人工智能按技术分哪几类

99ANYc3cd6 人工智能 2025-12-03 8

按能力水平与通用性分类（最核心的分类）

这是由哲学家尼克·博斯特罗姆提出的著名分类法，它主要区分了AI在“任务范围”和“心智能力”上的差异。

（图片来源网络，侵删）

也称为专用人工智能 或 狭义人工智能。

定义：这是目前我们身边所有AI的形态，它被设计和训练用来执行特定的、单一的任务，它的智能是“窄”的,无法超越其程序设定的范围。
特点：
- 专用性：只擅长某一项工作，比如下围棋、识别图片、翻译语言。
- 无自我意识：没有情感、主观体验或真正的理解力,它只是在模仿智能行为。
- 当前主流：目前所有已实现的AI都属于ANI。
例子：
- AlphaGo：只会下围棋,不会写诗或聊天。
- Siri / Alexa：能回答问题、播放音乐,但无法进行有深度的哲学思考。
- 人脸识别系统：能识别人脸，但无法理解“美”或“情感”。
- 自动驾驶汽车：能处理驾驶路况,但无法像人类一样进行社交互动。
- 推荐算法：能推荐商品或视频，但有自己的“喜好”或“品味”。

也称为通用人工智能。

定义：AGI指的是具备与人类同等智慧，甚至超越人类智慧的AI，它能理解、学习并应用其智能来解决任何问题,就像一个正常的人类一样。
特点：
- 通用性：能够进行跨领域的思考、学习、推理和创造。
- 拥有常识：理解物理世界和社会运作的基本规则。
- 具备自我意识：可能有主观体验、情感和真正的理解力。
- 目前不存在：AGI仍然是科幻小说和AI研究的终极目标,尚未实现。
例子：
- 电影《我，机器人》中的机器人管家。
- 电影《Her》中能够与主角产生情感交流的操作系统。
- 电影《终结者》中的天网系统。

定义：在几乎所有领域都远远超过最聪明的人类智慧的AI，它的智能水平是人类智能的巨大飞跃,就像人类的智慧超越蚂蚁一样。
特点：
- 智力碾压：在科学创造、通用智慧和社交技能等方面都远远超过人类。
- 自我改进：能够不断迭代和升级自身智能，进入“智能爆炸”的循环。
- 高度不可预测：其行为和意图人类可能完全无法理解。
现状：这完全是理论上的概念，是AI安全领域讨论的焦点，一些思想家（如尼克·博斯特罗姆）认为ASI的出现可能是人类历史上最重大的事件,也可能是最后的事件。

除了上述按能力水平的宏观分类，我们还可以从AI具体能“做什么”的技术角度进行划分,这些技术通常是ANI的具体实现方式。

这是目前最核心、最主流的AI技术，AI通过算法从大量数据中学习规律,并利用这些规律进行预测或决策。

（图片来源网络，侵删）

监督学习：通过“带标签”的数据进行学习，算法学习输入数据（如图片）和正确输出（如“猫”）之间的映射关系。
- 例子：图像识别、垃圾邮件过滤、房价预测。
无监督学习：通过“无标签”的数据进行学习，算法自己发现数据中隐藏的结构和模式。
- 例子：用户分群、异常检测（如信用卡欺诈）、新闻聚类。
强化学习：通过“试错”进行学习，AI在一个环境中采取行动，根据行动结果获得奖励或惩罚，目标是最大化长期奖励。
- 例子：AlphaGo下棋、机器人控制、自动驾驶策略。

机器学习的一个分支，它使用深度神经网络（具有多个处理层的计算模型）来从数据中学习复杂模式，由于其在处理图像、声音和文本等非结构化数据上的卓越表现,深度学习引爆了近年来的AI浪潮。

卷积神经网络：特别擅长处理网格状数据，如图像。
- 应用：人脸识别、医学影像分析、自动驾驶中的物体检测。
循环神经网络：擅长处理序列数据，如文本和语音。
- 应用：机器翻译、语音识别、自然语言处理。
Transformer模型：近年来最火的架构，通过“注意力机制”有效处理长距离依赖关系。
- 应用：ChatGPT等大型语言模型、现代机器翻译系统。

让计算机能够理解、解释和生成人类语言的技术,它是实现人机对话和文本智能的基础。

让计算机能够“看懂”和理解数字图像与视频内容的技术。

早期AI的一种形式，它试图将某个特定领域的人类专家的知识和经验编码成一系列的“那么”规则,从而模拟专家的决策过程。

结合了AI、传感器、机械和控制理论,创造出能够与物理世界进行交互的实体。