进入二十一世纪以来，人工智能（AI）正在以前所未有的速度的进展，AI的各种技术、各态能力、各行业应用等，冲击着人类社会和人类文明。因此，现今AI随着学科技术与方法、应用场景与领域等的演进与发展，使得AI学科的分类方法显得多种多样、繁杂多维。事实上，人工智能（AI）是一个相对宽泛的概念，只要人类通过创意能使机器或装置（可统称“智能体”）输出如学习、推理、决策等相关功能，表现出智能的，均应成为人工智能的范畴。鉴于此，根据人工智能（AI）的发展进程，结合目前AI在技术、方法、能力、应用等诸方面的表现与呈现，下述介绍AI学科比较常用的分类方法，且能够重点反映出AI学科的主要概貌。
欲具体了解人工智能（AI）介绍的请进入。
一、相对于AI领域轮廓方面的分类方法
所谓AI领域轮廓方面，主要是指AI学科在研究、发展进程中对于名称说、学术论、方法论等方面的一些叫法或称呼，以对人工智能领域有一个清晰的轮廓感。
1、基于AI物理环境处理方式的分类方法
基于物理环境处理方式的分类方法，可把AI分为具身式AI（Embodied AI）和非具身式AI（Noon-Embodied AI）两类，其含义及特点详见下表1-1。它们突出的差异体现在对智能体身体的依赖上和对环境处理方式上等。不得不说的一个现象，现今已把非具身式AI变成了AI的代名词，这主要是因为生成式语言模型的火爆而致，如Open AI的GPT-4、DeepSeek的R1等。事实上，具身式AI的发展也同样火爆，如工业机器人及其它应用或服务机器人（狗）等。
表 1-1：关于具身式AI和非具身式AI
2、基于AI能力表现水平的分类方法
基于AI能力表现水平的分类方法，可将AI分为弱人工智能（ANI，Artificial Narrow Intelligence）、强人工智能（AGI，Artificial General Intelligence）和超级人工智能（ASI，Artificial Super Intelligence）三类，其含义及特点详见下表1-2的描述。事实上，目前AI仍处于ANI阶段。强人工智能（AGI）也称为通用人工智能，是人类目前在追求的方向。真正的AGI其突出特征是将使智能体具有自主意识，此时的AI将伴生伦理与安全问题，人类必须要能驾驭AI。但若到了ASI阶段将对人类智能能力带来巨大的考验。
表 1-2：关于AI能力表现水平的AI分类
3、基于AI学术方法的分类方法
基于AI学术方法的分类方法，可将AI分为符号主义AI（Symbolic AI）、连接主义AI（Connectionism AI）和行为主义AI（Behavior-Based AI）三类，其含义及特点详见下表1-3的描述。事实上，符号主义AI、连接主义AI和行为主义AI是AI在学术研究与实践中依次发展起来的，然而随着AI的发展目前三者也在融合发展之中。
表 1-3：关于AI学术方法的分类
二、相对于AI技术方面的分类方法
所谓AI技术方面，主要是指AI最基础的、最本能的技术，体现在AI对知识的学习能力、对输入信息模态的处理能力等方面，基于这些技术方面，彰显的是AI的感知、认知与决策的核心技术能力。除此之外，AI的其它技术仅是这些核心技术的支撑或承载。
1、基于AI的学习能力的分类方法
就基于AI的学习能力的分类方法，可分为机器学习（Machine Learning）类AI和深度学习（Deep Learning）类AI、强化学习（RL，Reinforcement Learning）类AI和联邦学习（FL，Federated Learning）类AI等，它们的含义及特征详见下表2-1-1所描述。
表 2-1-1：关于AI的学习能力的分类
机器学习（ML）类从学习方法上又可以进一步分为监督学习、无监督学习和半监督学习，含义及特点详见下表2-1-2的对比。深度学习（DL）是ML的一个子集，它采用多层神经网络，通过特征自动提取突破了传统算法的局限。DL所采用的神经网络常用的有：卷积神经网络（CNN，Convolutional Neural Networks）、循环神经网络（RNN，Recurrent neural network）、长短期记忆网络（LSTM，Long Short-Term Memory Network）和生成对抗网络（GAN，Generative Adversarial Network）等。下表2-1-3给出了各神经网络的特征对比。
表 2-1-2：关于机器学习（ML）采用的各种学习方法
表 2-1-3：关于深度学习（DL）采用的各种神经网络
2、基于AI处理模态能力的分类方法
就基于AI处理模态能力的分类方法，主要可分为自然语言处理（NLP，Natural Language Processing ）技术、计算机视觉（CV，Computer Vision）处理技术和多模态（MM，Multi-mode）技术等，其含义及特点详见下表2-2的描述。自然语言处理技术提供语义理解能力；计算机视觉处理技术提供视觉感知能力，多模态技术实现两者的协同。三者共同推动AI从单一感知向综合认知演进。
表 2-2：关于AI处理模态能力的分类
3、基于AI核心技术类型的分类方法
就基于AI核心技术类型的分类方法，可主要分为感知类技术（Perception Technologies）、认知类技术（Cognition Technologies）和生成类技术（Generation Technologies）三类，其含义及特点详见下表2-3的描述。显然，AI核心技术是基于上述AI的学习能力技术和模态处理能力技术所呈现的。事实上这三类技术依次具有进化的过程，进而可以融合协作使用。一个突出的实例就是汽车自动驾驶：摄像头感知路况→认知系统规划路径→生成控制指令。三类核心技术的深度整合，将非常有利于强人工智能即通用人工智能（AGI）的实现。
表 2-3：关于AI核心技术类型的分类
三、相对于AI模型的分类
人工智能模型（AI模型）即“AI”的载体，也即智能体，人们通常都称为AI模型。智能体是一种数学框架或算法结构，通过从数据中学习规律或规则，实现对特定任务的预测、决策或生成能力。AI模型成为人工智能系统的核心组件，也是人工智能的“大脑”。AI模型的关键要素可详见下表3-0。
表 3-0：AI模型的关键要素简述
1、基于AI建模特点的分类方法
基于AI建模特点的分类方法，可划分为判别式AI模型（Discriminative Models）和生成式AI模型（Generative Models）两类，其含义及特点详见下表3-1-1的描述。判别式模型也称决策式模型或分析式模型。大语言模型是生成式模型的特例，两者异同详见下表3-1-2中。
表 3-1-1：关于判别式AI模型和生成式AI模型
表 3-1-2：大语言AI模型与生成式AI模型的异同
2、基于AI的应用范围的分类方法
基于AI的应用范围的分类方法，可分为专用AI（Domain-Specific Artificial Intelligence）模型与通用AI（AGI，Artificial General Intelligence）模型，其含义是显而易见的，具体含义及特点详见下表3-2的描述。专用AI模型的典型实例如阿尔法狗（AlphaGo）；而通用AI（AGI）的典型实例如GPT、deepseek，但它们也仅为AGI的最初级阶段模型。
表 3-2：关于专用AI模型与通用AI模型
3、基于AI使用功能的分类方法
基于AI使用功能的分类方法，可将AI模型分为指令型（instruct model）AI模型和推理型（reasoning model）AI模型两类，具体含义及特点详见下表3-3的描述。指令型AI模型和推理型AI模型各有其独特的优势和适用场景。随着技术的不断进步和应用需求的多样化，未来这两种模型将更多地融合在一起，共同推动人工智能技术的发展和应用，尤其是通用AI（AGI）模型。
表 3-3：关于指令型AI模型和推理型AI模型
上述AI学科领域的分类方法，仅反映目前AI的概貌，可汇总于下表n中。当然，也可能有其它的分类方法，随着AI的发展可能会表现出更多的分类。
表 n：AI学科领域的分类方法汇总
欲进一步了解关于人工智能（AI）系统的相关指标参数介绍的请进入。
