AI的分类从大类上按能力范围来看主要会经历以下三个阶段：
第一阶段，弱人工智能（Artificial Narrow Intelligence，简称ANI）：也叫狭义人工智能，它的核心是仅能完成某个特定领域内的单一或一组任务，没有自主意识，也无法理解任务背后的深层逻辑。只是通过数据训练和算法模型对输入做出精准响应。专注于单一领域的特定任务，是目前应用最广泛的AI类型。在人工智能领域的发展过程中目前尚处于此阶段。
弱人工智能的典型应用场景：
（1）日常应用主要是互相的对话，相关类型有以下两种：
语音助手：Siri、小爱同学、小度等只能完成简单带有关键词的语音识别、指令执行、信息查询等预设的简单任务；指令内容不能太复杂。
智能客服：厂家或公司的AI客服电话，电商、运营商平台的AI客服，通过关键词匹配回复常见问题，如果遇到复杂的问题则会转交人工处理。
这种类型的AI工具只能以语音的形式与人进行交互，通过关键词协助人类完成一些预设的功能，语音助手功能大多需配合相应厂家的独有硬件产品来作为指令接受或发起端。
（2）视觉识别类
人脸识别：手机解锁、支付验证、安防监控的人脸抓拍识别，用于门禁系统、支付验证、人员追踪等功能应用；
医学影像AI：医学影像分析，识别X光、CT、MRI等影像中的病灶区域，自动识别癌细胞、异常细胞等病理特征，通过眼底照片诊断糖尿病视网膜病变等疾病提升诊断效率和准确率。
（3）推荐与预测类
内容推荐：抖音、淘宝、Netflix的算法，根据你的浏览、购买历史推送内容或商品；
金融风控：银行、网贷平台的AI系统，通过分析用户数据判断信贷风险，决定是否放款。
（4）自动化操作类
自动驾驶辅助：特斯拉Autopilot、比亚迪DiPilot，能实现自动跟车、车道保持，但仍需人类驾驶员监控；
工业机器人：工厂里的焊接、组装机器人，重复执行预设的精准操作，提升生产效率
弱人工智能的局限性
只能在训练过的领域工作，超出范围就会失效，比如语音助手无法解决复杂的数学推理，推荐算法也不能帮你写论文; “学习”是在预设数据集里拟合规律，无法像人类一样把一个领域的知识迁移到另一个领域。比如会下围棋的AlphaGo，不能直接用来下象棋;它只是对输入的信号做算法处理，并不理解内容本身。比如AI生成文案时，只是根据语言规律拼接词汇，不懂文字背后的情感和逻辑。所以就会出现用AI写出的文章看似条理清晰，实际上有很多写出来的东西并不完全符合人类思维写出来的文章。
第二阶段，强人工智能（Artificial General Intelligence AGI）：拥有自主意识和自我认知，能理解自己的存在和周围的世界；可以像人类一样学习、推理、解决任何类型的智力任务，从数学计算到艺术创作，从逻辑推理到情感交流；具备迁移学习能力，能把一个领域的知识灵活运用到另一个完全陌生的领域。 简单来说，它是“通才”，可以替代人类完成任何需要智力参与的工作目前仅处于理论阶段，尚未实现。
目前仍处于理论研究阶段，尚未实现真正的AGI; 大语言模型（如GPT系列）展现出一定的通用能力，但仍属于弱人工智能范畴;部分研究在强化学习、多模态融合等方向取得突破
机器缺乏人类与生俱来的常识知识体系,难以真正理解人类的情感和心理状态,如何让机器产生自我意识仍是哲学和科学难题,AGI的发展可能带来的社会、伦理和安全问题,所以在AI的发展过程中相应的规则和法规得建立起来，而不能完全放任厂家自由的发展。我国现在在这方面引导是做的不错了。
第三阶段， 超人工智能（Artificial Superintelligence， ASI）：在所有领域的智能都远超人类的AI，不仅能完成人类的任务，还能在科学、艺术、哲学等领域产生颠覆性突破。属于未来设想的范畴。
超人工智能的发展路径，理论可能的实现方式---AGI进化：从强人工智能通过自我迭代进化而来;通过全新的算法架构直接创造超人工智能;将人类大脑与人工智能系统深度融合;通过连接大量弱人工智能形成超级智能网络
超人工智能（ASI）可能的存在风险:超人工智能可能不受人类控制，产生不可预测的行为;若超人工智能认为人类是其目标的障碍，可能威胁人类生存;大量职业被替代，社会结构可能发生剧烈变化;超人工智能的价值观可能与人类存在根本冲突.
