AI的分类

AI 的分类常见有以下几种维度：

按能力水平

类型	说明	现状

弱人工智能（ANI）	专精单一任务，如语音助手、推荐算法	当前所有 AI 都属于此类
强人工智能（AGI）	具备人类通用认知能力，可跨领域学习	尚未实现
超人工智能（ASI）	全面超越人类智能	纯属理论假设

按技术路线

• 符号主义（Symbolic AI）：基于规则与逻辑推理，如专家系统、知识图谱
• 连接主义（Connectionism）：模拟神经网络，如深度学习、大语言模型
• 行为主义/进化方法：基于强化学习、遗传算法，强调"试错学习"

按学习方式（机器学习内部）

• 监督学习：用标注数据训练（图像分类、垃圾邮件识别）
• 无监督学习：发现数据内在结构（聚类、降维）
• 强化学习：通过奖励信号学习策略（AlphaGo、机器人控制）
• 自监督学习：从数据本身构造监督信号，是大模型预训练的主流方法
• 半监督 / 迁移学习：介于上述之间的折中方案

按应用领域

• 计算机视觉（CV）：人脸识别、自动驾驶感知
• 自然语言处理（NLP）：翻译、对话、文本生成
• 语音识别与合成
• 机器人与自动控制
• 决策与推荐系统

按是否可解释

• 白盒模型：决策树、线性模型等，逻辑透明
• 黑盒模型：深度神经网络，性能强但难以解释