tell you an entire sector like AI is their target, often miss hitting the board all together.
Simply put - there's no great upside in being a jack of all trades and master of none - especially if you are in the disruptive technology (DT) space.
So it is refreshing to hear the phrase "It's not what to do, but which to do" from a DT CEO.
Louis DiNardo, CEO of Brainchip, has identified the chip maker's real strength is at what is called the "The edge" of of AI.
• “AI at the Edge” is a high-volume, high-growth market.
• Intelligence is provided and analytics are performed at the point of acquiring data rather than data being transferred to a central processing core in a data centre or in the cloud for analysis and action.
"The edge" is where the Branchip's proprietary chip, AKIDA, says it will help make AI based analytic computing, faster, more accurate, and even have the ability to learn at the edge.
For example, in an autonomous vehicle, the AKIDA chip could do a reasonable amount of data processing, literally next to a camera embedded into the front bumper.
This would eliminate the time it takes for the data to be sent to the cloud, a data centre or a computer in the boot/trunk of the car.
Reducing the reaction time of an autonomous vehicle is vital to their success.
Of course this makes good sense, but to achieve this is not easy as it might seem. And that is where AKIDA comes in.
The Akida Neuromorphic System-on-Chip (NSoC) is the first in a new breed of neuromorphic computing.
Neuromorphic computing is a branch of artificial intelligence (AI) that simulates the functionality of neurons in the human brain.
Brainchip has been working away at getting some commercial deals locked in and it seems like it might be getting close, according to CEO Louis DiNardo.
Disruptive technology stocks should be considered very speculative, high-risk, and extremely volatile. There are significant risks inherent in developing new technologies that are not discussed here. You should always seek professional advice before considering any share purchase or sale. Please read our full disclaimer.
Ich denke...langsam sollte der Fluss (wieder) in diese Tür...😉
Antwort auf Beitrag Nr.: 62.090.951 von H2OAllergiker am 05.12.19 20:34:36Danke fürs Einstellen ;-)
Sehr vielversprechend 👍👍👍
Financial Year 2020 Outlook:
Akida Intellectual Property licensing is expected based on current customer engagements. IP
licensing can precede Akida device sales by several quarters as no manufacturing cycle is
required, the licenses will be pre-paid and the IP is well documented. IP licenses represent
significant gross margin and operating margin and can add support for the Company’s cash
requirements in 2020.
Akida Device design wins can be established on engineering samples. OEM customers design
cycles are variable and are dependent on end-market. Consumer applications are typically
six to nine months, while industrial and automotive applications can be several years.
The Company is evaluating opening two Innovation Centers in 2020. The first in Western
Australia where the Company has significant historical presence and there is a talented
engineering community that can support Advanced Research as well as regional customer
activity. The second in Shanghai, China to support the large and growing AI Edge market in
the region.
Akida Intellectual Property licensing is expected based on current customer engagements. IP
licensing can precede Akida device sales by several quarters as no manufacturing cycle is
required, the licenses will be pre-paid and the IP is well documented. IP licenses represent
significant gross margin and operating margin and can add support for the Company’s cash
requirements in 2020.
Akida Device design wins can be established on engineering samples. OEM customers design
cycles are variable and are dependent on end-market. Consumer applications are typically
six to nine months, while industrial and automotive applications can be several years.
The Company is evaluating opening two Innovation Centers in 2020. The first in Western
Australia where the Company has significant historical presence and there is a talented
engineering community that can support Advanced Research as well as regional customer
activity. The second in Shanghai, China to support the large and growing AI Edge market in
the region.
!
Dieser Beitrag wurde vom System automatisch gesperrt. Bei Fragen wenden Sie sich bitte an feedback@wallstreet-online.de
Antwort auf Beitrag Nr.: 62.360.918 von aziz1907 am 13.01.20 17:45:41sucht mal bei google, gibt glauche ich einen neuen Investor der für 20 000 000 shares 10 M US$ zahlt.
Deshalb war die Aktie 2 tage vom Handel ausgesetzt.
Deshalb war die Aktie 2 tage vom Handel ausgesetzt.
Antwort auf Beitrag Nr.: 62.445.510 von H2OAllergiker am 21.01.20 23:09:21Umfangreiche Techstudie mit schönem.Überblick und techn.Einzelheiten
sieht gut aus 2020
https://www.biometricupdate.com/202001/brainchip-announces-y…
Antwort auf Beitrag Nr.: 62.539.436 von Konrador am 31.01.20 06:52:10Wann gibt es denn Einnahmen für Akida?
Antwort auf Beitrag Nr.: 62.686.333 von Djanko am 14.02.20 18:50:04Hallo- die ersten Finanzielle Erfolge werden wir schon dieses Jahr sehen- nach den Letzten Nachrichten die man hier gelesen hat- kann man davon ausgehen- wir mich ist es aber dieses JAHR nicht so wichtig wenn man vor Augen hat das es bis Jahr 2025- ein Potenzial für KI- CHips - bis 65 Milliarden USD schätzt, und Brand Chips hat das beste Produkt in der Hand- vergleichbar zu anderen Chip Entwickler, und dazu das wir noch wirklich am Anfang KI stehen- wo in der Zukunft- KI überall und in Jedem Segment zu sehen wird - dann kann man schon etwas länger warten und investieren- es ist nur meine Meinung und keine Kaufempfehlung- Grüße
Antwort auf Beitrag Nr.: 62.706.691 von Konrador am 17.02.20 22:14:52Das is es- Duchbruch!
Charttechnischer Ausbruch, der Rest folgt..
Antwort auf Beitrag Nr.: 62.706.928 von H2OAllergiker am 17.02.20 23:00:25ich glaube es wird nicht mehr lange dauern- Schulter-Kopf-Schulter Formation fast erreicht- erst dann Ausbruch- Grüße
Company Announces Wafer Fabrication of the AkidaTM System-on-Chip
_____________________________________________________________________________
BrainChip and Socionext have delivered the Akida design files to Taiwan Semiconductor Manufacturing Company (TSMC) for manufacturing
TSMC Multi-Project Wafer (MPW) and Shuttle reduces the fabrication expenses and provides faster delivery of engineering samples
MPW at TSMC is scheduled to commence on 8 April 2020
Engineering samples will support the the validation of the Akida Intellectual Property (IP) for ASIC delvopment and hardware designs in conjunction with the Akida Development Environment (ADE) for integration of BrainChip’s IP or device into commercial AI applications
😊
_____________________________________________________________________________
BrainChip and Socionext have delivered the Akida design files to Taiwan Semiconductor Manufacturing Company (TSMC) for manufacturing
TSMC Multi-Project Wafer (MPW) and Shuttle reduces the fabrication expenses and provides faster delivery of engineering samples
MPW at TSMC is scheduled to commence on 8 April 2020
Engineering samples will support the the validation of the Akida Intellectual Property (IP) for ASIC delvopment and hardware designs in conjunction with the Akida Development Environment (ADE) for integration of BrainChip’s IP or device into commercial AI applications
😊
Hier die Übersetzung des letzten Webinars im März. Hier nur der Teil, wo es um die Zukunft des AKIDA (2, 3, 4 etc.) geht. Am Ende unterbricht Lou das Gespräch wohl aus dem Grund, weil Peter zu viel Internes aus plaudert...🙊😉 Lou: Lassen Sie uns weitermachen. Peter, ich hoffe, du bist live. Können Sie sprechen?
Peter: Ja, ja. Ich bin hier.
Lou: Okay. Nur ein kurzes Update für alle. Es gibt eine Menge Neugierde darüber, was wir in Westaustralien machen. Vielleicht können Sie also mit dieser Seite sprechen und einen Eindruck davon vermitteln, was unsere Absichten und Ziele sind.
Peter: Sicher. Das westaustralische Forschungszentrum befasst sich mit der Zukunft der künstlichen Intelligenz. Wir schauen uns an, wo der Markt in sagen wir zwei Jahren, in 10 Jahren sein wird.
Das bedeutet also, dass wir uns mit dem Bau von Geräten beschäftigen, die eher dem Gehirn ähneln. Chips, die Entscheidungen treffen und lernen können wie menschliche Wesen, wie Sie gerade gesehen haben, wir sind bereits in der jetzigen Vorrichtung, wir tun dies bereits zu einem großen Teil. Wir werden das, was wir im Moment haben, weiter ausbauen. Wir haben das aus AKETA one gebaut.
Im Forschungszentrum WA werden wir also fortgeschrittene Forschung im Bereich der künstlichen Intelligenz bilden. Das geht weit über das Erkennen eines Bildes oder die Auszeichnung eines Hindernisses hinaus. Zum Beispiel, wenn etwas angetroffen wird, das der Chip noch nie gesehen hat, und er muss die richtige Antwort darauf geben.
Daher ist dies als AGI bekannt, die nächste Generation der künstlichen Intelligenz. Und die nächste Generation der KI ist die AGI. AGI steht für künstliche allgemeine Intelligenz, was bedeutet, mehr wie ein menschliches Wesen zu lernen.
AKETA zwei wird also eine Weiterentwicklung von AKETA eins sein, mehr Fähigkeiten, jede Generation von AKETA, also AKETA drei, AKETA vier usw. wird eine Weiterentwicklung jeder Generation sein. Und jede wird mit der Vision entwickelt, wohin sich der KI-Markt entwickeln wird. Aber wir entwickeln diese Dinge nicht isoliert, wir entwickeln sie im Dialog mit den späteren Anwendern.
Dazu werden wir eine Reihe von Computational Neuroscientists beschäftigen. Das BrainChip-Forschungszentrum wird auch mit den Unternehmen und Institutionen in Perth zusammenarbeiten. Wir sind jetzt hier mit mehreren Unternehmen im Gespräch. Und das Ziel ist es, das BrainChip-Forschungszentrum selbstfinanziert zu machen, durch gemeinsame Entwicklungsprojekte, staatliche Zuschüsse, Steuervergünstigungen, solche Dinge.
Wir werden vier Doktoranden in Computational Neuroscience und vier Doktoranden mit einem Hintergrund in KI-Anwendungen haben. Und diese Leute werden von Universitäten in der Umgebung von Perth rekrutiert, wie Curtin, University of Western Australia Murdoch und Edith Cowan University, die alle über ausgezeichnete Doktorandenprogramme in Neurowissenschaften, Robotik, neuromorphem Engineering und neuronalen Netzwerken verfügen. Hier in Perth gibt es eine ganze Menge Talente, und ich habe bereits zwei ausgezeichnete Kandidaten interviewt, die ich gerne sehr kurzfristig in das Forschungszentrum aufnehmen würde, sobald wir einige Projekte gesichert haben.
Die Einrichtungen, die wir uns ansehen, werden also nicht isoliert sein. Entweder werden wir mit Universitäten, Dingen wie dem [unhörbaren 00:40:42] Neurowissenschaftlichen Zentrum und anderen Einrichtungen wie der E-Zone um Perth zusammenarbeiten. Wir sind mit diesen Leuten im Gespräch, und wir prüfen, ob wir einen Teil ihres Raumes nutzen können. Wir werden etwa 150 Quadratmeter benötigen.
Wir haben bereits die Kommunikation angesprochen. BrainChip ist ein sehr verteiltes Unternehmen, und wir haben Büros in den Vereinigten Staaten, Australien und Frankreich. Und wir sind immer gut vernetzt, so dass wir uns über ein virtuelles privates Netzwerk verbinden können. Ich kann mich so verbinden, als wäre ich im Büro in Amerika. Also, ja?
Ich denke, wir sollten Schluss machen. Das hat etwas länger gedauert als erwartet. Aber ich hoffe, es war für alle hilfreich.
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
Peter: Ja, ja. Ich bin hier.
Lou: Okay. Nur ein kurzes Update für alle. Es gibt eine Menge Neugierde darüber, was wir in Westaustralien machen. Vielleicht können Sie also mit dieser Seite sprechen und einen Eindruck davon vermitteln, was unsere Absichten und Ziele sind.
Peter: Sicher. Das westaustralische Forschungszentrum befasst sich mit der Zukunft der künstlichen Intelligenz. Wir schauen uns an, wo der Markt in sagen wir zwei Jahren, in 10 Jahren sein wird.
Das bedeutet also, dass wir uns mit dem Bau von Geräten beschäftigen, die eher dem Gehirn ähneln. Chips, die Entscheidungen treffen und lernen können wie menschliche Wesen, wie Sie gerade gesehen haben, wir sind bereits in der jetzigen Vorrichtung, wir tun dies bereits zu einem großen Teil. Wir werden das, was wir im Moment haben, weiter ausbauen. Wir haben das aus AKETA one gebaut.
Im Forschungszentrum WA werden wir also fortgeschrittene Forschung im Bereich der künstlichen Intelligenz bilden. Das geht weit über das Erkennen eines Bildes oder die Auszeichnung eines Hindernisses hinaus. Zum Beispiel, wenn etwas angetroffen wird, das der Chip noch nie gesehen hat, und er muss die richtige Antwort darauf geben.
Daher ist dies als AGI bekannt, die nächste Generation der künstlichen Intelligenz. Und die nächste Generation der KI ist die AGI. AGI steht für künstliche allgemeine Intelligenz, was bedeutet, mehr wie ein menschliches Wesen zu lernen.
AKETA zwei wird also eine Weiterentwicklung von AKETA eins sein, mehr Fähigkeiten, jede Generation von AKETA, also AKETA drei, AKETA vier usw. wird eine Weiterentwicklung jeder Generation sein. Und jede wird mit der Vision entwickelt, wohin sich der KI-Markt entwickeln wird. Aber wir entwickeln diese Dinge nicht isoliert, wir entwickeln sie im Dialog mit den späteren Anwendern.
Dazu werden wir eine Reihe von Computational Neuroscientists beschäftigen. Das BrainChip-Forschungszentrum wird auch mit den Unternehmen und Institutionen in Perth zusammenarbeiten. Wir sind jetzt hier mit mehreren Unternehmen im Gespräch. Und das Ziel ist es, das BrainChip-Forschungszentrum selbstfinanziert zu machen, durch gemeinsame Entwicklungsprojekte, staatliche Zuschüsse, Steuervergünstigungen, solche Dinge.
Wir werden vier Doktoranden in Computational Neuroscience und vier Doktoranden mit einem Hintergrund in KI-Anwendungen haben. Und diese Leute werden von Universitäten in der Umgebung von Perth rekrutiert, wie Curtin, University of Western Australia Murdoch und Edith Cowan University, die alle über ausgezeichnete Doktorandenprogramme in Neurowissenschaften, Robotik, neuromorphem Engineering und neuronalen Netzwerken verfügen. Hier in Perth gibt es eine ganze Menge Talente, und ich habe bereits zwei ausgezeichnete Kandidaten interviewt, die ich gerne sehr kurzfristig in das Forschungszentrum aufnehmen würde, sobald wir einige Projekte gesichert haben.
Die Einrichtungen, die wir uns ansehen, werden also nicht isoliert sein. Entweder werden wir mit Universitäten, Dingen wie dem [unhörbaren 00:40:42] Neurowissenschaftlichen Zentrum und anderen Einrichtungen wie der E-Zone um Perth zusammenarbeiten. Wir sind mit diesen Leuten im Gespräch, und wir prüfen, ob wir einen Teil ihres Raumes nutzen können. Wir werden etwa 150 Quadratmeter benötigen.
Wir haben bereits die Kommunikation angesprochen. BrainChip ist ein sehr verteiltes Unternehmen, und wir haben Büros in den Vereinigten Staaten, Australien und Frankreich. Und wir sind immer gut vernetzt, so dass wir uns über ein virtuelles privates Netzwerk verbinden können. Ich kann mich so verbinden, als wäre ich im Büro in Amerika. Also, ja?
Ich denke, wir sollten Schluss machen. Das hat etwas länger gedauert als erwartet. Aber ich hoffe, es war für alle hilfreich.
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
Das ganze Webinar vom 27. März 2020 ist hier zu finden. https://hotcopper.com.au/threads/2020-brn-discussion.5166457…
GM, Ford oder FiatChrysler, die hinken alle Nikola und TESLA hinterher und müssen Gas geben... Mit Akida...?
Es ist Ford, mein Wunschkandidat
AI player BrainChip on a roll; signs two contracts within a month
Jun 10, 2020 AEST
Team Kalkine
Summary
Technology has played a pivotal role in the COVID-19 crisis, with Artificial Intelligence assisting in dealing with the pandemic.
Scope for AI is massive, with substantial progress made in the fields of self-driving cars, gameplaying machines and virtual assistants.
Areas with significant improvement include image understanding, intelligent decision making, artificial creativity, natural language processing and physical automation.
After the recent introduction of AKD1000, AI solutions provider BrainChip entered a joint development pact with Valeo Corporation.
The Company also signed an agreement with a Detroit-based company for the evaluation of AkidaTM Neural Processor.
Artificial Intelligence is expected to have a firm grip on the market in the upcoming future. A recent report published in May 2020 by the Australian Government highlighted that there is a variety of high-profile demonstrations of Artificial Intelligence and significant progress has been made in fields of self-driving cars, gameplaying machines and virtual assistant. Further, AI has had a considerable role to play in managing the current COVID-19 crisis.
DO READ: How is Artificial Intelligence helping in dealing with the COVID-19 crisis?
During the last decade, there have been five vital areas where significant growth has been witnessed. These include:
Image understanding
Intelligent decision making
Artificial creativity
Natural Language Processing
physical automation
The scope of AI is not exhaustive. However, the above five regions have shown a significant change in the past ten years.
ASX-listed BrainChip Holdings Ltd (ASX:BRN) is one such technology company that is engaged in developing innovative neuromorphic processor that brings AI to the edge in a manner that is beyond the abilities of other neural network devices. The solution is high-speed, small, low power. It allows a broad range of edge abilities comprising continual learning, local training, and interpretation.
BRN, during April 2020, introduced its AKD1000 to spectators at the Processor Virtual Conference by the Linley Group. The AKD1000’s neural processor is capable of running a normal Convolutional neural network by transforming it into event-based, letting it to execute incremental learning and transfer it on a chip.
CNN or Convolutional neural network is a type of deep neural network used for analysing images. These have specially designed architecture that makes them comparatively easy to train, even for relatively deep networks.
After the introduction of AKD1000, BrainChip has recently signed two agreements, post which the Company noted a significant improvement in its share price in the past couple of weeks. BRN shares, which settled at A$0.058 on 22 May 2020 reached A$0.120 on 9 June 2020, representing a growth of ~106.9%.
On 9 June 2020, the share price skyrocketed after the release of the Company’s announcement related to its Joint agreement with Valeo Corporation. The stock settled at A$0.110 on 10 June 2020, down 8.333%.
Let us look at the two recent deals signed by the Company that led to the stock rally.
Joint Agreement with Tier-1 Automotive Supplier
On 8 June 2020, Brainchip Holdings Ltd entered a joint development pact using BRN’s Akida neuromorphic SoC with Valeo Corporation, a Tier-1 European automotive supplier of sensors as well as systems for Advanced Driver Assistance Systems (ADAS) and Autonomous Vehicles (AV).
Under the agreement, certain performance milestones & payments that are anticipated to include the Company’s expenditures. The term of the deal is specified by the accomplishment of performance goals & the accessibility of the Akida devices. Each party has the option to end the agreement for convenience with specific notification.
The confirmation of the Company’s Akida device by a Tier-1 supplier of sensors & systems to the automotive industry is believed to be significant progress.
In ADAS & AV applications, the real-time processing of data is vital for security as well as dependability of the autonomous systems. From the automotive industry, the suppliers, as well as the manufacturers, have acknowledged that the advanced & highly efficient neuromorphic nature of the Akida SoC makes it ideally fit to process data at the “Edge” for their advanced system solutions.
With the integration of the Akida neural network processor with sensors, the subsequent system can attain ultra-low power, min. latency, max. reliability & incremental learning.
The Akida neural processor’s game-changing high performance & ultra-low power utilisation allows smart sensor combination by resolving power and footprint difficulties for a range of sensor technologies. Further, it consumes less power than alternative AI solutions and simultaneously maintaining the necessary performance as well as accuracy in a fraction of the physical space.
Agreement with Ford Motor Company for the Evaluation of AkidaTM Neural Processor
On 24 May 2020, the Company signed a joint agreement with Detroit-based Company for evaluation of the Akida neural network System-on-Chip for Advanced Driver Assistance Systems & Autonomous Vehicle applications.
The evaluation agreement was binding on execution which was signed into with Ford Motor Company and is not the subject of a fixed term. The deal is based upon a partnership to assess Akida as it relates to the automotive industry & payments under the agreement proposed to cover related expenses and received periodically during the evaluation process.
Akida NSoC has an advanced and highly efficient neuromorphic nature, and the partners in the collaboration have also realised that these features provide a broad range of potential solutions to complex problems such as driver behaviour assessments and real-time object detection.
The Akida NSoC exemplifies ground-breaking Neural Processing computing tools for Edge AI systems and gadgets. Each Akida NSoC has 10 billion synapses and 1.2 million neurons, demonstrating orders of magnitude improved effectiveness than other neural processing devices available.
The unique combination of meagre power, high performance and on-chip learning enables for real-time processing at the sensor along with continuous learning. The objective is to facilitate personalisation of every driver’s understanding in real time & constant updates to the system with the change in the environmental conditions.
Jun 10, 2020 AEST
Team Kalkine
Summary
Technology has played a pivotal role in the COVID-19 crisis, with Artificial Intelligence assisting in dealing with the pandemic.
Scope for AI is massive, with substantial progress made in the fields of self-driving cars, gameplaying machines and virtual assistants.
Areas with significant improvement include image understanding, intelligent decision making, artificial creativity, natural language processing and physical automation.
After the recent introduction of AKD1000, AI solutions provider BrainChip entered a joint development pact with Valeo Corporation.
The Company also signed an agreement with a Detroit-based company for the evaluation of AkidaTM Neural Processor.
Artificial Intelligence is expected to have a firm grip on the market in the upcoming future. A recent report published in May 2020 by the Australian Government highlighted that there is a variety of high-profile demonstrations of Artificial Intelligence and significant progress has been made in fields of self-driving cars, gameplaying machines and virtual assistant. Further, AI has had a considerable role to play in managing the current COVID-19 crisis.
DO READ: How is Artificial Intelligence helping in dealing with the COVID-19 crisis?
During the last decade, there have been five vital areas where significant growth has been witnessed. These include:
Image understanding
Intelligent decision making
Artificial creativity
Natural Language Processing
physical automation
The scope of AI is not exhaustive. However, the above five regions have shown a significant change in the past ten years.
ASX-listed BrainChip Holdings Ltd (ASX:BRN) is one such technology company that is engaged in developing innovative neuromorphic processor that brings AI to the edge in a manner that is beyond the abilities of other neural network devices. The solution is high-speed, small, low power. It allows a broad range of edge abilities comprising continual learning, local training, and interpretation.
BRN, during April 2020, introduced its AKD1000 to spectators at the Processor Virtual Conference by the Linley Group. The AKD1000’s neural processor is capable of running a normal Convolutional neural network by transforming it into event-based, letting it to execute incremental learning and transfer it on a chip.
CNN or Convolutional neural network is a type of deep neural network used for analysing images. These have specially designed architecture that makes them comparatively easy to train, even for relatively deep networks.
After the introduction of AKD1000, BrainChip has recently signed two agreements, post which the Company noted a significant improvement in its share price in the past couple of weeks. BRN shares, which settled at A$0.058 on 22 May 2020 reached A$0.120 on 9 June 2020, representing a growth of ~106.9%.
On 9 June 2020, the share price skyrocketed after the release of the Company’s announcement related to its Joint agreement with Valeo Corporation. The stock settled at A$0.110 on 10 June 2020, down 8.333%.
Let us look at the two recent deals signed by the Company that led to the stock rally.
Joint Agreement with Tier-1 Automotive Supplier
On 8 June 2020, Brainchip Holdings Ltd entered a joint development pact using BRN’s Akida neuromorphic SoC with Valeo Corporation, a Tier-1 European automotive supplier of sensors as well as systems for Advanced Driver Assistance Systems (ADAS) and Autonomous Vehicles (AV).
Under the agreement, certain performance milestones & payments that are anticipated to include the Company’s expenditures. The term of the deal is specified by the accomplishment of performance goals & the accessibility of the Akida devices. Each party has the option to end the agreement for convenience with specific notification.
The confirmation of the Company’s Akida device by a Tier-1 supplier of sensors & systems to the automotive industry is believed to be significant progress.
In ADAS & AV applications, the real-time processing of data is vital for security as well as dependability of the autonomous systems. From the automotive industry, the suppliers, as well as the manufacturers, have acknowledged that the advanced & highly efficient neuromorphic nature of the Akida SoC makes it ideally fit to process data at the “Edge” for their advanced system solutions.
With the integration of the Akida neural network processor with sensors, the subsequent system can attain ultra-low power, min. latency, max. reliability & incremental learning.
The Akida neural processor’s game-changing high performance & ultra-low power utilisation allows smart sensor combination by resolving power and footprint difficulties for a range of sensor technologies. Further, it consumes less power than alternative AI solutions and simultaneously maintaining the necessary performance as well as accuracy in a fraction of the physical space.
Agreement with Ford Motor Company for the Evaluation of AkidaTM Neural Processor
On 24 May 2020, the Company signed a joint agreement with Detroit-based Company for evaluation of the Akida neural network System-on-Chip for Advanced Driver Assistance Systems & Autonomous Vehicle applications.
The evaluation agreement was binding on execution which was signed into with Ford Motor Company and is not the subject of a fixed term. The deal is based upon a partnership to assess Akida as it relates to the automotive industry & payments under the agreement proposed to cover related expenses and received periodically during the evaluation process.
Akida NSoC has an advanced and highly efficient neuromorphic nature, and the partners in the collaboration have also realised that these features provide a broad range of potential solutions to complex problems such as driver behaviour assessments and real-time object detection.
The Akida NSoC exemplifies ground-breaking Neural Processing computing tools for Edge AI systems and gadgets. Each Akida NSoC has 10 billion synapses and 1.2 million neurons, demonstrating orders of magnitude improved effectiveness than other neural processing devices available.
The unique combination of meagre power, high performance and on-chip learning enables for real-time processing at the sensor along with continuous learning. The objective is to facilitate personalisation of every driver’s understanding in real time & constant updates to the system with the change in the environmental conditions.
Einstieg verpasst, muss ich klar sagen, aber weiter gehts...
BrainChip (BRN) has completed the wafer fabrication for its Akida system, enabling progression to the assembly and testing phase
The first completed Akida devices will be used for testing both internally and by customers who signed on to the Early Access program
If the system stands up to company expectations in the testing phase, BrainChip will be well on the way to developing an AI system with capabilities beyond anything currently available
BrainChip is trading 33.7 per cent higher at 11.5 cents per share
BrainChip (BRN) has completed the wafer fabrication for its Akida neuromorphic system-on-chip, enabling progression to the assembly and testing phase.
The wafer manufacture was completed to schedule in conjunction with the company’s partners, Socionext and Taiwan Semiconductor Manufacturing Company.
Upon completion of assembly, the first completed Akida devices will be used for testing both internally and by customers who signed on to the Early Access program.
BrainChip President and CEO, Louis DiNardo, says the completion of the wafer fabrication represents a great leap forward in the company’s progress.
“This is an exciting and pivotal moment in BrainChip’s evolution to commercialise a very powerful technology that addresses the burgeoning AI Edge market,” Louis said.
“There is nothing quite like having silicon in your hand after years of work to define, develop and produce a revolutionary technology,” he added.
The Akida device has been designed to work like the human brain — to be flexible in its operation and learning capacity and efficient in its data transfer and power usage.
BrainChip believes the tech will have wide applications which will be “both scalable and flexible to address the requirements in edge devices.” The system’s efficiency will also deliver faster processing with a lower carbon footprint.
If the system stands up to company expectations in the testing phase, BrainChip will be well on the way to developing an AI system with capabilities beyond anything currently available.
BrainChip is trading 33.7 per cent higher at 11.5 cents per share as at 3:33 pm AEST.
The first completed Akida devices will be used for testing both internally and by customers who signed on to the Early Access program
If the system stands up to company expectations in the testing phase, BrainChip will be well on the way to developing an AI system with capabilities beyond anything currently available
BrainChip is trading 33.7 per cent higher at 11.5 cents per share
BrainChip (BRN) has completed the wafer fabrication for its Akida neuromorphic system-on-chip, enabling progression to the assembly and testing phase.
The wafer manufacture was completed to schedule in conjunction with the company’s partners, Socionext and Taiwan Semiconductor Manufacturing Company.
Upon completion of assembly, the first completed Akida devices will be used for testing both internally and by customers who signed on to the Early Access program.
BrainChip President and CEO, Louis DiNardo, says the completion of the wafer fabrication represents a great leap forward in the company’s progress.
“This is an exciting and pivotal moment in BrainChip’s evolution to commercialise a very powerful technology that addresses the burgeoning AI Edge market,” Louis said.
“There is nothing quite like having silicon in your hand after years of work to define, develop and produce a revolutionary technology,” he added.
The Akida device has been designed to work like the human brain — to be flexible in its operation and learning capacity and efficient in its data transfer and power usage.
BrainChip believes the tech will have wide applications which will be “both scalable and flexible to address the requirements in edge devices.” The system’s efficiency will also deliver faster processing with a lower carbon footprint.
If the system stands up to company expectations in the testing phase, BrainChip will be well on the way to developing an AI system with capabilities beyond anything currently available.
BrainChip is trading 33.7 per cent higher at 11.5 cents per share as at 3:33 pm AEST.
Antwort auf Beitrag Nr.: 64.264.888 von ooy am 02.07.20 10:48:16es ist noch nicht zu spät
Es fängt gerade erst an
Antwort auf Beitrag Nr.: 64.272.325 von Konrador am 02.07.20 18:31:08Ist mir jetzt zu teuer, hast du uebrigens mal auf YCW geschaut??
Antwort auf Beitrag Nr.: 64.275.949 von ooy am 02.07.20 22:12:20Hallo-ja habe ich gesehen- aber ich bin jetzt raus aus YRCW- BrainChip ist für mich eine Jahr-Hundert Aktie! so was und zu diesem Kurs, findet mann nicht schnell wieder- habe 200 TSD Stück zu 0,04 gekauft- leider war ich zu dum und habe Angst wegen Corona- gehabt, Wirtschaft Abbruch ETZ- und nicht nachgekauft aber ich werde es tun- bei nächste Gelegenheit- Grüße
So etwas wünsche ich mir für BRN. Bin leider nicht dabei, bei 20 Cent war ich auf dem Buybutton, hab dann aber etwas anderes gekauft🙈 Immerhin ist meine Trefferquote erheblich gestiegen, etliche Wete haben sich verxfacht, nur bei den meisten bin ich eben nicht oder nicht mehr dabei.
Antwort auf Beitrag Nr.: 64.285.720 von H2OAllergiker am 03.07.20 17:03:07Genau so etwas kann bei BrainChip passieren, schließlich ist Brain sehr weit voraus- vergleichbar mit anderen KI- Entwickler- Akida verbraucht extrem wenig Energie, so ist auch in mobilen Geräten zu verwenden wie Handy, Kameras- usw, und ich kann mir gut vorstellen das es ein großes Potenzial haben wird, egal ob Überwachung, Robotik, Autoindustrie, Medizin, Forschung- etz. Eigentlich Überall einsetzbar. Hier muß mann nur Zeit investieren- wird die Aktie richtig ausbrechen- dann kann es schnell gehen- schade das du nicht mehr dabei bist- Du hast mich auf diese Aktie aufmerksam gemacht- Danke
Bin bei PYR nicht dabei...war demnach ein Missverständnis!😉
Das riecht nach Ausbruch
Mindestens auf 0,16 AUD
Antwort auf Beitrag Nr.: 64.325.660 von H2OAllergiker am 07.07.20 20:33:38Das ist aber schon krass, oder?
Ohne RS??
TOTAL SHARES (ALL CLASSES)2:
1,475,018,348
MARKET CAP1:
131,276,633
MARKET CAP (ALL CLASSES)2*:
131,276,633
Ohne RS??
TOTAL SHARES (ALL CLASSES)2:
1,475,018,348
MARKET CAP1:
131,276,633
MARKET CAP (ALL CLASSES)2*:
131,276,633
Haben viele Australier, ja und?
Antwort auf Beitrag Nr.: 64.417.655 von H2OAllergiker am 15.07.20 14:01:49Kein Gund fuer mich, viel zuviel...
https://www.nature.com/articles/s41928-020-0449-1 😁 Brainchip wird namentlich in der Nature erwähnt, ich nenne das einen Ritterschlag.
Heute kam eine Veröffentlichung heraus. Ein Nobelpreisträger für Medizin ist nun mit an Bord . Bin gerade nicht in der Lage, einen Link zu senden. Intelligente Sensoren für medizinische Indikationen dürften als weitere Anwendungsfelder für SK da folgen.
Das ist der Mann http://www.news.uwa.edu.au/2020060312130/research/uwa-expert…
Habe die Info, dass Brainchip Holdings ab dem 27.07. auf Tradegate aufgenommen wird.
Das freut mich persönlich sehr, da Anfragen im letzen Jahr abgelehnt wurden.
Ist für mich ein sehr gutes Zeichen ;-)
Das freut mich persönlich sehr, da Anfragen im letzen Jahr abgelehnt wurden.
Ist für mich ein sehr gutes Zeichen ;-)
Hallo Kollegen,
wollte mal sehen was es hier so alles im Australien Forum gibt.
Bin bei KSS vor einigen Monaten eingestiegen und beobachte einige Werte an der ASX wie zB: MEM
Ich denke die ASX wir mein neuer Haupthandelsplatz.
Darf ich fragen mit welchem Broker ihr unterwegs seit fuer die ASX?
wollte mal sehen was es hier so alles im Australien Forum gibt.
Bin bei KSS vor einigen Monaten eingestiegen und beobachte einige Werte an der ASX wie zB: MEM
Ich denke die ASX wir mein neuer Haupthandelsplatz.
Darf ich fragen mit welchem Broker ihr unterwegs seit fuer die ASX?
Dann kann ich sie mglw. ja das erste Mal ins KI wikifolio aufnehmen😁
Neues 56 Wochenhoch und Ausbruch gelungen
https://jwpm.com.au/industrial-marketing-blog/brn-


1

22.07.20 08:47
🙈Meine Rede...könnte aus meiner Feder von damals stammen. Quelle Börsen online Board
Das neuromorphe System von BrainChip
22. Juli 2020
Neuer Computerchip wird die Welt verändern
Eines der zentralen Konzepte hinter der Filmreihe ?Terminator? ist die Cyberdyne Corporation, die das selbstbewusste Skynet-System entwickelt hat.
Die Grundlagentechnologie wurde von einem Informatiker (Miles Dyson) entwickelt, der seine Arbeit auf einem kaputten Computerchip basierte, einem Überrest des Gehirns des ersten Terminators (gespielt von Arnold Schwarzenegger), der in den letzten Szenen in einer hydraulischen Fabrikpresse zerquetscht wurde von Terminator 1.
Miles Dyson sagte über den Chip: "Es war ein radikales Design, Ideen, an die wir nie gedacht hätten ..."
Das an der ASX gelistete australische Unternehmen Brain Chip Holdings (BRN: ASX) steht kurz vor der Markteinführung des ersten einer Reihe von Chips, die eine gehirnähnliche neuronale Verarbeitung unterstützen, die wahrscheinlich die Welt verändern wird.
Dies könnte ein Skynet-Moment sein.
Ich habe kürzlich kommentiert, dass sich das Innovationstempo verlangsamt hat und seit über einem Jahrzehnt keine neuen ?bahnbrechenden? Technologien mehr entwickelt wurden.
Mit der Markteinführung von Brain Chip Holdings (BRN: ASX) wird jedoch das erste praktische neuromorphe ?System auf einem Chip? auf den Markt gebracht - das wird sich bald ändern.
Ihr neuer Chip (der erste einer Reihe, der kurz vor der Markteinführung steht) hat ein Kursziel von 10 US-Dollar und wird einen sehr geringen Stromverbrauch aufweisen, sodass eingebettete KI-Anwendungen am Rande der Praxis Realität werden.
"The Edge" ist ein Begriff, der Geräte beschreibt, die mit der realen Welt verbunden sind - wie Gesichts- und Objekterkennungskameras und andere Sensoren. Im Gegensatz zur Rechenleistung in Serverfarmen "in der Cloud".
Der Chip unterstützt das hirnähnliche Lernen mit hoher Geschwindigkeit und ermöglicht die Entwicklung selbstlernender Systeme, die die Mustererkennung in Echtzeit mit einem Stromverbrauch von weniger als 1 Watt anwenden.
Akida - Das weltweit erste KI-System auf einem Chip
Akida ? von BrainChip ist ein revolutionärer fortschrittlicher neuronaler Netzwerkprozessor, der künstliche Intelligenz auf eine Weise an den Rand bringt, die vorhandene Technologien nicht können.
Für die Entwicklung wirklich autonomer menschlicher Roboter ist dies das fehlende Glied.
Humanoide Roboter sind nur eine von Tausenden potenziellen Anwendungen, aber wahrscheinlich nicht mit Chips der ersten Generation.
Auf ihrer Website hat BrainChip die ersten und offensichtlichen Anwendungen dieser neuen Technologie identifiziert, aber Gott weiß, was aus Benutzerinnovationen hervorgehen wird.
Als ein Moment in der Geschichte der technologischen Errungenschaften könnte die Einführung von Akida ? mit der Einführung des Intel 8008-Mikroprozessors im Jahr 1972 verglichen werden, der ersten 8-Bit-CPU, die die Entwicklung einer neuen Generation von Desktop-Computing, Embedded Device Control, Industry hervorbrachte 3.0 Automatisierung und die Allgegenwart des Internets.
Fast vierzig Jahre später wissen wir, wie sich das herausgestellt hat.
Die bahnbrechende Bedeutung der Arbeit von BrainChip kann nicht genug betont werden.
Radikale Architektur
Der wirklich radikale Aspekt des neuromorphen Chips besteht darin, dass herkömmliche Computersysteme Daten auf eine Weise völlig unterschiedlich verarbeiten, die nützliche KI nur durch rohe Gewalt unterstützen kann, d. H. Hochleistungs-Großcomputer.
Brainchip argumentierte, dass das menschliche Gehirn massive KI auf kleinem Raum und bei sehr geringem Stromverbrauch unterstützt. Ihr Ansatz bestand darin, zu untersuchen, wie das menschliche Gehirn dies in einem systemischen und strukturellen Sinne erreicht hat, und ihren Chip basierend auf ihren Erkenntnissen zu entwerfen.
Das Ergebnis ist ein praktischer Chip, der für andere anwendbar ist und die neuronale und synaptische Architektur sowie die organische Selbstorganisation des menschlichen Gehirns nachahmt.
Der Chip enthält alle Elemente, die erforderlich sind, um herkömmliche digitale Systeme mit dem neuromorphen Speicher zu verbinden, und unterstützt die Programmierung in vorhandenen Sprachen. Auf diese Weise wird ein ?System auf einem Chip? anstelle einer unbequemen eigenständigen neuromorphen Matrix bereitgestellt, bei der sich Ingenieure möglicherweise am Kopf kratzen herauszufinden, was damit zu tun ist.
Bei einem Zielpreis von ungefähr 10 USD pro Chip sind die Kosten für das Basteln mit der neuen Technologie sehr erschwinglich, ebenso wie der spätere Einsatz in Arbeitsgeräten in großem Maßstab bei der Herstellung.
BrainChip gab am 2. Juli 2020 bekannt, dass die ersten Akida ? -Chip-Siliziumwafer erfolgreich hergestellt wurden, und das Unternehmen geht in Richtung interner Tests und Evaluierung der ersten Geräte. In Erwartung der Notwendigkeit einer weiteren Entwicklung sind die neuen Chips nicht weit von der kommerziellen Veröffentlichung entfernt.
Die Welt wird sich schnell verändern.


1

22.07.20 08:47
🙈Meine Rede...könnte aus meiner Feder von damals stammen. Quelle Börsen online Board
Das neuromorphe System von BrainChip
22. Juli 2020
Neuer Computerchip wird die Welt verändern
Eines der zentralen Konzepte hinter der Filmreihe ?Terminator? ist die Cyberdyne Corporation, die das selbstbewusste Skynet-System entwickelt hat.
Die Grundlagentechnologie wurde von einem Informatiker (Miles Dyson) entwickelt, der seine Arbeit auf einem kaputten Computerchip basierte, einem Überrest des Gehirns des ersten Terminators (gespielt von Arnold Schwarzenegger), der in den letzten Szenen in einer hydraulischen Fabrikpresse zerquetscht wurde von Terminator 1.
Miles Dyson sagte über den Chip: "Es war ein radikales Design, Ideen, an die wir nie gedacht hätten ..."
Das an der ASX gelistete australische Unternehmen Brain Chip Holdings (BRN: ASX) steht kurz vor der Markteinführung des ersten einer Reihe von Chips, die eine gehirnähnliche neuronale Verarbeitung unterstützen, die wahrscheinlich die Welt verändern wird.
Dies könnte ein Skynet-Moment sein.
Ich habe kürzlich kommentiert, dass sich das Innovationstempo verlangsamt hat und seit über einem Jahrzehnt keine neuen ?bahnbrechenden? Technologien mehr entwickelt wurden.
Mit der Markteinführung von Brain Chip Holdings (BRN: ASX) wird jedoch das erste praktische neuromorphe ?System auf einem Chip? auf den Markt gebracht - das wird sich bald ändern.
Ihr neuer Chip (der erste einer Reihe, der kurz vor der Markteinführung steht) hat ein Kursziel von 10 US-Dollar und wird einen sehr geringen Stromverbrauch aufweisen, sodass eingebettete KI-Anwendungen am Rande der Praxis Realität werden.
"The Edge" ist ein Begriff, der Geräte beschreibt, die mit der realen Welt verbunden sind - wie Gesichts- und Objekterkennungskameras und andere Sensoren. Im Gegensatz zur Rechenleistung in Serverfarmen "in der Cloud".
Der Chip unterstützt das hirnähnliche Lernen mit hoher Geschwindigkeit und ermöglicht die Entwicklung selbstlernender Systeme, die die Mustererkennung in Echtzeit mit einem Stromverbrauch von weniger als 1 Watt anwenden.
Akida - Das weltweit erste KI-System auf einem Chip
Akida ? von BrainChip ist ein revolutionärer fortschrittlicher neuronaler Netzwerkprozessor, der künstliche Intelligenz auf eine Weise an den Rand bringt, die vorhandene Technologien nicht können.
Für die Entwicklung wirklich autonomer menschlicher Roboter ist dies das fehlende Glied.
Humanoide Roboter sind nur eine von Tausenden potenziellen Anwendungen, aber wahrscheinlich nicht mit Chips der ersten Generation.
Auf ihrer Website hat BrainChip die ersten und offensichtlichen Anwendungen dieser neuen Technologie identifiziert, aber Gott weiß, was aus Benutzerinnovationen hervorgehen wird.
Als ein Moment in der Geschichte der technologischen Errungenschaften könnte die Einführung von Akida ? mit der Einführung des Intel 8008-Mikroprozessors im Jahr 1972 verglichen werden, der ersten 8-Bit-CPU, die die Entwicklung einer neuen Generation von Desktop-Computing, Embedded Device Control, Industry hervorbrachte 3.0 Automatisierung und die Allgegenwart des Internets.
Fast vierzig Jahre später wissen wir, wie sich das herausgestellt hat.
Die bahnbrechende Bedeutung der Arbeit von BrainChip kann nicht genug betont werden.
Radikale Architektur
Der wirklich radikale Aspekt des neuromorphen Chips besteht darin, dass herkömmliche Computersysteme Daten auf eine Weise völlig unterschiedlich verarbeiten, die nützliche KI nur durch rohe Gewalt unterstützen kann, d. H. Hochleistungs-Großcomputer.
Brainchip argumentierte, dass das menschliche Gehirn massive KI auf kleinem Raum und bei sehr geringem Stromverbrauch unterstützt. Ihr Ansatz bestand darin, zu untersuchen, wie das menschliche Gehirn dies in einem systemischen und strukturellen Sinne erreicht hat, und ihren Chip basierend auf ihren Erkenntnissen zu entwerfen.
Das Ergebnis ist ein praktischer Chip, der für andere anwendbar ist und die neuronale und synaptische Architektur sowie die organische Selbstorganisation des menschlichen Gehirns nachahmt.
Der Chip enthält alle Elemente, die erforderlich sind, um herkömmliche digitale Systeme mit dem neuromorphen Speicher zu verbinden, und unterstützt die Programmierung in vorhandenen Sprachen. Auf diese Weise wird ein ?System auf einem Chip? anstelle einer unbequemen eigenständigen neuromorphen Matrix bereitgestellt, bei der sich Ingenieure möglicherweise am Kopf kratzen herauszufinden, was damit zu tun ist.
Bei einem Zielpreis von ungefähr 10 USD pro Chip sind die Kosten für das Basteln mit der neuen Technologie sehr erschwinglich, ebenso wie der spätere Einsatz in Arbeitsgeräten in großem Maßstab bei der Herstellung.
BrainChip gab am 2. Juli 2020 bekannt, dass die ersten Akida ? -Chip-Siliziumwafer erfolgreich hergestellt wurden, und das Unternehmen geht in Richtung interner Tests und Evaluierung der ersten Geräte. In Erwartung der Notwendigkeit einer weiteren Entwicklung sind die neuen Chips nicht weit von der kommerziellen Veröffentlichung entfernt.
Die Welt wird sich schnell verändern.
Antwort auf Beitrag Nr.: 64.550.199 von H2OAllergiker am 26.07.20 23:38:04Das klingt ja nach der Zukunft von Morgen, die jetzt schon beginnt.
Echt spannend. Habe mir mal 10k ins Körbchen gelegt, mal sehen, was NASA & Co daraus
machen.
Echt spannend. Habe mir mal 10k ins Körbchen gelegt, mal sehen, was NASA & Co daraus
machen.
Antwort auf Beitrag Nr.: 64.554.984 von Carola11 am 27.07.20 13:08:37https://brainchipinc.com/
Antwort auf Beitrag Nr.: 64.555.110 von Carola11 am 27.07.20 13:19:19Brainchip reagiert mit dem Early-Access-Programm für das neuronale SoC Akida auf die hohe Nachfrage nach Entwicklungssystemen nach der Ankündigung des Fertigungsstarts für Herbst 2020.
Antwort auf Beitrag Nr.: 64.556.025 von Carola11 am 27.07.20 14:23:42Das Early-Access-Programm für Akida ermöglicht es ausgewählten Anwendern, erste Engineering-Prototypen und entsprechende Entwicklungssysteme frühzeitig nutzen zu können. Die Nachfrage kommt dabei vor allem aus den Marktsegmenten ADAS und autonomes Fahren, UAV (Unmanned Aeril Vehicles), Edge-Vision-Systeme und Fabrikautomation.
Aufgrund der hohen Nachfrage aus den Bereichen Automotive, Edge-Vision und Fabrikautomatisierung hat Brainchip ein Early-Access-Programm für das neuronale SoC Akida gestartet.
Aufgrund der hohen Nachfrage aus den Bereichen Automotive, UAV, Edge-Vision und Fabrikautomatisierung hat Brainchip ein Early-Access-Programm für das neuronale SoC Akida gestartet.
Brainchip
Zu den verfügbaren Tools zählen Evaluationsboards mit dem SoC, Software- und Hardware-Support sowie verschiedene Engineering-Ressourcen. Innerhalb des Akida Development Environment (ADE) können Entwickler auch auf den Chip-Simulator zugreifen und damit fortschrittliche neuronale Netzwerklösungen entwickeln. Im ADE sind dabei unter anderem auch Tensorflow- und Keras-Umgebungen nutzbar. Optimierte und trainierte Modelle lassen sich im ADE ausführen, um die Leistung auf dem Akida-Prozessor zu bewerten. Mit dem Evaluierungsboard finden die zuvor trainierten Netzwerk- und Steuerdateien Verwendung, um das SoC zu programmieren und das komplette neuronale Netzwerk zu betreiben. Damit sollen Programmpartner ihre Hardware-Lösungen schnell und effizient implementieren können.
Aufgrund der hohen Nachfrage aus den Bereichen Automotive, Edge-Vision und Fabrikautomatisierung hat Brainchip ein Early-Access-Programm für das neuronale SoC Akida gestartet.
Aufgrund der hohen Nachfrage aus den Bereichen Automotive, UAV, Edge-Vision und Fabrikautomatisierung hat Brainchip ein Early-Access-Programm für das neuronale SoC Akida gestartet.
Brainchip
Zu den verfügbaren Tools zählen Evaluationsboards mit dem SoC, Software- und Hardware-Support sowie verschiedene Engineering-Ressourcen. Innerhalb des Akida Development Environment (ADE) können Entwickler auch auf den Chip-Simulator zugreifen und damit fortschrittliche neuronale Netzwerklösungen entwickeln. Im ADE sind dabei unter anderem auch Tensorflow- und Keras-Umgebungen nutzbar. Optimierte und trainierte Modelle lassen sich im ADE ausführen, um die Leistung auf dem Akida-Prozessor zu bewerten. Mit dem Evaluierungsboard finden die zuvor trainierten Netzwerk- und Steuerdateien Verwendung, um das SoC zu programmieren und das komplette neuronale Netzwerk zu betreiben. Damit sollen Programmpartner ihre Hardware-Lösungen schnell und effizient implementieren können.
Antwort auf Beitrag Nr.: 64.556.238 von Carola11 am 27.07.20 14:37:44Wow, wenn das Potenzial erkannt wird, geht das Ding durch die Decke.
https://brainchipinc.com/in-the-news
https://brainchipinc.com/in-the-news
Antwort auf Beitrag Nr.: 64.564.797 von Carola11 am 28.07.20 08:37:08https://www.asx.com.au/asxpdf/20200729/pdf/44kyjr422ld6lc.pd…
Antwort auf Beitrag Nr.: 64.577.307 von Carola11 am 29.07.20 08:25:11
Tensor entwickelt zusammen mit mehreren kommerziellen Partnern eine neue Technologie, die für kleine Satelliten (SmallSat / CubeSat) und kleine Trägerraketen geeignet ist. Im Rahmen dieser Entwicklung entwickeln wir Autonomie- und künstliche Erkennungsfähigkeiten für kleine Satelliten und Fahrzeuge, die auf jedes Raumfahrzeug skalierbar sind. Ausgehend von unseren bisherigen Erfahrungen auf dem Gebiet der neuronalen Modellierung und fortschrittlicher Automatisierungsalgorithmen schlagen wir für diese Aufforderung ein tiefes neuronales Netz sowie ein neuromorphes Verarbeitungsmodul für Autonomie- und Erkennungssysteme im Weltraum vor. Mithilfe des COTS The BrainChip, Inc. Akida mit vollständig konfigurierbaren neuronalen Prozessorkernen und skalierbaren neuronalen Netzen können wir für unseren Prototyp CubeSat Autonomie- und künstliche Erkennungsfunktionen entwickeln, die für jedes Raumfahrzeug skalierbar sind. Das übergeordnete Ziel ist es, die Autonomie von Raumfahrzeugen erschwinglich und allgegenwärtig zu machen.
Für Phase I dieses SBIR beabsichtigen wir, eine neuromorphe modulare Architektur zu entwickeln, die für den autonomen Betrieb von SmallSat geeignet ist, und Metriken zu erstellen, um die SWaP-Leistung unseres Hardware-Designs in Phase II zu validieren. Wie bei jeder Hardware ist der treibende Kostenfaktor häufig die Software, die sie nützlich macht. In KI-Systemen sind die Kosten für das Deep Learning, die für eine robuste, anpassungsfähige Leistung erforderlich sind, häufig unerschwinglich. Neben einem modularen Hardware-Design wird Tensor auch eine kostengünstige, benutzerfreundliche Tool-Suite entwickeln, die das vereinfachte Training und die Implementierung der Autonomie von Raumfahrzeugen in Phase I für die Entwicklung und Anwendung in Phase II unterstützt. Unser Ziel in Phase II dieses SBIR ist es, ein erschwingliches Paket von Prototypen autonomer Steuerungshardware und -software zu demonstrieren, das skalierbar und leicht an eine Vielzahl von Morphologien und Missionsklassen von Raumfahrzeugen anpassbar ist.
Tensor entwickelt zusammen mit mehreren kommerziellen Partnern eine neue Technologie, die für kleine Satelliten (SmallSat / CubeSat) und kleine Trägerraketen geeignet ist. Im Rahmen dieser Entwicklung entwickeln wir Autonomie- und künstliche Erkennungsfähigkeiten für kleine Satelliten und Fahrzeuge, die auf jedes Raumfahrzeug skalierbar sind. Ausgehend von unseren bisherigen Erfahrungen auf dem Gebiet der neuronalen Modellierung und fortschrittlicher Automatisierungsalgorithmen schlagen wir für diese Aufforderung ein tiefes neuronales Netz sowie ein neuromorphes Verarbeitungsmodul für Autonomie- und Erkennungssysteme im Weltraum vor. Mithilfe des COTS The BrainChip, Inc. Akida mit vollständig konfigurierbaren neuronalen Prozessorkernen und skalierbaren neuronalen Netzen können wir für unseren Prototyp CubeSat Autonomie- und künstliche Erkennungsfunktionen entwickeln, die für jedes Raumfahrzeug skalierbar sind. Das übergeordnete Ziel ist es, die Autonomie von Raumfahrzeugen erschwinglich und allgegenwärtig zu machen.
Für Phase I dieses SBIR beabsichtigen wir, eine neuromorphe modulare Architektur zu entwickeln, die für den autonomen Betrieb von SmallSat geeignet ist, und Metriken zu erstellen, um die SWaP-Leistung unseres Hardware-Designs in Phase II zu validieren. Wie bei jeder Hardware ist der treibende Kostenfaktor häufig die Software, die sie nützlich macht. In KI-Systemen sind die Kosten für das Deep Learning, die für eine robuste, anpassungsfähige Leistung erforderlich sind, häufig unerschwinglich. Neben einem modularen Hardware-Design wird Tensor auch eine kostengünstige, benutzerfreundliche Tool-Suite entwickeln, die das vereinfachte Training und die Implementierung der Autonomie von Raumfahrzeugen in Phase I für die Entwicklung und Anwendung in Phase II unterstützt. Unser Ziel in Phase II dieses SBIR ist es, ein erschwingliches Paket von Prototypen autonomer Steuerungshardware und -software zu demonstrieren, das skalierbar und leicht an eine Vielzahl von Morphologien und Missionsklassen von Raumfahrzeugen anpassbar ist.
https://www.fool.com.au/2020/08/17/brainchip-share-price-roc…
es ist das Beste vom bestem- in KI- Sektor
es ist das Beste vom bestem- in KI- Sektor
die Analysten schätzen dass in nächsten 5 Jahren das Bedarf nach KI- Produkten wird ca 50 Mld USD erreichen- und nicht Google, Apple, Amazon , odel MS- oder sonst noch eine Firma- sondern Brain Chip- ist hier weit voraus!- wenn ich mit Tesla verlauf ansehe- die vor paar Jahren unter 20 USD lag und Heute über 1800 Usd liegt- dann frage ich mich was hier man erreichen kann, weil Tesla hat nicht das Auto erfunden, und nicht das Elektromotor sondern nur gute Batterie - sonst haben wir schon alles gehabt- aber mit AKIDA- Haben wir komplett was neues was noch nie gab- und was überall zu gebrauchen wird , was unsere Welt und die ganze Technik sehr verändert und vereinfachen wird- was ist wert das Alles frage ich mich?- wenn es durch KI- Komplett neue Autos gebaut werden, die Intelligent sind, sparsam und selbst fahren können, oder die Krankheiten die durch KI- besiegt werden können, oder die Computer die selbst mit Aktien für uns handeln und dabei helfen die richtigen auszusuchen, oder sonst noch was - man könnte bis morgen aufzuzählen wo und was noch KI machen könnte- AKIDA ist nur die erste Stufe dazu- aber sehr wichtige, weil diesen Vorsprung was Brainchip hat, und durch Patente geschützt hat erlaub schon den Namen Groß zu machen. Manche im Forum( Nicht hier) sagen das 1 Mld MK- hier schnell möglich ist- und ich sage es ist egal- wichtig ist! lass euch zeit weil hier die Zukunft gerade begonnen hat- ich lass mich überraschen- Grüße
Machen die eigentlich schon überhaupt Umsätze?
Antwort auf Beitrag Nr.: 64.794.781 von Kampfkuh am 18.08.20 08:53:23Hallo- Klar machen die schon Umsatz- Du sollst die Beiträge lesen- steht doch da
In diesen Beiträgen habe ich zwar nichts gefunden, aber die beiden letzten Annual Reports durchgeackert.
Naja, für 2019:
Revenues for the year ended 31 December 2019 of $75,574 decreased 92% from $947,989 for the same period a year ago. This decrease was largely attributable to revenues recognised in the prior year from the GPI agreement.
Total operating expenses for the year ended 31 December 2019 of $11,004,318 increased 37% from $17,601,775 incurred in the year ended 31 December 2018.
Das war ja wohl dann nicht so toll...
Nicht falsch verstehen, ich bin mit einer überschaubaren Position investiert, würde aber auch mehr Kapital in BrainChip stecken, aber bei über 200Mio MCap steckt dann doch schon viel Fantasie im Kurs.
Naja, für 2019:
Revenues for the year ended 31 December 2019 of $75,574 decreased 92% from $947,989 for the same period a year ago. This decrease was largely attributable to revenues recognised in the prior year from the GPI agreement.
Total operating expenses for the year ended 31 December 2019 of $11,004,318 increased 37% from $17,601,775 incurred in the year ended 31 December 2018.
Das war ja wohl dann nicht so toll...
Nicht falsch verstehen, ich bin mit einer überschaubaren Position investiert, würde aber auch mehr Kapital in BrainChip stecken, aber bei über 200Mio MCap steckt dann doch schon viel Fantasie im Kurs.
Antwort auf Beitrag Nr.: 64.814.086 von Kampfkuh am 19.08.20 15:47:29na ja- ich bin andere Meinung wenn ich mit Anderen KI- Firmen vergleiche, aber es ist falsch nach Umsatz diese Firma zu bewerten- es geht um das was gerade passiert ist- es geht um AKIDA- ich weis nicht ob du dich schon damit befasst hast- es gibt kein KI Hersteller der so was erfunden hat!! mindestens das es so funktioniert wie bei Brainchip- und dabei verbraucht extrem wenig energie- selbst in mobilen Geräten wird eingebaut- wer hat schon so was? keiner! ob Handy, Tv- Comp- oder sonst noch was- alles wird neu gebaut und interpretiert - alles wird irgendwie neu erfunden so zu sagen- KI ist schon was großes- Schau mal Tesla Bewertung- die haben bis vor Kurzem Verlust gemacht- haben große Konkurenz vom anderen Auto Hersteller- und wie Hoch ist die heutige Bewertung.- extrem hoch.
BrainChip- hat Tor nach Asien gerade geöffnet- Akida wird gerade getestet und ins Geräte integriert- mal abwarten- wenn es richtig gut funktionieren wird und die Com- sind wirklich in der Lage alleine zu lernen und zu arbeiten- na dann wird es schon klappen.
BrainChip- hat Tor nach Asien gerade geöffnet- Akida wird gerade getestet und ins Geräte integriert- mal abwarten- wenn es richtig gut funktionieren wird und die Com- sind wirklich in der Lage alleine zu lernen und zu arbeiten- na dann wird es schon klappen.
Antwort auf Beitrag Nr.: 64.829.698 von aziz1907 am 20.08.20 18:49:53
Habe aber keinen Hinweis auf BrainChip bzw. AKITA gefunden. Bin ich blind? Oder entwickelt MB ein eigenes KI?
Zitat von aziz1907: https://mobile.twitter.com/MercedesBenz/status/1295239011506753536
Habe aber keinen Hinweis auf BrainChip bzw. AKITA gefunden. Bin ich blind? Oder entwickelt MB ein eigenes KI?
Antwort auf Beitrag Nr.: 64.831.105 von Trulla24 am 20.08.20 20:26:45MB- so wie auch anderen Auto Hersteller haben keine Chips Entwickler so wie ich weis- kaufen aber bei Zubehör Lieferanten- und mit so einem Arbeitet Brainchip schon- hier solltest du ein paar Beiträge zurück blättern , AKIDA ist aber der erste und in Moment noch das einzige Chip der energie extrem sparsam arbeitet- also kann ich mir gut vorstellen das MB auch daran interessiert ist. Grüße
Brainchip scheint wohl ein Überflieger zu werden.
Ich denke Sie haben den Rob Telson nicht umsonst als "Vice President of Worldwide Sales" eingestellt.
Welcher Dynamik hier reinkommt wenn die ersten Chips verkauft werden kann sich jeder ausmalen.
Welcher Dynamik hier reinkommt wenn die ersten Chips verkauft werden kann sich jeder ausmalen.
Hallo zusammen,
Hatte BC um die 0,09 Euro schon mal auf dem Radar...allerdings leider nicht gekauft. Ich denke, hier könnte wirklich etwas großes entstehen.
Mir machen nur die BigPlayer wie Apple, Intel usw Sorgen ,die ja viel mehr Cash in der Kasse haben um die eigene Forschung und Entwicklung zu pushen.
Unbegründet ?
Hatte BC um die 0,09 Euro schon mal auf dem Radar...allerdings leider nicht gekauft. Ich denke, hier könnte wirklich etwas großes entstehen.
Mir machen nur die BigPlayer wie Apple, Intel usw Sorgen ,die ja viel mehr Cash in der Kasse haben um die eigene Forschung und Entwicklung zu pushen.
Unbegründet ?
Antwort auf Beitrag Nr.: 64.847.944 von manmaku am 22.08.20 12:39:21
Nein, nicht unbegründet. Das allerdings gilt für alle Unternehmen, die an der Börse gehandelt werden. Konkurrenz/ Mitbewerber beleben das Geschäft. Und je nach dem, welche Patente ein Unternehmen besitzen, ist die Marktposition stärker oder schwächer.
Das ist aber das Risiko, das man an der Börse hat, wenn man investiert.
Zitat von manmaku: Unbegründet ?
Nein, nicht unbegründet. Das allerdings gilt für alle Unternehmen, die an der Börse gehandelt werden. Konkurrenz/ Mitbewerber beleben das Geschäft. Und je nach dem, welche Patente ein Unternehmen besitzen, ist die Marktposition stärker oder schwächer.
Das ist aber das Risiko, das man an der Börse hat, wenn man investiert.
Danke für die Antwort und im Grunde hast du recht !
Werde am Montag mal einsteigen.
Werde am Montag mal einsteigen.
https://www.reddit.com/r/ASX_Bets/comments/ie9tcv/brainchip_…
Montag kann es auf ASX zu Handelsstop kommen weil BRN den NASA Deal anscheinend nicht über die ASX mitgeteil hat. Aussies meinen das dies wohl am Montag passieren muss. Sie meinen auch das dies den Kurs weiter nach Norden treibt.
Montag kann es auf ASX zu Handelsstop kommen weil BRN den NASA Deal anscheinend nicht über die ASX mitgeteil hat. Aussies meinen das dies wohl am Montag passieren muss. Sie meinen auch das dies den Kurs weiter nach Norden treibt.
Antwort auf Beitrag Nr.: 64.850.299 von aziz1907 am 22.08.20 18:57:50
Schon allein die Ankündigung des NASA Deals wird den Kurs treiben!
Zitat von aziz1907: https://www.reddit.com/r/ASX_Bets/comments/ie9tcv/brainchip_…
Montag kann es auf ASX zu Handelsstop kommen weil BRN den NASA Deal anscheinend nicht über die ASX mitgeteil hat. Aussies meinen das dies wohl am Montag passieren muss. Sie meinen auch das dies den Kurs weiter nach Norden treibt.
Schon allein die Ankündigung des NASA Deals wird den Kurs treiben!
Grüner Wochenstart :-)
Lohnt es sich immer noch einzusteigen?
Antwort auf Beitrag Nr.: 64.859.762 von geo80 am 24.08.20 10:56:14
Bin auch erst heute Morgen mit 10k Anteilen rein,nachdem ich mich an We mal ordentlich in das Thema eingelesen habe. Die Story beginnt gerade erst!
Zitat von geo80: Lohnt es sich immer noch einzusteigen?
Bin auch erst heute Morgen mit 10k Anteilen rein,nachdem ich mich an We mal ordentlich in das Thema eingelesen habe. Die Story beginnt gerade erst!
Angeblich soll ein dt Newsletter mit 300k Followern BRN pushen?!
Antwort auf Beitrag Nr.: 64.860.143 von H2OAllergiker am 24.08.20 11:30:59
Ich hoffe nicht. Sollte keine Pennystock für Zocker werden. Der Kurs wird sowieso in Australien gemacht.
Zitat von H2OAllergiker: Angeblich soll ein dt Newsletter mit 300k Followern BRN pushen?!
Ich hoffe nicht. Sollte keine Pennystock für Zocker werden. Der Kurs wird sowieso in Australien gemacht.
War klar, dass es fällt, wenn ich rein bin 🙄
Antwort auf Beitrag Nr.: 64.864.967 von geo80 am 24.08.20 17:31:11
Morgen, am 25., soll der Halbjahresbericht von BrainChip veröffentlicht werden. Das las ich in einem anderen Forum. Mal davon ausgehend, dass der Termin stimmt, dürfte es übermorgen spannend werden. Entweder kommt, auch mit Blick auf die Kooperation über Tenson mit der NASA (6Monatsversuch), ein radikaler Ausbruch gen Norden oder aber eine Seitwärtsbewegung. Ich glaube nicht, dass der Kurs noch viel fallen wird, zumals BrainChip einige interessante für den KI-Sektor Patente hält.
Der Einsatz dieser Technik ist immens, besonders, wenn man an landwirtschaftliche Maschinen denkt.
Also: du bist nicht zu spät eingestiegen, sondern zu einem Zeitpunkt, der wirklich spannend ist.
Zitat von geo80: War klar, dass es fällt, wenn ich rein bin 🙄
Morgen, am 25., soll der Halbjahresbericht von BrainChip veröffentlicht werden. Das las ich in einem anderen Forum. Mal davon ausgehend, dass der Termin stimmt, dürfte es übermorgen spannend werden. Entweder kommt, auch mit Blick auf die Kooperation über Tenson mit der NASA (6Monatsversuch), ein radikaler Ausbruch gen Norden oder aber eine Seitwärtsbewegung. Ich glaube nicht, dass der Kurs noch viel fallen wird, zumals BrainChip einige interessante für den KI-Sektor Patente hält.
Der Einsatz dieser Technik ist immens, besonders, wenn man an landwirtschaftliche Maschinen denkt.
Also: du bist nicht zu spät eingestiegen, sondern zu einem Zeitpunkt, der wirklich spannend ist.
Vor 8 Wochen stand der Kurs noch wir 0.05 .
Von den Zahlen erwartet niemand eine Grosse Überraschung,es wird NOCH kein Geld verdient. Ich habe heute morgen einen kleinen Teilverkauf gemacht ,ich würde gerne bei 0.17 wieder rein :-)
Von den Zahlen erwartet niemand eine Grosse Überraschung,es wird NOCH kein Geld verdient. Ich habe heute morgen einen kleinen Teilverkauf gemacht ,ich würde gerne bei 0.17 wieder rein :-)
Hallo- das erste Computer, oder das erste Solaranlage- war für NASA und Militär entwickelt- diesmal hat es nicht NASA erfunden- sondern BrainChip, und dazu noch so was wie AKIDA- ein elektronisches Gehirn , eine Maschine die selbst lernen und arbeiten kann- auf die jetzt NASA, Militär, Medizin- einfach alle scharf sind- eine Bessere Werbung bekommt man nicht im leben- also was soll man jetzt machen- einfach nur abwarten- weil die Story hat noch nicht mal richtig begonnen- erst wenn wir die 0,35 Marke übersteigen- kann man von Ausbruch der Aktie reden- in Moment reden wir immer noch von Tassenformation. aber mann kann schon was erkennen -was passieren kann ,wenn AKIDA richtig sich gut verkauft und Erwartungen erfüllt . wenn wir es mit andere KI Aktie vergleichen- APPEN- dann können wir sehn wie schnell es gehen kann- die erwirtschaften schon richtigen Umsatz- aber haben nicht so einzig artiges Produkt wie AKIDA erfunden, trotzdem sind Heute schon sehr weit gestiegen und steigen noch weiter. was wenn AKIDA Großen Erfolg sein wird? wohin klettert die Aktie dann? weis es keiner! aber es lohnt sich zu warten- Stadt jetzt schon zu verkaufen- AKIDA IST DIE Zukunft- und nichts Jetzt! das ist etwas was komplett neues, kann man nichts hier berechnen, oder vorausmessen- mann mus erst warten, wie sich das alles weiter entwickelt- man kann nur erannen das es um was großes gehen könnte- wenn es richtig funktioniert- dann - dann wissen wir was für potenzial da ist.
Antwort auf Beitrag Nr.: 64.866.365 von Konrador am 24.08.20 19:13:37
Zuerst muss AKIDA die Erwartungen erfüllen, um sich dann gut verkaufen zu können. Und dann bleibt abzuwarten, was die Mitbewerber präsentieren. Ich bin optimistisch!
Zitat von Konrador: wenn AKIDA richtig sich gut verkauft und Erwartungen erfüllt
Zuerst muss AKIDA die Erwartungen erfüllen, um sich dann gut verkaufen zu können. Und dann bleibt abzuwarten, was die Mitbewerber präsentieren. Ich bin optimistisch!
mir fällt hier grad ein Film zu ein
Antwort auf Beitrag Nr.: 64.867.223 von Trulla24 am 24.08.20 20:20:48https://www.fool.com.au/2020/08/24/brainchip-share-price-up-…
mir fällt hier grad ein Film zu ein
Antwort auf Beitrag Nr.: 64.867.874 von mann337 am 24.08.20 21:23:13mir auch
https://brainchipinc.com/technology/
https://brainchipinc.com/technology/
Antwort auf Beitrag Nr.: 64.870.667 von Carola11 am 25.08.20 08:45:18https://themarketherald.com.au/brainchip-asxbrn-enters-29m-f…
Antwort auf Beitrag Nr.: 64.871.195 von Carola11 am 25.08.20 09:26:11
Antwort auf Beitrag Nr.: 64.871.195 von Carola11 am 25.08.20 09:26:11
Eula ?😄
Zitat von Carola11: https://themarketherald.com.au/brainchip-asxbrn-enters-29m-f…
Eula ?😄
Brainchip, die Konkurrenz zu Intel, IBM, Nvidia?
Interessant, jetzt auch eine Partnerschaft mit MagikEye, einem japanischen Entwickler für revolutionäre 3D-Sensoren und einer patentierten Technik zur Erzeugung von 3D-Punktwolkendaten.
Der neu entwickelte neuronale (Nachahmung der Gehirnverarbeitung) Akida Prozessor von Brainchip für künstliche Intelligenz mit geringem Stromverbrauch kann dabei optimal 3D-Bildverarbeitungssysteme unterstützen, um so z.B. Fahrerassistenzsysteme, autonome Fahrzeuge, sowie Roboter und deren Gestenerkennung, Spiele, Bildschirmverarbeitungen etc., zu verbessern.
Der neue Chip von Brainchip wird gerade frisch produziert.
https://jwpm.com.au/content/7-industrial-marketing-blog/2020…
https://www.edge-ai-vision.com/2020/08/brainchip-inc-and-mag…
https://www.magik-eye.com/
Interessant, jetzt auch eine Partnerschaft mit MagikEye, einem japanischen Entwickler für revolutionäre 3D-Sensoren und einer patentierten Technik zur Erzeugung von 3D-Punktwolkendaten.
Der neu entwickelte neuronale (Nachahmung der Gehirnverarbeitung) Akida Prozessor von Brainchip für künstliche Intelligenz mit geringem Stromverbrauch kann dabei optimal 3D-Bildverarbeitungssysteme unterstützen, um so z.B. Fahrerassistenzsysteme, autonome Fahrzeuge, sowie Roboter und deren Gestenerkennung, Spiele, Bildschirmverarbeitungen etc., zu verbessern.
Der neue Chip von Brainchip wird gerade frisch produziert.
https://jwpm.com.au/content/7-industrial-marketing-blog/2020…
https://www.edge-ai-vision.com/2020/08/brainchip-inc-and-mag…
https://www.magik-eye.com/
Dump money auf Tradegate. Ich wollte eigentlich nochmal nachkaufen, aber nicht zu dem Kurs. Der Kurs liegt 10% höher als in Australien!
Antwort auf Beitrag Nr.: 64.900.634 von geo80 am 27.08.20 13:09:10Das liegt daran das die Börse in Sydney nicht geöffnet ist. Wenn dort heute Nacht deutscher Zeit der Handel beginnt, ist der Kurs dort auf dem gleichen Level wie bei Tradegate.
Antwort auf Beitrag Nr.: 64.901.333 von Portos__ am 27.08.20 13:54:30Habe heute morgen nachgekauft, Brainchip ist interessant.
Von der Aktienanzahl die im Umlauf sind fast so wie Nio, Nio steht heute bei ca. 16,80 Euro.
Ob die Aktie jetzt 0,18, 0,20, 0,22 oder 0,24 Cent kostet ist doch völlig egal.
Von der Aktienanzahl die im Umlauf sind fast so wie Nio, Nio steht heute bei ca. 16,80 Euro.
Ob die Aktie jetzt 0,18, 0,20, 0,22 oder 0,24 Cent kostet ist doch völlig egal.
Antwort auf Beitrag Nr.: 64.901.630 von mick11 am 27.08.20 14:15:29
Ob die Aktie 0,18, 0,20, 0,22 oder 0,24 Cent kostet ist eben nicht egal. Das macht am Ende viel aus, je mehr Aktien man hat und je höher der Kurs steigt. Wir reden dann von tausenden von Euro Unterschied.
Zitat von mick11: Habe heute morgen nachgekauft, Brainchip ist interessant.
Von der Aktienanzahl die im Umlauf sind fast so wie Nio, Nio steht heute bei ca. 16,80 Euro.
Ob die Aktie jetzt 0,18, 0,20, 0,22 oder 0,24 Cent kostet ist doch völlig egal.
Ob die Aktie 0,18, 0,20, 0,22 oder 0,24 Cent kostet ist eben nicht egal. Das macht am Ende viel aus, je mehr Aktien man hat und je höher der Kurs steigt. Wir reden dann von tausenden von Euro Unterschied.
Servus,
würde mir gerne ca 1000 Stück ins Depot legen. Würdet ihr bei 20cent zuschlagen oder eher auf einen rücksetzter bis ca 17cent warten ?
Bin noch relativ unerfahren und würde mich über eure Meinung freuen
Vg
würde mir gerne ca 1000 Stück ins Depot legen. Würdet ihr bei 20cent zuschlagen oder eher auf einen rücksetzter bis ca 17cent warten ?
Bin noch relativ unerfahren und würde mich über eure Meinung freuen
Vg
Antwort auf Beitrag Nr.: 64.903.604 von Urquell12 am 27.08.20 16:19:51
Das ist ganz allein deine Entscheidung. Jeder Rat, den du diesbezüglich hier bekommen könntest, ist nur unseriös.
Zitat von Urquell12: Servus,
würde mir gerne ca 1000 Stück ins Depot legen. Würdet ihr bei 20cent zuschlagen oder eher auf einen rücksetzter bis ca 17cent warten ?
Bin noch relativ unerfahren und würde mich über eure Meinung freuen
Vg
Das ist ganz allein deine Entscheidung. Jeder Rat, den du diesbezüglich hier bekommen könntest, ist nur unseriös.
https://www.businessinsider.de/tech/4-000-mal-schneller-als-… ich bin nicht sicher ob hier Akida auch im spiel ist- aber fakt ist das neue CHip Generation es möglich macht.
/www.businessinsider.de/tech/4-000-mal-schneller-als-5g-australische-forscher-knacken-internet-geschwindigkeitsrekord/
Der geheimnisvolle revolutionäre Akida Chip wird wohl gerade über japanisch-taiwaneschische Firmen ( Socionext und Taiwan Semiconductor Manufacturing Company (TSMC) gefertigt, bzw. die Wafer zur Produktion sind soweit fertig.
TSMC z.B. ist nach Intel und Samsung der drittgrößte Halbleiterhersteller der Welt.
Hat jemand Informationen wie die weiteren Abläufe sind?
https://www.finnewsnetwork.com.au/companyreports/brainchip-h…
https://de.wikipedia.org/wiki/TSMC
https://3dfabric.tsmc.com/site_img/dedicatedFoundry/technolo…
https://www.tsmc.com/english/default.htm
TSMC z.B. ist nach Intel und Samsung der drittgrößte Halbleiterhersteller der Welt.
Hat jemand Informationen wie die weiteren Abläufe sind?
https://www.finnewsnetwork.com.au/companyreports/brainchip-h…
https://de.wikipedia.org/wiki/TSMC
https://3dfabric.tsmc.com/site_img/dedicatedFoundry/technolo…
https://www.tsmc.com/english/default.htm
Antwort auf Beitrag Nr.: 64.923.233 von Konrador am 29.08.20 10:12:13
Es ist schwierig gegen die großen und reichen anzukommen.
Zitat von Konrador: https://www.t-online.de/digital/id_88480576/neurolink-musk-zeigt-geraet-fuer-verbindung-zwischen-gehirn-und-handy.html
Es ist schwierig gegen die großen und reichen anzukommen.
Antwort auf Beitrag Nr.: 64.924.187 von geo80 am 29.08.20 12:34:00
Dieser Chip ist IMHO nicht mit AKIDA zu vergleichen. Deshalb sehe ich darin auch keine ernste Konkurrenz.
Zitat von geo80: Es ist schwierig gegen die großen und reichen anzukommen.
Dieser Chip ist IMHO nicht mit AKIDA zu vergleichen. Deshalb sehe ich darin auch keine ernste Konkurrenz.
Antwort auf Beitrag Nr.: 64.924.466 von Trulla24 am 29.08.20 13:23:00Der Meinung bin ich auch. Außer das es bei dem Namen mit Brainchip Ähnlichkeiten gibt sehe ich ansonsten nicht viele Überschneidungen.
Hallo zusammen! Ich bin vor ein paar Tagen auf Brainship gestoßen, habe ein bissel hier und da gelesen und bin jetzt ganz gespannt, wie sich dieser Wert weiterentwickelt.
KI ist ein Zukunftsthema, welches aber bereits in vollem Gange ist. BRS wollen mit ihrem stromsparenden "Akida"-Ship mehrere Anwendungen bedienen. Sollten alle Test`s im Ergebnis wie gewünscht verlaufen, könnte hier etwas sehr Großes entstehen.
Habe auch einen Hinweis auf "Insider-Beteiligungn" gefunden:
https://simplywall.st/stocks/au/software/asx-brn/brainchip-h…
>> macht auf mich nen sehr guten Eindruck!
KI ist ein Zukunftsthema, welches aber bereits in vollem Gange ist. BRS wollen mit ihrem stromsparenden "Akida"-Ship mehrere Anwendungen bedienen. Sollten alle Test`s im Ergebnis wie gewünscht verlaufen, könnte hier etwas sehr Großes entstehen.
Habe auch einen Hinweis auf "Insider-Beteiligungn" gefunden:
https://simplywall.st/stocks/au/software/asx-brn/brainchip-h…
>> macht auf mich nen sehr guten Eindruck!
Antwort auf Beitrag Nr.: 64.924.187 von geo80 am 29.08.20 12:34:00naja hier mache ich mir keine Sorgen- das bedarf nach KI wird in kommenden Jahren sehr groß, hier ist genug Platzt für ein paar KI Firmen auf dem Markt, die nebeneinander bestehen können- BrainChip- ist aber im moment noch einzige vollständige KI- Firma und mit KIDA SEHR WEIT VORAUS - das Tesla, versucht überall da zu investieren was neues innovatives und Zukunft reiches ist, ist nichts neues- ich habe sogar Angst gehabt das die oder anderen wie Samsung etz- versuchen Brain Chip zu übernähmen- aber Brain arbeitet nicht mehr alleine- der hat auch ein starken Partner an der Seite. AKIDA wird gerade schon produziert und bald richtig verkauft- da ist keiner so weit ( CHip)- das ist das Herz in KI- nicht umsonst wird um gerade dieses Produkt so viel geforscht ( Sehe Tesla) Brain hat auch das Potenzial in Medizinischem Bereich erkannt , deswegen hat auch bekannten Mediziner auf dem Bord geholt! alle Bereiche sind mit Guten Leuten bedeckt, also abwarten, gerade wird geforscht wo mann AKIDA einsetzen kann- Brain wird nicht stehen sondern weiter sich entwickeln- da bin ich mir sicher, das potenzial ist Groß, der Name wird jeden Tag auch bekannter- also warten wir ab- gerade hat Honda erste Auto mit KI- zum Verkauf angeboten- KI ist das Thema für nächste 5 Jahre oder länger- und unser Brain- ist der Pionier in KI- Grüße
Antwort auf Beitrag Nr.: 64.926.458 von Konrador am 29.08.20 19:18:41Ich sehe ein wirklich großes Potential für den Chip von Musk, und zwar bei u.a. cerebralen Störungen oder degenerativen Prozessen bei neuromuskulären Erkrankungen wie z.B. ALS.
AKITA hingegen ist IMHO auf selbstlernende Maschinen ausgerichtet, etwas, was in der Industrie eine äußerst gute Anwendung finden wird.
Beide Ideen sind genial, allerdings ist die Aktie von Musk mir einfach zu teuer. Also investiere ich lieber in BrainChip.
AKITA hingegen ist IMHO auf selbstlernende Maschinen ausgerichtet, etwas, was in der Industrie eine äußerst gute Anwendung finden wird.
Beide Ideen sind genial, allerdings ist die Aktie von Musk mir einfach zu teuer. Also investiere ich lieber in BrainChip.
Neurolink und BRN sind ganz verschiedene Paar Schuhe, und Neurolink ist nicht börsennotiert. Offiziell ist Musk auch gegen eine General KI. Schönen Abend
Ist Brainchip nur in der australischen Börse gelistet?
Wäre ja für den Umsatz schön, wenn Brainchip auch an einer amerikanischen Börse platziert wäre?
Wäre ja für den Umsatz schön, wenn Brainchip auch an einer amerikanischen Börse platziert wäre?
Unter Aziana bzw Brainchip an der OTC unter minimalen Umsätzen. Allerdings derzeit unwichtig. NASDAQ Listing kommt noch früh genug in meinen Augen...
https://hotcopper.com.au/attachments/annotation-2020-08-29-1…
Peter van der Made > Gründer und CTO
Louis di Nardo > Präsident und Geschäftsführer
Anil Mankar > Mitbegründer, Chief Development Officer
Peter van der Made > Gründer und CTO
Louis di Nardo > Präsident und Geschäftsführer
Anil Mankar > Mitbegründer, Chief Development Officer
Kann mir wer von Euch erklären, warum diese Aktie bei dem vorhergesagten Potential gerade gen Süden abrasselt?
Antwort auf Beitrag Nr.: 64.957.557 von Trulla24 am 01.09.20 22:43:35 Verstehen kann ich ich das auch nicht. Mir aber egal. Denke in einem Jahr wird man von diesem Kurs für einen Einstieg nur träumen 😉 Da stehen wir hier ganz woanders. Meine Meinung.
Es gab eine neue Ankündigung über eine Zusammenarbeit mit einer Firma für die NASA und der Kurs in Sydney hat ca. 30% zugelegt. Hoffentlich kommen dann bald noch mehr gute Nachrichten.
https://www.fool.com.au/2020/09/02/brainchip-share-price-roc…
https://www.fool.com.au/2020/09/02/brainchip-share-price-roc…
NEWS!
Neuer Partnerschaft mit Vorago.
In AUS. 30% +
Neuer Partnerschaft mit Vorago.
In AUS. 30% +
Antwort auf Beitrag Nr.: 64.958.142 von Portos__ am 02.09.20 06:25:03
Du warst schnelller :-)
Zitat von Portos__: Es gab eine neue Ankündigung über eine Zusammenarbeit mit einer Firma für die NASA und der Kurs in Sydney hat ca. 30% zugelegt. Hoffentlich kommen dann bald noch mehr gute Nachrichten.
https://www.fool.com.au/2020/09/02/brainchip-share-price-roc…
Du warst schnelller :-)
Antwort auf Beitrag Nr.: 64.958.151 von aziz1907 am 02.09.20 06:27:13Hallo- und jetzt kann man sagen das Brainchip richtig ausgebrochen ist- der Weg zu 1 AUD ist frei
Antwort auf Beitrag Nr.: 64.958.163 von Konrador am 02.09.20 06:29:10Erst muss das AZH von 2015 geknackt werden,also 58 C
Brainchip dreht nach der News richtig auf! 👍
geil endlich 💪🏼 bin gespannt wo wir mit dem teil mal stehen werden
Schönen und erfolgreichen Tag euch
Schönen und erfolgreichen Tag euch
Cool, plus 68 % 
Antwort auf Beitrag Nr.: 64.959.282 von Urquell12 am 02.09.20 09:00:55
Hoffentlich ein milliardenschweres Unternehmen in der Zukunft.
Zitat von Urquell12: geil endlich 💪🏼 bin gespannt wo wir mit dem teil mal stehen werden
Schönen und erfolgreichen Tag euch
Hoffentlich ein milliardenschweres Unternehmen in der Zukunft.
Ich gehe davon aus. Bin echt überzeugt von dem Unternehmen und freu mich auf die nächsten spannenden Berichte und News👍🏼
Was bringt euch zu der Überzeugung, dass es sich um ein gutes Unternehmen handelt? Jetzt seit Ihr dran😉
Ich glaube, dass das erst der Anfang ist.
Brainship hat seinen Chipsatz an 2 Dutzend großer Unternehmen geliefert; darunter sehr bekannte Marken. Und von jedem dieser Unternehmen könnte ein so positives Feedback kommen, wie heute von Vorago.
Bis hierhin habe ich noch keinen einzigen negativen Kommentar zu "Akida" finden können.
Sieht für mich tatsächlich so aus, als würde die Story gerade erst beginnen.
Bis hierhin habe ich noch keinen einzigen negativen Kommentar zu "Akida" finden können.
Sieht für mich tatsächlich so aus, als würde die Story gerade erst beginnen.
Auch diese Veranstaltung könnte dem Kurs in der Folge einen heftigen Schub verleihen:
https://brainchipinc.com/2020-embedded-vision-summit/
https://brainchipinc.com/2020-embedded-vision-summit/
Na ja, momentan scheint sich das Interesse an Brainchip Holdings Ltd. noch in Grenzen zu halten.
Hoffen wir mal, dass sich das in der nächsten Zeit ändert.
Hoffen wir mal, dass sich das in der nächsten Zeit ändert.
Antwort auf Beitrag Nr.: 64.965.255 von aliasmysoul am 02.09.20 15:36:32
Zitat von aliasmysoul: Na ja, momentan scheint sich das Interesse an Brainchip Holdings Ltd. noch in Grenzen zu halten.
Sehe ich nicht so. Das Interesse ist enorm gestiegen. Wir standen hier vor ein paar Monaten noch bei 3 Cent. Brainchip hat ein gutes Feuer im Ofen und es sieht so aus, als wenn es jetzt los geht. Natürlich nicht alles an einem Tag 😉
Ich tippe mal, dass zum Börsenschluss heute Abend der Kurs sich auf 0.260 ct eingependelt hat. 
36% immer noch von Insidern gehalten laut yahoo.com, das ist top. Anfangs habe ich LDN total falsch eingeschätzt, so wie es die gesamte hotcopperGemeinde auch tat. Seit geraumer Zeit sehe ich das ganz anders. Mittlerweile stört mich nur noch, dass schon von AKIDA 3, 4 und 5 gesprochen wird, zumindest von der Technikerseite aus, weniger von LDN. Das ist so, als würde ein Tesla Manager vom übernächsten Modell sprechen, anstatt das aktuelle erstmal anzupreisen. Ich denke jedoch, dass, da wir es mit einem FirstMover zu tun haben, dieses Phänomen eine geringere Rolle spielen wird, weil Akida trotzdem getestet und verbaut wird aufgrund des revolutionären Charakters, und jeder Kunde hier vorne mit dabei sein muss und möchte.
Antwort auf Beitrag Nr.: 64.966.500 von 123trader123 am 02.09.20 16:38:40@123trader123
Ja, ich geb Dir Recht, bin Börsenneuling. Muss halt mehr Geduld aufbringen.
Bin heute mal klein eingestiegen, bei 0,32 cent.
Hab mich ein bisschen geärgert, bei Wirecard wäre ich heute ganz gut im + gewesen.
Hätte,hätte Fahrradkette! 😀
Ja, ich geb Dir Recht, bin Börsenneuling. Muss halt mehr Geduld aufbringen.
Bin heute mal klein eingestiegen, bei 0,32 cent.
Hab mich ein bisschen geärgert, bei Wirecard wäre ich heute ganz gut im + gewesen.
Hätte,hätte Fahrradkette! 😀
Antwort auf Beitrag Nr.: 64.966.797 von H2OAllergiker am 02.09.20 16:55:47Hallo- duch Akida hat Brainchip der Welt gezeigt das es möglich ist eine Selbstlehrende Maschine und das nach nach Menschlichem Vorbild zu erschaffen , Akida 2,3 oder 4- sind meine Meinung nach Nachfolger Modele die, genau strukturiert nach Bedarf gebaut werden- schließlich Akida im Medizinischem Bereich wird etwas anders Arbeiten müßen als Zb. für Auto Industrie- so wird Brainchip auch Kundenstamm an sich binden können- ich glaube das Tesla oder anderen Großen -Big Player frier oder später bei Brain an die Tür klopfen werden. Grüße- als Kunde meine ich.
heut noch mal etwas Wagniskapital reintut .)
)
Antwort auf Beitrag Nr.: 64.967.616 von mann337 am 02.09.20 17:51:00Ich würde an deiner Stelle noch etwas warten. Die Diskrepanz zwischen den Stückzahlen im Bid und Ask-Bereich lassen einen Kursrückgang vermuten, weil einige nun noch den heutigen Gewinn mitnehmen wollen.
Antwort auf Beitrag Nr.: 64.967.919 von Trulla24 am 02.09.20 18:11:37
warum abwarten ....entweder das wird nen Ding oder nen Flopp .... keiner weiss es .... ich denke das klingt alles garnicht mal so schlecht .
Zitat von Trulla24: Ich würde an deiner Stelle noch etwas warten. Die Diskrepanz zwischen den Stückzahlen im Bid und Ask-Bereich lassen einen Kursrückgang vermuten, weil einige nun noch den heutigen Gewinn mitnehmen wollen.
warum abwarten ....entweder das wird nen Ding oder nen Flopp .... keiner weiss es .... ich denke das klingt alles garnicht mal so schlecht .
AMD gab es zb. zum 01.02 2016 für 1,87 Dollar heute 90 Dollar
warum abwarten ....entweder das wird nen Ding oder nen Flopp .... keiner weiss es .... ich denke das klingt alles garnicht mal so schlecht .. Ich bin mir seit etwa einem Jahr ziemlich sicher, dass dies ein oder das Ding wird, davor war es eine Hochrisikospekulation. Diese Erkenntnis aber erst aufgrund von 20 Jahren Börsenerfahrung und dem intensiveren Befassen mit dem Thema KI seit ca. 2 Jahren. Fakt ist, es gibt bis heute keine echte KI auf dem Markt, das sind alles DeepLearning programmierte dumme Programme, also Scheisse. Neuromorphe Spiking Neural Networks brechen dort heraus und lernen überwacht oder unüberwacht, das ist der Beginn einer Künstlichen Intelligenz, die den Menschen zuerst in Teilgebieten bei weitem übertreffen wird. Das Management von Brainchip muss dem nun gewachsen sein, eine KE bei 1 AUD wäre bspw eine gute Entscheidung. Ich schrieb vor geraumer Zeit, dass ich BRN innert 5 Jahren bei 10 Mrd Börsenwert sehe, dabei bleibe ich. Vor kurzem wünschte ich eine Entwicklung wie bei Pyrogenesis. Und ich wünsche mir, dass Pushing uns fernbleibt. Tiefstapeln ist am Anfang besser.
Antwort auf Beitrag Nr.: 64.968.759 von H2OAllergiker am 02.09.20 19:20:17klingt hier alles so spannend als um nicht mal hier dabei zu sein .... ich bin dabei ... und ma schaun.... klingt schon nach SiFi hier ... aber das gefällt...
Antwort auf Beitrag Nr.: 64.968.759 von H2OAllergiker am 02.09.20 19:20:17Hallo H2OAllergiker,
da Du in dieser Materie recht eingelesen und kompetent bist, möchte ich Dich bitten, uns diesen neuen künstlichen Intelligenz Chip technisch bzw. seinen Aufgabenbereich einfach zu erklären.
Hatte mir Info und ein Video von Brainchip angeschaut, indem der Chip von einem Nutzer für seine Bedürfnisse einfach programmiert werden kann.
Ein einfaches Beispiel war, dass der Chip zwischen einem Elefanten und einem Polizeiauto selbst den Unterschied lernt, oder selbstentscheidend mit einem Raumschiff durch das Weltall reist?
da Du in dieser Materie recht eingelesen und kompetent bist, möchte ich Dich bitten, uns diesen neuen künstlichen Intelligenz Chip technisch bzw. seinen Aufgabenbereich einfach zu erklären.
Hatte mir Info und ein Video von Brainchip angeschaut, indem der Chip von einem Nutzer für seine Bedürfnisse einfach programmiert werden kann.
Ein einfaches Beispiel war, dass der Chip zwischen einem Elefanten und einem Polizeiauto selbst den Unterschied lernt, oder selbstentscheidend mit einem Raumschiff durch das Weltall reist?
Zitat von H2OAllergiker: warum abwarten ....entweder das wird nen Ding oder nen Flopp .... keiner weiss es .... ich denke das klingt alles garnicht mal so schlecht .. Ich bin mir seit etwa einem Jahr ziemlich sicher, dass dies ein oder das Ding wird, davor war es eine Hochrisikospekulation. Diese Erkenntnis aber erst aufgrund von 20 Jahren Börsenerfahrung und dem intensiveren Befassen mit dem Thema KI seit ca. 2 Jahren. Fakt ist, es gibt bis heute keine echte KI auf dem Markt, das sind alles DeepLearning programmierte dumme Programme, also Scheisse. Neuromorphe Spiking Neural Networks brechen dort heraus und lernen überwacht oder unüberwacht, das ist der Beginn einer Künstlichen Intelligenz, die den Menschen zuerst in Teilgebieten bei weitem übertreffen wird. Das Management von Brainchip muss dem nun gewachsen sein, eine KE bei 1 AUD wäre bspw eine gute Entscheidung. Ich schrieb vor geraumer Zeit, dass ich BRN innert 5 Jahren bei 10 Mrd Börsenwert sehe, dabei bleibe ich. Vor kurzem wünschte ich eine Entwicklung wie bei Pyrogenesis. Und ich wünsche mir, dass Pushing uns fernbleibt. Tiefstapeln ist am Anfang besser.
Genau, ich kann die Technik nicht im Detail erklären, wohl aber den Unterschied bzw die Einzigartigkeit zu anderen Systemen. Dbzgl verweise ich noch auf eine deutschsprachige Quelle, die noch folgt. Ein großes Merkmal ist das OneShot Learning. Wo DeepLearning Millionen von Vergleichsmustern braucht, braucht es beim Akida nur einen "Blick", die Demo mit den 3D und 2 D Bildern zeigt dies eindrucksvoll.
Antwort auf Beitrag Nr.: 64.971.540 von H2OAllergiker am 02.09.20 22:42:35Vielen Dank für die Info.
Peter von der Made könnte auch der Sohn von Stephen Hawking sein.
Alles sehr interessant...
https://www.all-electronics.de/akida/
Peter von der Made könnte auch der Sohn von Stephen Hawking sein.
Alles sehr interessant...
https://www.all-electronics.de/akida/
Danke für alle Infos! 👏
Code Last $+/- % Chg Bid Offer Open High Low Volume Options Warrants & Structured Products Chart Status Announcements
BRN * 0.540 Up 0.065 13.68% 0.540 0.545 0.505 0.595 0.475 91,086,347
BRN * 0.540 Up 0.065 13.68% 0.540 0.545 0.505 0.595 0.475 91,086,347
Super, die Aktie hat nach dem starken Kursanstieg gestern gehalten und heute in Australien nochmals um 5,26 % zugelegt.
Antwort auf Beitrag Nr.: 64.975.266 von mick11 am 03.09.20 11:01:38
Ein gutes Zeichen.
Zitat von mick11: Super, die Aktie hat nach dem starken Kursanstieg gestern gehalten und heute in Australien nochmals um 5,26 % zugelegt.
Ein gutes Zeichen.
Falls einer mal Nachts nicht schlafen kann und den Handel ab 2:00 Uhr verfolgen möchte 😅
Hier sieht man verschiedene KI Netzwerke arbeiten. Intuitiv kann man erkennen, wie sie arbeiten, und warum SNN's so wenig Energie verbrauchen und in ihrem Metier ihren Vorteil ausspielen und dem Gehirn ähnlich funktionieren.
Für Jene, die tiefer einsteigen möchten
Das Webinar vom 07.08.2020 https://m.youtube.com/watch?v=oL8b3mKbZaQ&feature=youtu.be
Antwort auf Beitrag Nr.: 64.982.976 von H2OAllergiker am 03.09.20 20:39:32Listing S&P 600 am 21.09
Kann mir jemand bitte erklären, warum die Aktie gerade etwas taumelt? Finde dafür keine Erklärung in den Foren. Oder habe ich etwas überlesen?
Finde dafür keine Erklärung in den Foren. Oder habe ich etwas überlesen?
Liebe(r) Trulla, da Sie anscheinend frisch an der Börse sind, was taumelt wo? Heimatbörse ist die ASX in Australien, kennen Sie eine Aktie, die ständig steigt? Ich nicht, denn wäre es so, wurde jeder an der Börse spielen, reich werden und. . Geht naturgemäß natürlich nicht, sonst bräuchte es keine Märkte und Börsen...
Antwort auf Beitrag Nr.: 64.988.115 von Trulla24 am 04.09.20 11:08:22
Taumelt? Schau dir mal den chart an!
Zitat von Trulla24: Kann mir jemand bitte erklären, warum die Aktie gerade etwas taumelt?
Taumelt? Schau dir mal den chart an!
Antwort auf Beitrag Nr.: 64.988.115 von Trulla24 am 04.09.20 11:08:22Da taumelt gar nichts. Sehr gute und gesunde Entwicklung derzeit. Es kann nicht jeden Tag 10% hoch gehen. 😉
Cyber Valley, Europs großes KI-Cluster
Gerade in der Pressekonferenz der Bundesregierung gab der Pressesprecher Herr Seibert bekannt, dass sich die Bundeskanzlerin stark für eine KI Technik in der deutschen Wirtschaft einsetzt und dafür, was ich noch gar nicht kannte, ein Cyber Valley eingerichtet wurde.
Man sollte insoweit als Aktionär mit der Brainchip Holding auf dem richtigen Weg sein.
https://cyber-valley.de/de/about
Gerade in der Pressekonferenz der Bundesregierung gab der Pressesprecher Herr Seibert bekannt, dass sich die Bundeskanzlerin stark für eine KI Technik in der deutschen Wirtschaft einsetzt und dafür, was ich noch gar nicht kannte, ein Cyber Valley eingerichtet wurde.
Man sollte insoweit als Aktionär mit der Brainchip Holding auf dem richtigen Weg sein.
https://cyber-valley.de/de/about
Antwort auf Beitrag Nr.: 64.988.325 von H2OAllergiker am 04.09.20 11:23:23Bin schon 'n büschen länger dabei.
Eine Seitwärtsbewegung wäre für mich ein stabiles Zeichen. Allerding machen mir diese kleinen Rücksetzer etwas Bauchschmerzen, da ich - aus Erfahrung - damit rechne, dass sehr bald die Shorties kommen und diese Aktie als Spielball für schnelle Gewinne nutzen werden.
Btw, ich lese auch bei ceo.ca im entsprechenden Forum "brn" mit.
Gruß
DIE Trulla
Eine Seitwärtsbewegung wäre für mich ein stabiles Zeichen. Allerding machen mir diese kleinen Rücksetzer etwas Bauchschmerzen, da ich - aus Erfahrung - damit rechne, dass sehr bald die Shorties kommen und diese Aktie als Spielball für schnelle Gewinne nutzen werden.
Btw, ich lese auch bei ceo.ca im entsprechenden Forum "brn" mit.
Gruß
DIE Trulla
Nochmals, welche Rücksetzter¿?????
Und Shorter sind gesund, das nur mal nebenbei
Trulla24; Wenn man einmal berücksichtigt, von wo diese Aktie her kommt und wo sie jetzt steht, sind Gewinnmitnahmen doch völlig normal.
Nicht jeder hat die Eier, das Ding laufen zu lassen. Mich wundert es sogar eher, das der Kurs nach dem letzten Anstieg so stabil bleibt. Das halte ich für ein verdammt gutes Zeichen.
Nicht jeder hat die Eier, das Ding laufen zu lassen. Mich wundert es sogar eher, das der Kurs nach dem letzten Anstieg so stabil bleibt. Das halte ich für ein verdammt gutes Zeichen.
Antwort auf Beitrag Nr.: 64.991.235 von berma am 04.09.20 15:16:48Bin auch überrascht das der Kurs sich bei +- .30 C hält.
Habe einige stücke bei 0.22 verkauft und dachte ich komme bei 0.15 wieder rein. Jetzt denke ich auch das der Kurs nochmal bis 0.25 korrigiert aber rausgehen und darauf spekulieren traue ich mich doch nicht.
Ein positiver update zu test Ergebnisse oder ein neuer Partner ,da geht es wieder steil nach oben .
Habe einige stücke bei 0.22 verkauft und dachte ich komme bei 0.15 wieder rein. Jetzt denke ich auch das der Kurs nochmal bis 0.25 korrigiert aber rausgehen und darauf spekulieren traue ich mich doch nicht.
Ein positiver update zu test Ergebnisse oder ein neuer Partner ,da geht es wieder steil nach oben .
Wenn man die Marktkapitalisierung in AUD in 777 Mio sieht, denkt man, das ist total überzogen. In EUR sind es läppische 476 Mio. Das ist in dieser Niedrigzinsphase nichts... Mich wunderte immer, dass BRN selbst bei 0,036AUD in Coronazeiten immer noch mehr als 50 Mio AUD Marktkap auf dem Buckel hatte, und das machte mich stutzig, denn Unternehmen mit vorgeblich mehr Substanz lagen da bei 4-8 Mio Aud Markt Bewertung. Deswegen meine frühe Annahme, dass wir hier etwas Größeres sehen dürften, was der Markt immer wusste, jedoch nicht der gemeine Anleger.🔮
Antwort auf Beitrag Nr.: 64.991.925 von H2OAllergiker am 04.09.20 16:11:00
Ich halte meine schon seit 0,03 :-)
Zitat von H2OAllergiker: Wenn man die Marktkapitalisierung in AUD in 777 Mio sieht, denkt man, das ist total überzogen. In EUR sind es läppische 476 Mio. Das ist in dieser Niedrigzinsphase nichts... Mich wunderte immer, dass BRN selbst bei 0,036AUD in Coronazeiten immer noch mehr als 50 Mio AUD Marktkap auf dem Buckel hatte, und das machte mich stutzig, denn Unternehmen mit vorgeblich mehr Substanz lagen da bei 4-8 Mio Aud Markt Bewertung. Deswegen meine frühe Annahme, dass wir hier etwas Größeres sehen dürften, was der Markt immer wusste, jedoch nicht der gemeine Anleger.🔮
Ich halte meine schon seit 0,03 :-)
Super, Respekt. Tenbagger gibts nicht so oft innerhalb weniger Monate, in letzter Zeit hab ich von denen eine Handvoll verpasst. Man kann ja nicht alles haben, die Auswahl ist einfach zu groß, deswegen konzentriere ich mein Depot auf max 5 - 10 Werte
Hallo- also einen Rücksetzer bis 1AUD wird meine Meinung nach nicht geben- warum? nach extrem starken Einstig haben wir in 2 letzten Tagen Gewinn-Mitnahmen im Laufe des Handels gehabt- und selbst Heute- wo am Freitag alle Zocker fast immer zum Sicherheit aus der Aktie raus gehen- Schließlich am Wochenenden kann sich viel Ändern, Trotzdem haben wir fast plus minus 0- am Ende gehabt und im Laufe des Tages sogar plus gewesen. Immer mehr Investoren steigen hier Langfristig, warum sollte man schon Jetzt aussteigen wenn es gerade am Anfang stehen, im jedem Sektor wo Akida gerade getestet wird- haben wir Großinvestoren im Spiel- und gerade die wenn die schon wissen das AKIDA Super Erfindung ist- was machen die dann? Investieren die direkt in Aktie- deswegen einen Großen Rücksetzer werden wir nicht so schnell sehen- das ist nur meine Meinung und kein Kauf- Empfehlung. Grüße
für die , die noch nicht gesehen haben.. youtu.be/Q0WBxp39SpQ
DurchsuchenBeitrag zu dieser Diskussion schreiben
Investoren beobachten auch:
| Wertpapier | Perf. % |
|---|---|
| +1,85 | |
| +9,11 | |
| +6,28 | |
| +0,88 | |
| +6,30 | |
| +0,83 | |
| -9,99 | |
| +0,56 | |
| -2,58 | |
| -1,57 |
Meistdiskutiert
| Wertpapier | Beiträge | |
|---|---|---|
| 240 | ||
| 107 | ||
| 82 | ||
| 78 | ||
| 75 | ||
| 53 | ||
| 41 | ||
| 38 | ||
| 36 | ||
| 34 |
24.04.24 · wO Chartvergleich · Bayer |
23.03.24 · wallstreetONLINE Redaktion · Advanced Micro Devices |
wO Community Rückblick: wO User zum Hype um KI-Pennystock: "Brainchip wurde gepusht vor den Zahlen!"(3) 02.03.24 · wallstreetONLINE Redaktion · NVIDIA |
