人工智能的类型
ANI
无需明确设计即可构建或训练，以执行特定任务或解决特定问题的智能系统。也被称为弱人工智能，因为它不具备全面的通用智能能力。
典型应用：
语音助手，图像识别系统、自动驾驶、机器人等。
大语言模型ChatGPT 、文心一言、豆包等：基于提供的提示生成文本响应。
AGI
通用人工智能（AGI）或强人工智能仍然是一个理论上的概念，因为它设想机器能够理解和基于积累的经验自主执行多种截然不同的任务。这种智能类型更接近人类智力水平，因为AGI系统能够像人类一样进行推理和思考。
特点：
AGI能够理解任何智力任务，进行抽象思考，从经验中学习，并利用这些知识来解决新问题。是一个具有意识的系统或者机器。
ASI
超级人工智能（ASI）是一种超越人类智能，并在所有功能上均超越人类的机器智能。
这样的系统不仅可能对人类社会产生深远影响，甚至可能带来意想不到的后果，目前仍是一个理论假设，也存在伦理和安全争议。
人工智能主要学派
符号主义：基于数理逻辑，使用符号操作系统来实现智能模拟，代表性成果有专家系统和知识工程等。
连接主义：认为人工智能源于仿生学，用神经网络和学习算法来模拟人类的大脑结构和功能，代表性成果有感知机和反向传播算法。
行为主义：强调行为和刺激之间的关系，将人类的思维过程看成是条件反射和刺激响应的过程，代表性成果有进化算法和多智能体系统。
符号主义靠人工赋予机器智能，连接主义是靠机器自行习得智能，行为主义在与环境的作用和反馈中获得智能。
人工智能主要学派—典型事件
1997 年 5 月，IBM 开发的超级计算机 “深蓝”（Deep Blue）在一场国际象棋比赛中，击败当时的世界冠军加里・卡斯帕罗夫。
2016 年至 2017 年，由谷歌开发的人工智能程序 AlphaGo 先后击败围棋世界冠军李世石和柯洁，成为首个在围棋领域超越人类顶尖棋手的 AI 系统。
2024 年，中国人民解放军在中柬 “金龙 - 2024” 联合军演中首次公开展示两款实战化机器狗，引发国际关注。
人工智能的基础技术
机器学习：通过数据和算法，让计算机系统自主学习和优化。
深度学习：机器学习的一个子领域，使用神经网络进行复杂数据处理，效果显著。
自然语言处理：使计算机理解和生成自然语言，从而与人类沟通，应用于翻译、客服、聊天、情感分析等。
计算机视觉：通过图像处理、目标检测、特征提取等，让计算机理解和解释图像或视频中的内容。
大数据与云计算：通过处理、分析大规模数据集为模型训练提供坚实的数据基础，强大的计算资源和存储服务，降低了人工智能应用成本，提高了计算效率。
课后思考与实践
人工智能的发展呈现出从专注于特定任务的弱到理论上拥有人类智能的强人工智能，再到超越人类智能的超人工智能的递进趋势，为实现人工智能的进一步发展，还需要在技术创新、算法优化、数据积累和计算能力提升等方面进行持续的努力，目前仍以弱人工智能为主。