AI 分类汇总

1. 按目标功能分类（明确分工，互不重叠）

1.1 感知能力

• 计算机视觉
  • 图像识别
  • 目标检测
  • 视频分析
• 语音处理
  • 语音识别
  • 语音合成
  • 语音情感分析
• 自然语言处理（NLP）
  • 文本分析
  • 语义理解
  • 情感分析

1.2 认知能力

• 知识推理
  • 专家系统
  • 知识图谱
• 决策与优化
  • 强化学习
  • 智能规划

1.3 生成能力

• 文本生成
  • 自然语言生成
  • 聊天机器人
• 图像生成
  • GAN 生成图像
  • 视频生成
• 内容生成
  • 音乐创作
  • 代码生成

2. 按实现技术分类（技术路线清晰划分）

2.1 基于规则

• 专家系统
• 规则引擎

2.2 机器学习

• 监督学习
  • 分类
  • 回归
• 无监督学习
  • 聚类
  • 降维
• 半监督学习
  • 结合标注与未标注数据

2.3 深度学习

• 卷积神经网络（CNN）
• 循环神经网络（RNN）
• 变换器（Transformer，例如 BERT、GPT）

2.4 强化学习

• 基于奖励的决策控制（Q-Learning、深度强化学习）

2.5 生成式模型

• 生成对抗网络（GANs）
• 自回归模型（例如 GPT）

3. 按应用场景分类（涵盖所有主要场景）

3.1 行业应用

• 医疗健康
  • 医学影像分析
  • 诊断支持系统
• 金融领域
  • 风险评估
  • 反欺诈检测
• 教育领域
  • 智能辅导
  • 自适应学习系统
• 工业制造
  • 故障预测
  • 生产优化

3.2 个人消费应用

• 智能家居
  • 语音助手
  • 环境监测
• 娱乐与内容
  • 虚拟角色
  • 游戏 AI

3.3 社会服务

• 城市管理
  • 智能交通
  • 安防监控
• 环境保护
  • 气候预测
  • 资源优化

4. 按智能水平分类（明确智能发展阶段）

4.1 弱人工智能（ANI）

• 聚焦于单一任务，例如自动驾驶、语音助手。

4.2 强人工智能（AGI）

• 具备多任务处理能力，类似人类智能。

4.3 超人工智能（ASI）

• 超越人类智能的假想智能（目前仅为理论）。

5. 按数据处理方式分类（以数据使用为标准）

5.1 结构化数据

• 处理表格、数据库中的明确字段数据，例如销售预测。

5.2 非结构化数据

• 处理图像、文本、语音等非标准格式的数据，例如图片分类、文本生成。

5.3 实时数据处理

• 基于流式数据的分析，例如自动驾驶中的传感器数据。

5.4 离线数据处理

• 批量处理历史数据，例如用户行为分析。