1.3.1　狭义AI、通用AI和超级AI

基于AI能力的不同，我们可以把AI大致归为三类，分别是狭义AI（Artificial Narrow Intelligence，ANI）、通用AI（Artificial General Intelligence，AGI）和超级AI（Artificial Super-intelligence，ASI）。

到目前为止，我们所接触的AI产品大都还是ANI的。简单来说，ANI就是一种被编程来执行单一任务的人工智能—无论是下棋，还是分析原始数据以撰写新闻报道。ANI也就是所谓的弱人工智能。值得一提的是，虽然有的人工智能产品能够在国际围棋比赛中击败世界围棋冠军，如AlphaGo，但这是它唯一能做的事情，如果你要求AlphaGo找出在硬盘上存储数据的更好方法，它就会茫然无措。

我们的手机就是一个小型ANI“工厂”。当我们使用地图应用程序导航、查看天气、与Siri交谈或进行许多其他日常活动时，我们都在使用ANI。

我们常用的电子邮件垃圾过滤器是一种经典的ANI工具，它拥有加载关于如何判断什么是垃圾邮件、什么不是垃圾邮件的智能，然后可以随着我们的特定偏好获得经验，帮我们过滤掉垃圾邮件。

在我们的网购背后，也有ANI的工作。比如，当你在电商网站上搜索产品，然后却在另一个网站上看到它是“为你推荐”的产品时，会觉得毛骨悚然。而逻辑就是一个个ANI系统网络，它们共同工作，相互告知你是谁，你喜欢什么，然后使用这些信息来决定向你展示什么。一些电商平台常常在主页显示“买了这个的人也买了……”，这也是一个ANI系统，它从数百万名顾客的行为中收集信息，并综合这些信息，巧妙地向你推销，这样你就会买更多的东西。

ANI就像计算机发展的初期，人们最早设计电子计算机是为了代替人类计算者完成特定的任务。而艾伦·图灵等数学家则认为，我们应该制造通用计算机，可以对其编程，从而让它完成不同的任务。于是，曾经在一段过渡时期，人们制造了各种各样的计算机，包括为特定任务设计的计算机、模拟计算机、只能通过改变线路来改变用途的计算机，还有一些使用十进制而非二进制工作的计算机。现在，几乎所有的计算机都满足图灵设想的通用形式，我们称其为“通用图灵机”。

市场的力量决定了通用计算机才是正确的发展方向。如今，即便使用定制化的解决方案，如专用芯片，可以更快、更节能地完成特定任务，但更多时候，人们还是更喜欢使用低成本、便捷的通用计算机。

这也是今天AI即将出现的类似的转变—人们希望AGI能够实现，其能够对几乎所有的东西进行学习，并且可以执行多项任务。

与ANI只能执行单一任务不同，AGI是指在不特定编码知识与应用区域的情况下，应对多种甚至泛化问题的人工智能技术。虽然从直觉上看，ANI与AGI是同一类的，都只是一种不太成熟和复杂的实现，但事实并非如此。AGI将拥有推理、计划、解决问题、抽象思考、理解复杂思想、快速学习和从经验中学习的能力，能够像人类一样轻松地完成所有这些事情。

当然，AGI并非全知全能。与任何其他智能存在一样，根据所要解决的问题，其需要学习不同的知识内容。比如，负责寻找致癌基因的AI算法不需要识别面部的能力；而当同一个算法被要求在一大群人中找出十几张脸时，它就不需要了解任何有关基因的知识。AGI的实现仅仅意味着单个算法可以做多件事情，而并不意味着它可以同时做所有的事情。

但ASI又与AGI不同。ASI不仅要具备人类的某些能力，还要有知觉，有自我意识，可以独立思考并解决问题。虽然两个概念似乎都对应着人工智能解决问题的能力，但AGI更像是无所不能的计算机，ASI则超越了技术的属性成为类似“穿着钢铁侠战甲的人类”。牛津大学哲学家和领先的人工智能思想家尼克·博斯特罗姆就将ASI定义为“一种几乎在所有领域都比最优秀的人类更聪明的智能，包括科学创造力、一般智慧和社交技能”。