Презнтация-к-проеку-Фролова-р-19

1. МИНИСТЕРСТВО образования ставропольского края государственное БЮДЖЕТНОЕ профессиональноЕ образовательное учреждение «курсавский

МИНИСТЕРСТВО ОБРАЗОВАНИЯ СТАВРОПОЛЬСКОГО КРАЯ
ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ПРОФЕССИОНАЛЬНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
«КУРСАВСКИЙ РЕГИОНАЛЬНЫЙ КОЛЛЕДЖ «ИНТЕГРАЛ»
ПРЕЗЕНТАЦИЯ К ПРОЕКТУ
По дисциплине ОДП.02 Информатика
по теме: “Искусственный интеллект и
ЭВМ”
Выполнил обучающийся гр.Пр-19
Фролов Т.А
Преподаватель Скрыленко Д.Н
Курсавка, 2026

2. Почему я выбрал эту тему?

• Сегодня все говорят об ИИ: нейросети рисуют,
пишут тексты, ставят диагнозы.
• Но мало кто задумывается, что за этим стоит.
• А стоит за этим – вычислительная мощь обычных
компьютеров – ЭВМ.
• Именно от того, насколько быстро и умно устроен
компьютер, зависит, сможет ли ИИ решить
сложную задачу.

3. Цель и задачи проекта

• Цель: проследить, как менялись ЭВМ от ламповых
машин до суперкомпьютеров, и как это помогало
ИИ становиться умнее.
Задачи:
• Выяснить проблемы современных архитектур.
• Определить, что нас ждёт в будущем.
• Проверить гипотезу: нужен ли переход к новым
типам компьютеров?

4. Главный вывод – по поколениям

• Каждое новое поколение ЭВМ давало ИИ новый
рывок.
• На ламповых машинах – даже в шахматы не
сыграть.
• Появились транзисторы и микросхемы – стали
возможны первые шахматные программы и
экспертные системы.
• А настоящий прорыв случился, когда
добавили графические процессоры (GPU) – они
изначально нужны были для игр, но идеально
подошли для нейросетей.

5. Примеры из жизни

• Deep Blue (1997) – 256 процессоров, победил
Каспарова в шахматы.
AlphaGo (2016) – уже 176 GPU, обыграл чемпиона
мира по го.
GPT-4 (2023) – 25 тысяч ускорителей, работали
несколько месяцев.
Закономерность: чем сложнее задача ИИ, тем
больше вычислительных ресурсов нужно.

6. Проблемы современных компьютеров

• Даже самые мощные ЭВМ сталкиваются с
трудностями:
• Огромное энергопотребление – обучение одной
нейросети может сжечь электричества как
небольшой город за день.
• «Стена памяти» – процессор быстро считает, но
данные из памяти идут медленно – он
простаивает.
• Закон Мура больше не работает – транзисторы
нельзя уменьшать вечно.

7. Что же делать? Перспектива №1 – Нейроморфные компьютеры

• Работают как человеческий мозг:
• Нет разделения на память и процессор.
• Все нейроны считают одновременно.
• Энергии потребляют в тысячи раз меньше, чем
обычные GPU.
Пример: чип Intel Loihi 2 – 30 ватт на миллион
нейронов.

8. Перспектива №2 – Квантовые компьютеры

• Могут решать некоторые задачи в миллионы раз
быстрее.
• Пока очень нестабильны, требуют сверхнизких
температур и дороги.
• Ближайшая перспектива – гибридные системы:
обычный компьютер + квантовый сопроцессор.

9. Практическая польза проекта

• Материалы можно использовать на уроках
информатики.
• Помогут всем, кто интересуется, куда движется
прогресс.
• В дальнейшем я планирую изучить работающие
нейроморфные системы (Intel Loihi 2, IBM
TrueNorth) и, возможно, написать простую
программу для такого чипа.