你可以说 AGI 更像是“通才”，而 ANI 更像是“专家”。

科学家和工程师在 ANI 方面取得了重大进展，你可以在语音助手和自动驾驶汽车等方面看到这一点。
但 AGI（具有在多项任务中思考和学习的能力）仍旧是我们希望在未来实现的目标。

随着我们进一步理解人工智能天下，将其分解为四个别系会很有帮助：反应机器、有限影象人工智能、具有心智理论的人工智能和自我意识人工智能。

反应机器

反应型机器是一种对环境变革做出反应的人工智能系统。
就其局限性而言，它们无法形成影象或利用过去的履历进行决策。
这些系统旨在根据预先编程的规则对特定情形做出反应，而无法学习或适应。

反应式机器的一个例子是 IBM 的“深蓝”，它在 1997 年击败了国际象棋天下冠军加里·卡斯帕罗夫。
“深蓝”利用一套预先编程的规则来剖析棋盘，然后走棋。
然而，它没有学习或改进游戏的能力。

反应机器适用于须要对特定情形做出快速、精确反应的任务，例如掌握机器或应对特定的紧急情形。

然而，它们处理繁芜或分外情形的能力有限。
因此，其他类型的人工智能系统常日用于更繁芜的任务，这些任务须要随着韶光的推移而适应和学习的能力。

影象有限的人工智能系统可以利用过去的履历来辅导决策——但顾名思义，它们的影象是有限的。

这些系统常日是为特界说务而设计的，这些任务须要从履历中进行一定程度的学习，但不须要随着韶光的推移进行学习温柔应的能力。

一个例子是盛行的棋盘游戏程序 AlphaGo，由谷歌的 DeepMind 开拓。
AlphaGo 能够击败一些天下顶级人类玩家，由于它利用机器学习算法剖析过去的比赛，然后根据过去的数据做出决策。
然而，AlphaGo 的影象有限；它没有超越演习的学习温柔应能力。

比较之下，具有无限内存的人工智能系统（例如“深度学习模型”）可以学习温柔应。
这使它们能够随着韶光的推移提高性能。
这些系统常日用于须要更繁芜决策的任务，例如图像和语音识别。

总的来说，人工智能系统拥有的影象数量和类型是决定其能力以及最适宜实行的任务类型的关键成分。

心智理论和自我意识

心智理论和自我意识是人工智能目前正在开拓的两种高等认知能力。

从广义上讲，心智理论是指理解他民气理状态的能力，例如他们的信念、感情和意图。
人工智能研究职员正在开拓能够通过仿照与之互动的人的生理状态来预测人类行为的机器。
这可能在客户做事或人机协作等运用中很有用。

另一方面，自我意识是指能够意识到自己的想法和感想熏染的能力。
在人工智能领域，研究职员正在探索开拓具有自我意识的机器。
这可能导致创造出更加自主（或独立）并能从自身履历中学习的机器人。

值得把稳的是，心智理论和自我意识是繁芜的认知能力，已被证明难以复制。
它们代表了人工智能研究的最前沿领域。

终极，让机器更好地理解人类并与之互动将改变我们所知的天下。