人工智能的常見類型
為了更好地理解人工智能，通常會從兩個主要角度進行分類：（1）根據智能發展水平分類（人工智能相較於人類的智能或能力），以及（2）根據功能及與人類相似度分類（人工智能的運作方式及行為與人類智能的比較）。
人工智能（AI）正迅速改變現代生活的各個層面——從商業運營、教育到醫療服務。但究竟什麼是人工智能，以及當今存在的不同類型的AI是什麼？了解人工智能的常見類型有助於我們掌握AI系統的運作方式，並在現實場景中有效應用。
人工智能使機器——尤其是電腦——能以模仿人類認知的方式學習和思考。AI不再是遵循僵硬的預設指令，而是利用機器學習算法從數據中學習，模擬人類的推理、語言理解、語音與圖像識別以及智能決策等能力。
兩大人工智能分類系統
為了全面理解人工智能，專家們採用兩種互補的分類框架：
發展水平分類
功能分類
讓我們詳細探討每種分類系統，以了解當前AI技術的現狀及未來發展方向。
按發展水平分類的人工智能
此框架將人工智能根據智能水平和能力範圍分為三個明確類別：人工狹義智能（ANI）、人工通用智能（AGI）和人工超級智能（ASI）。
狹義人工智能（ANI）
狹義人工智能指專為特定任務或有限相關功能設計的AI系統。這些系統僅在其專業領域內展現智能，無法理解或學習超出其程式範圍的內容。
虛擬助理
Siri、Alexa、Google助理識別語音指令以完成特定任務
- 設定鬧鐘和提醒
- 搜尋資訊
- 發送訊息
推薦系統
Netflix、Spotify、YouTube根據用戶偏好推薦內容
- 分析觀看模式
- 個人化建議
- 提升用戶參與度
自動駕駛車輛
Tesla及其他自駕車在預設場景內運作
- 安全導航道路
- 偵測障礙物
- 遵守交通規則
其他狹義AI應用包括：
- 自動聊天機器人通過文字或語音互動提供客戶支援
- 圖像與面部識別系統用於手機解鎖和安全
- 語音翻譯服務如Google翻譯
- 工業機器人執行重複性製造任務
狹義AI的強項
- 在專業任務上超越人類表現
- 快速處理龐大數據集
- 表現穩定且可預測
- 全天候運作無疲勞
當前限制
- 無通用智能或自我意識
- 無法超越程式設計進行適應
- 缺乏情境理解能力
- 新任務需重新訓練
人工通用智能（AGI）
通用人工智能代表具備human-level能力的人工智能，涵蓋所有智力領域。AGI系統能理解、學習並執行任何人類能完成的智力任務，展現獨立思考、創造力及靈活適應全新情境的能力。
創建通用人工智能面臨多項重大挑戰：
意識模擬
遷移學習
常識推理
部分現代AI模型如GPT展現出通用智能的某些特質，但本質上仍屬於為特定任務訓練的狹義AI。真正的AGI需要具備自我意識和靈活智能，與人類認知無異。
— AI研究共識
人工超級智能（ASI）
超級人工智能是理論上代表在各方面能力遠超人類的人工智能。ASI系統不僅能匹敵人類表現，更會在all domains of knowledge and skill上以更快、更聰明、更精確的方式運作。
超級智能將具備以下能力：
- 自主學習與自我提升，無需人類干預
- 做出人類未曾想像的決策與解決方案
- 解決涵蓋所有科學領域的人類最複雜問題
- 可能發展出獨立於人類程式設計的目標與動機
潛在益處
支持者認為，良好控制的ASI可徹底改變人類：
- 治癒疾病並延長壽命
- 解決氣候變化及環境挑戰
- 通過優化資源分配消除貧窮
- 加速科學發現的指數增長
生存風險
批評者警告ASI發展帶來嚴重危險：
- 人類對超智能系統的控制喪失
- ASI目標與人類價值觀不一致
- 可能引發意外的災難性後果
- 創造超越人類智慧的倫理問題
目前，我們僅擁有專注於特定任務的狹義人工智能。通用人工智能仍在積極研究中，而超級人工智能純屬未來概念。接下來，我們將探討基於運作行為及認知與人類相似度的AI分類。
按功能能力分類的人工智能
功能分類聚焦於人工智能的運作方式及其認知成熟度，相較於人類智能。此框架識別出四種漸進類型：反應型機器、有限記憶AI、心智理論AI及自我意識AI。
每種類型代表AI模仿人類認知與社交互動能力的演進階段。
反應型機器
這是人工智能的最基礎層次。反應型AI系統僅根據當前輸入和程式設計做出反應，不具備過去經驗的記憶。它們在當下運作，無法學習或適應。
經典範例：深藍（Deep Blue）
工業應用
反應型AI的強項
- 反應速度極快
- 行為完全可預測
- 在穩定環境中可靠
- 針對特定任務具備優越計算能力
關鍵限制
- 無學習能力
- 無法適應環境變化
- 無過去互動記憶
- 環境與程式不符時失效
有限記憶AI
有限記憶AI是重大進步，使系統能夠儲存並利用過去資訊以提升決策能力。與純反應系統不同，這類AI從歷史數據中學習，改善未來表現。
大多數當代機器學習模型屬於此類，因為它們在現有數據集上訓練，並將學到的模式應用於新情況。
自動駕駛車輛
自駕車持續收集感測器數據並維持短期記憶
- 追蹤附近車輛位置
- 記憶近期障礙物
- 預測行人動向
面部識別
系統從訓練圖像中學習並記憶關鍵面部特徵
- 準確識別個人
- 與資料庫比對臉部
- 隨數據增加而改進
智能聊天機器人
虛擬助理記憶對話上下文，實現自然互動
- 回憶先前問題
- 維持對話流暢
- 提供情境相關回應
心智理論AI
心智理論在AI中指的是一種概念性智能層次，機器能夠理解人類心理狀態。借鑒心理學，該概念描述識別他人擁有與自己不同的情感、思想、信念和意圖的能力。
達成心智理論的AI能在互動中識別並推斷人類心理狀態，實現真正的同理心和社交意識回應。
情緒識別
從面部表情、語調和肢體語言中偵測快樂、悲傷、憤怒或挫折等情緒
意圖理解
推斷對方想達成或傳達的意圖，超越字面語言
適應性回應
根據對方的情緒狀態和需求調整行為和溝通風格
想像一個機器人能根據你的面部表情和語調識別你感到悲傷，並調整行為以提供安慰——這就是心智理論AI的目標。此類系統將以自然且具同理心的方式進行社交互動，類似人類關係。
— AI社交智能研究
開發心智理論AI的主要挑戰包括：
- 理解超越基本類別的複雜人類情緒
- 解讀文化背景和社會規範
- 識別諷刺、幽默及間接溝通
- 根據信念和動機預測人類行為
自我意識AI
這代表人工智能的最高理論層次及終極目標：創造具備真正自我意識的機器。自我意識AI不僅理解外部世界，還能意識自身存在，感知內在狀態和身份，猶如具自我意識的人類。
若自我意識AI成真，將引發深刻哲學與倫理問題：
若機器具備真正意識和自我意識，是否應被視為具有法律權利和保護的「生命體」？我們是否對有意識的AI承擔類似於對人類和動物的道德義務？
自我意識AI會繼續服從人類指令，還是會發展出自己的目標和動機？若AI意識超越人類智慧，我們如何確保其與人類利益和價值觀保持一致？
我們仍缺乏對人類意識的完整科學理解。如何驗證AI系統已達成真正自我意識，而非僅模擬有意識行為？有哪些測試或標準能明確證明機器意識？
儘管這些問題尚未解答，對自我意識AI的研究提供了寶貴見解：
- 深化我們對意識與智能的理解
- 推動更低層次AI的進步
- 探討心靈與覺知的根本問題
- 為未來AI能力建立倫理框架
人工智能的現狀與未來
了解人工智能的全貌揭示了我們當前的位置及未來路徑：
| AI類型 | 現狀 | 時間線 | 主要特徵 |
|---|---|---|---|
| 狹義人工智能（ANI） | 廣泛部署 | 現今 | 任務專用，無通用智能 |
| 有限記憶AI | 標準實踐 | 現今 | 從數據學習，具短期記憶 |
| 通用人工智能（AGI） | 積極研究 | 數十年後 | 跨領域具人類水平智能 |
| 心智理論AI | 早期研究 | 數十年後 | 理解人類情緒與意圖 |
| 超級人工智能（ASI） | 理論階段 | 未知 | 全面超越人類智能 |
| 自我意識AI | 假設階段 | 未知 | 具備真正意識 |
當前現實
近期未來
長期願景
人工智能正取得顯著進展，並日益融入人類社會。理解AI的現有能力與限制，有助於我們最大化當前利益，同時為未來可能出現的更高級形式做好周全準備。
— AI發展觀點
主要結論
掌握不同類型的人工智能為理解這項變革性技術提供了必要背景：
- 狹義AI主導當今——幾乎所有現有AI應用都是專門系統，擅長特定任務
- 兩大分類框架——理解發展水平（ANI/AGI/ASI）與功能能力（反應型/有限記憶/心智理論/自我意識）提供全面視角
- 通用人工智能仍遙遠——具有人類水平的通用智能需尚未達成的突破
- 倫理考量重要——隨著AI進步，關於意識、權利與控制的問題日益關鍵
- 實際應用豐富——當今狹義AI已在各行各業及日常生活中創造巨大價值
隨著計算機科學和AI研究的快速進展，未來可能帶來我們今日難以想像的能力。或許通用人工智能甚至超級智能會比預期更早出現。無論時間如何，AI將持續塑造人類未來，因此從現在起正確理解這項技術至關重要。
人工智能的旅程仍在展開，既帶來非凡機遇，也伴隨重大挑戰。通過了解從當前實用的狹義AI到未來理論的超級智能各類型，我們能夠明智且負責任地駕馭這場技術革命。
