人工智能（AI）的技术分类可以从技术层级、能力范围、应用场景等多个维度划分，以下是目前主流且清晰的分类体系：
一、 按技术层级划分
这是最基础的分类方式，根据 AI 的技术成熟度和智能化程度，分为 3 个层级：
1.弱人工智能（ANI, Artificial Narrow Intelligence）
典型应用：语音识别（如 Siri、讯飞输入法）、图像识别（如人脸识别门禁）、推荐算法（如电商商品推荐）、围棋 AI（如 AlphaGo）。
2.强人工智能（AGI, Artificial General Intelligence）
现状：目前仍处于理论研究阶段，尚未实现。
3.超人工智能（ASI, Artificial Superintelligence）
现状：属于未来科幻和哲学探讨的范畴，暂无明确的技术路径。
二、 按核心技术方向划分
这是从 AI 的底层技术实现角度的分类，覆盖了 AI 研发的核心领域：
- 机器学习（Machine Learning, ML）
细分方向： 监督学习：数据带标签（如分类、回归任务，例如垃圾邮件识别） 无监督学习：数据无标签（如聚类、降维任务，例如用户分群） 半监督学习：部分数据带标签，兼顾前两者优势 强化学习：通过 “试错 - 奖励” 机制学习最优策略（如机器人控制、游戏 AI）
2.深度学习（Deep Learning, DL）
典型模型：卷积神经网络（CNN，用于图像）、循环神经网络（RNN，用于序列文本）、Transformer（用于自然语言处理，如 GPT 系列）
3.自然语言处理（Natural Language Processing, NLP）
核心任务：文本分类、机器翻译、问答系统、情感分析、大语言模型（LLM）
4.计算机视觉（Computer Vision, CV）
核心任务：图像分类、目标检测、语义分割、人脸识别、图像生成（如 GAN 生成图片）
5.知识图谱（Knowledge Graph, KG）
应用：搜索引擎的智能问答、智能客服的精准回答
6.机器人学（Robotics）
应用：工业机器人、服务机器人（如扫地机器人）、自动驾驶
三、 按能力范围划分
根据 AI 是否具备自主意识和交互能力，分为两类：
1.反应式机器
例子：早期的工业机器人、AlphaGo 的基础版本
2.具备记忆的机器
例子：推荐算法（记录用户历史行为）、自动驾驶（存储路况数据）
四、 按应用场景划分
从 AI 的落地领域分类，也是最贴近用户感知的分类：
- 消费级 AI：语音助手、图像编辑、短视频推荐
- 工业级 AI：智能制造、质量检测、预测性维护
- 医疗 AI：医学影像诊断、药物研发、病理分析
- 金融 AI：风险控制、量化交易、智能投顾
- 教育 AI：个性化学习、智能批改、题库推荐
