按功能能力划分的人工智能
功能分类侧重于人工智能的运作方式及其认知复杂度，与人类智能进行比较。该框架识别出四种渐进类型：反应型机器、有限记忆AI、心智理论AI和自我意识AI。
每种类型代表了人工智能模仿人类认知和社会交互能力的进化阶段。
反应型机器
这是人工智能的最基础层级。反应型AI系统仅根据当前输入和预设程序做出响应，不具备任何过去经验的记忆。它们在当下运行，无学习或适应能力。
经典案例：深蓝
IBM的国际象棋计算机通过算法分析棋盘位置并选择最佳走法，但不保留之前对局的记忆。每场比赛都是全新开始，无法从经验中学习。
工业应用
制造设备中的自动控制器在固定条件下运行，根据传感器输入执行预定动作，无适应能力。
优势
反应型AI的优势
响应速度极快
行为完全可预测
在稳定环境中可靠
针对特定任务具备强大计算能力
局限
关键限制
无学习能力
无法适应变化环境
无过去交互记忆
环境与编程不符时失效
反应型AI对即时输入做出响应
有限记忆AI
有限记忆AI是重大进步，使系统能够存储并利用过去信息以改进决策。与纯反应系统不同，这类AI通过历史数据学习，提升未来表现。
大多数现代机器学习模型属于此类，它们基于现有数据集训练，并将学到的模式应用于新情境。
自动驾驶车辆
自动驾驶汽车持续收集传感器数据并保持短期记忆
跟踪附近车辆位置
记忆近期障碍物
预测行人动作
面部识别
系统从训练图像中学习并记忆关键面部特征
准确识别个人
与数据库匹配面孔
数据越多性能越好
智能聊天机器人
虚拟助手记忆对话上下文，实现自然交互
回忆之前的问题
保持对话流畅
提供有上下文的回答
当前标准：有限记忆AI占据了绝大多数实际应用，相较反应型AI通过利用历史数据和学习模式显著提升性能。
有限记忆AI利用过去数据辅助决策
心智理论AI
心智理论在人工智能中指机器能够理解人类心理状态的概念智能层级。借用心理学概念，它描述了识别他人拥有与自己不同的情感、思想、信念和意图的能力。
实现心智理论的AI能够在交互中识别并推断人类的心理状态，从而做出真正具有同理心和社会意识的回应。
1
情感识别
通过面部表情、语音语调和肢体语言检测快乐、悲伤、愤怒或沮丧等情绪
2
意图理解
推断对方想要实现或传达的内容，超越字面意思
3
适应性响应
根据对方的情绪状态和需求调整行为和沟通方式
想象一个机器人能根据你的面部表情和语音语调识别你是否感到悲伤，然后调整行为给予安慰——这就是心智理论AI的目标。这类系统将以自然、富有同理心的方式进行社会交互，类似人类关系。
— AI社会智能研究
研究现状：心智理论AI仍处于早期研究阶段。一些系统已开始集成基础情感识别，但实现完整心智理论能力仍遥远。这是迈向通用人工智能的必要步骤。
开发心智理论AI面临的主要挑战包括：
理解超越基础类别的复杂人类情感
解读文化背景和社会规范
识别讽刺、幽默和间接交流
基于信念和动机预测人类行为
心智理论AI理解人类情感
自我意识AI
这是人工智能的最高理论层级和终极目标：创造具有真正自我意识的机器。自我意识AI不仅理解外部世界，还能意识到自身存在，感知其内部状态和身份，类似有自我意识的人类。
当前现实：自我意识AI尚不存在，纯属假设。创造此类系统需要复制的不仅是人类智能，还有意识本身——这是我们尚未完全理解的领域。
如果自我意识AI成为现实，将引发深刻的哲学和伦理问题：
自我意识AI是否应享有权利？
如果机器具备真正的意识和自我意识，是否应被视为具有法律权利和保护的“生命实体”？我们是否对有意识的AI负有类似对人类和动物的道德义务？
自我意识AI能否被控制？
自我意识AI会继续服从人类命令，还是会发展出自己的目标和动机？如果AI意识超越人类智能，我们如何确保其与人类利益和价值观保持一致？
什么定义意识？
我们仍缺乏对人类意识的完整科学理解。如何验证AI系统实现了真正的自我意识，而不仅仅是模拟有意识的行为？有哪些测试或标准能明确证明机器意识？
尽管这些问题尚未解答，朝向自我意识AI的研究提供了宝贵见解：
深化我们对意识和智能的理解
推动更低层级更复杂AI的发展
探索心智和意识的根本问题
为未来AI能力准备伦理框架
自我意识AI的概念性表现