狭义人工智能（ANI）

人工智能弱人工智能 (ANI)，通常被称为弱人工智能，代表了当前的人工智能发展水平。它指的是那些被设计和训练来执行特定、狭窄的任务或有限范围任务的AI系统。与科幻小说中描述的类人智能不同，ANI在预定义的上下文中运行，无法执行超出其指定用途的功能。目前使用的每一个AI应用，从简单的虚拟助手到复杂的诊断工具，都是ANI的一种形式。这些系统利用机器学习 (ML)和深度学习 (DL)在其专业功能方面表现出色，通常在速度和准确性方面超过人类在该特定工作中的表现。

ANI 的核心特征

ANI 的决定性特征是它的专业化。训练用于下棋的 AI 不能驾驶汽车，为客户服务设计的 聊天机器人 不能创作音乐。这种专业化是在与其功能相关的特定 数据集 上进行训练的结果。例如，用于 医学图像分析 的模型专门在医学扫描上进行训练。虽然它在识别这些图像中的异常方面变得非常熟练，但它对其他概念一无所知。ANI 系统是面向目标的，并在其人类创造者提供的约束和编程下运行。它们不具备意识、自我意识或真正的理解，这些是更高级 AI 概念的假设特征。

实际应用

人工智能弱人工智能是驱动我们日常使用的绝大多数AI驱动服务和产品的引擎。它的应用几乎遍及每个行业。

• 虚拟助手： 诸如苹果的 Siri和亚马逊的 Alexa 之类的语音助手使用自然语言处理 (NLP)来理解和响应用户命令。它们是 ANI 的经典示例，擅长设置计时器和回答问题等任务，但无法进行一般推理。
• 推荐引擎： 像 Netflix 和 Spotify 这样的平台使用 ANI 来分析您的观看或收听历史并推荐新内容。他们的算法专门用于用户偏好的 预测建模。
• 自主系统： 自动驾驶汽车中的感知系统依赖于弱人工智能 (ANI)。诸如 Ultralytics YOLO11 之类的模型执行实时目标检测，以识别行人、其他车辆和交通标志，这在更广泛的驾驶环境中是一项关键但高度具体的任务。这项技术对于物流领域的人工智能和仓库自动化也至关重要。
• 垃圾邮件过滤： 电子邮件服务使用 ANI 驱动的分类器来自动检测未经请求的电子邮件并将其移动到垃圾邮件文件夹。这些系统经过训练可以识别与垃圾邮件相关的模式和关键词，但不执行其他电子邮件管理功能。这是 人工智能在数据安全中的一个强大应用。

计算机视觉中的弱人工智能

弱人工智能是现代计算机视觉 (CV)的基石。视觉 AI 模型是弱人工智能的典型例子，经过训练可以解释和理解视觉信息，从而高精度地完成特定任务。例如，Ultralytics YOLO 模型可以针对以下用途进行训练：

1. 图像分类（Image Classification）： 为整个图像分配一个标签，例如从照片中识别鸟的种类。
2. 目标检测: 定位和识别图像中的多个对象，例如在智能制造中检测生产线上的缺陷零件。
3. 图像分割: 在像素级别勾勒出物体的精确形状，这对于诸如 医学影像之类的应用至关重要。
4. 姿态估计（Pose Estimation）：识别身体或物体的关键点以了解其姿势，广泛应用于健身应用和机器人技术（robotics）。

这些强大的功能通过 Ultralytics HUB 等平台进行管理和部署，从而简化了训练和部署这些专用 ANI 模型的过程。

弱人工智能与其他类型人工智能的比较

区分 ANI 与人工智能的理论形式非常重要。

• 通用人工智能（AGI）: 也被称为强人工智能，AGI指的是一种假想的机器，它能够理解、学习并应用其智能来解决人类可以解决的任何问题。AGI将拥有认知能力、意识和自我意识。虽然是人工智能研究的一个主要目标，但AGI尚未存在。
• 人工超智能 (ASI)： 这是人工智能的另一个假想阶段，在这种阶段，人工智能在几乎所有领域（包括科学创造力、普遍智慧和社交技能）都将超越最聪明的人类。 技术奇点 的概念与 ASI 的出现密切相关。

本质上，目前运行的每个 AI 系统都是一种 ANI 形式。虽然该领域发展迅速，但从狭隘的、特定于任务的智能到通用的、类人意识的飞跃仍然是一个重大而遥远的挑战。