人工智能可以分为五大类别是

1、弱人工智能

弱人工智能的英文是ArtificialNarrowIntelligence，简称为ANI，弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能阿尔法狗，但是它只会下象棋，如果我们问它其他的问题那么它就不知道怎么回答了。只有擅长单方面能力的人工智能就是弱人工智能。

2、强人工智能

强人工智能的英文是ArtificialGeneralIntelligence，简称AGI，这是一种类似于人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。强人工智能就是一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能在进行这些操作时应该和人类一样得心应手。

3、超人工智能

超人工智能的英文是Artific我:mip.680.comialGeneralIntelligence，简称AGI，这是一种类似于人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。强人工智能就是一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能在进行这些操作时应该和人类一样得心应手。

简述人工智能的四种途径

机器人、运输、就业机会、卫生保健。

机器人

一说到AI，首先会想到机器人。目前国外有很多芯片制造商已经投入了巨型超级计算机的小型芯片的研究。这将极大地提高机器人性能的发展，使他们能够更快，更容易地执行复杂的功能。

云的出现给人工智能的发展铺平了道路。连接到云的机器人不仅能够从自己的经验和交互中学习，而且还可以获取其他的机器人的经验和互交。加上语音理解方面取得了最新进展，这将增强他们与人互动的能力。预计到2025年左右，带有机械臂的AI设备将投入使用。不过机器人的制造和程序相对复杂，相关的制造商不得不继续研究更可靠的硬件和感知算法。

?运输

交通一直是人类所面临的难题，公路拥挤、车辆排除的气体对环境造成了影响。全球每年有很多人丧命于车祸。人工智能的兴起，将更好地帮助人类解决这些难题。传统的车辆将会逐渐替代掉，往后的交通事故变的更少。

?就业机会

人工智能的兴起的有利也有弊，它对传统行业造成了巨大的冲击，一些职业将会被人工智能所替代。但它的兴起造就新一批新的就业机会。虽然现在不能完全看出它在这方面的影响，但可以肯定的是，在未来高校、教育机构将会在人工智能教育上投入更多的资源。

卫生保健

尽管越来越多的人开始重视医疗保健，人工智能的出现将使它变得更引人瞩目。人工智能推动疾病治疗和精密医学领域的发展。目前，在收集许多必要的医学数据的基础上。使用的AI算法可以更好帮助医生分析患者的数据，更精准为患者治疗。

人工智能两个分支是什么

1、分支一：计算机视觉

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。

2、分支二：语音识别

语音识别是指识别语音(说出的语言)并将其转换成对应文本的技术。相反的任务(文本转语音/TTS)也是这一领域内一个类似的研究主题。

3、分支三：文本挖掘/分类

这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。

4、分支四：机器翻译

机器翻译(MT)是利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。

5、分支五：机器人

机器人学(Robotics)研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。

机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。

人工智能的发展可分为哪两个时期

第一阶段是技术的智能化，但没有变成产业或者经济现象，第二阶段是经济的智能化，人工智能可以开始在广泛的经济领域施展魔力，它还分为前后两个阶段，前半段是通用能力的开发和资源的AI能力的平台化，后半段是全面产业化，行业应用和商业化开始进行。

人工智能涉及的八大学科

人工智能涉及的学科比较多,生活中的方方面面都有人工智能的实际应用,主要涉及哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论,仿生学等学科

研究范畴:自然语言处理,知识表现,智能搜索,推理,规划,机器学习,知识获取,组合调度问题,感知问题,模式识别,逻辑程序设计,软计算,不精确和不确定的管理,人工生命,神经网络,复杂系统,遗传算法人类思维方式

应用领域:智能控制,专家系统,机器人学,语言和图像理解,遗传编程机器人工厂

实际应用:机器视觉:指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,智能搜索,定理证明,博弈,自动程序设计,还有航天应用等.