当前位置：返回首页企业动态
人工智能（AI）可以根据不同的标准进行分类。以下是几种常见的分类方式：
1. 按技术能力分类：
- 弱人工智能（Narrow AI/Weak AI）：专精于单一任务，无法超越预设的领域。，语音助手（如Siri）、图像识别、推荐算法、围棋程序AlphaGo。
- 强人工智能（General AI/Strong AI）：具备人类水平的通用智能，能跨领域自主学习和推理。目前尚未实现，属于理论或科幻范畴。
- 超级人工智能（Superintelligent AI）：智能远超人类，可能具备自我改进能力。目前仅为纯理论设想，存在伦理和安全争议。
2. 按功能分类：
- 反应式机器（Reactive Machines）：无记忆，仅根据当前输入做出反应。，早期的IBM深蓝计算机。
- 有限记忆（Limited Memory）：结合历史数据优化当前决策。，自动驾驶、ChatGPT。
- 心智理论（Theory of Mind）：理解他人情感与意图（研究阶段，未成熟）。
- 自我意识（Self-Aware AI）：具备自我感知与意识（目前不存在）。
3. 按技术方法分类：
- 符号主义（Symbolic AI）：基于规则和逻辑推理（如专家系统）。
- 连接主义（Connectionism）：依赖神经网络模拟人脑（如深度学习）。
- 行为主义（Behaviorism）：通过试错学习（如强化学习）。
4. 按应用领域分类：
- 计算机视觉（CV）：图像识别、人脸识别、自动驾驶（如YOLO、OpenCV）。
- 自然语言处理（NLP）：机器翻译、情感分析、聊天机器人（如GPT-
4、BERT）。
- 机器人技术（Robotics）：工业机器人、服务机器人（如波士顿动力Spot）。
- 专家系统（Expert Systems）：医疗诊断、金融风控（如IBM Watson）。
- 生成式AI（Generative AI）：文本/图像/视频生成（如DALL-E、Stable Diffusion）。
5. 按数据依赖程度：
- 数据驱动型（如深度学习）：依赖于大量数据进行训练。
- 知识驱动型（如专家系统）：依赖于预先定义的知识和规则。
6. 按学习方式：
- 监督学习：使用带标签的数据进行训练。
- 无监督学习：使用无标签的数据进行训练。
- 半监督学习：结合带标签和无标签的数据进行训练。
- 自监督学习：使用无标签的数据进行训练，并通过自我监督的方式进行学习。
7. 按部署环境：
- 云端AI（如云计算平台）：在云端服务器上运行AI模型。
- 边缘AI（如手机、物联网设备）：在设备本地运行AI模型。
当前实际应用的人工智能几乎全部属于弱人工智能，依赖机器学习（尤其是深度学习）技术，广泛应用于计算机视觉、自然语言处理等领域。强人工智能仍停留在理论阶段，而超级人工智能则是未来学的讨论范畴。随着多模态模型（如GPT-
4、Sora）的发展，AI的泛化能力正在增强，但离真正的通用智能仍有距离。