人工智能的性质分类

人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能性质分类包括：1.按能力分为强/弱人工智能；2.按实时分在线/离线学习；3.按模型分判断/生产模型。关于人工智能的性质分类的具体内容我们将在文章中具体描述。

人工智能有以下分类：

1、按能力:

弱人工智能

强人工智能

2、按业务领域：

图像领域：识别/检测、跟踪、切割（抠图）运营医疗邻域、生成

语音领域：小爱同学/siri、语音识别/生成

自然语义：机器翻译下、智能问答、图像语义

自动化：机器人、AI游戏、深度强化学习

3、按学习方式:（机器学习）

有监督：样本中既包含数据也包含标签（目标） 优点：高效  缺点：成本高

无监督：样本中只有数据，没有标签（目标）。如婴儿时期的学习方式，主要学习数据特征。优点： 成本低、泛化能力较好  缺点：效率低

半监督：用少量包含标签（目标)的样本 和大量不包含标签（目标)的样本来学习

自监督：属于无监督学习，主要为推理预测。

4、按实时分类

在线学习：学习和使用（推理）是同时进行的。缺点：很消耗资源（计算力）

离线学习：先学习，再使用，在使用过程中，是无法学习的。

5、按学习步骤分类

非端到端学习：

优点：对样本要求量低。 缺点：特征提取比较困难，对最终结果影响很大，提取拿到的特征都是识别级（轮廓），达不到语义级。

端到端学习：

优点：特征提取由计算机自动完成，可以提取到语义级别的特征。缺点：当问题过于复杂时，学习起来比较复杂。

6、按学习技巧分类：

迁移学习：直接按原有的训练好的模型基础之上，继续训练新的数据，缩短训练周期。

元学习：学习的时数据的本质特征。

级别学习：对一个任务进行分解学习，学习起来难度比较大。

递增学习：逐级增加学习难度。

对抗学习：相互竞争，达到学习的目的。

合作学习：分工学习。

7、按学习轮次分类：

N-SHOT/Few-Shot

ONE-SHOT

ZERO-SHOT

8、按模型分类：

判别模型

生产模型

9、按任务分类：

回归/拟合/函数逼近：模型推理是某个数值的

分类：将数据进行分类

聚类：和分类任务一样，都是将数据分类，区别在于聚类是无监督的

特征提取/降维/主成分分析

生成创造

评估与规划

决策

10、按学派分类

符号主义(逻辑主义):心理学派，专家系统，以数学基础。主要应用于数据处理。

连接主义:模拟、仿生，神经网络，目前主流AI方向，模仿神经元。

行为主义:进化(控制体系)