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