人工智能（ANI）

人工智能（Artificial Narrow Intelligence，ANI），通常称为弱人工智能，代表了人工智能的现状。它指的是为执行特定的、狭窄的任务或有限范围的任务而设计和训练的人工智能系统。与科幻小说中描绘的类人智能不同，人工智能在预定义的环境中运行，不能执行超出其指定目的的功能。从简单的虚拟助手到复杂的诊断工具，当今使用的每一种人工智能应用都是 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，在特定工作的速度和准确性方面往往超过人类。

ANI 的核心特征

人工智能的显著特点是专业化。受过下棋训练的人工智能无法驾驶汽车，为客户服务而设计的聊天机器人也无法谱曲。这种专业化是根据与其功能相关的特定数据集进行训练的结果。例如，医学图像分析模型只接受医学扫描训练。虽然它能非常熟练地识别出这些图像中的异常情况，但却不了解其他概念。人工智能系统以目标为导向，在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能力，而这些都是更先进的人工智能概念的假设特征。

实际应用

人工智能是我们日常接触的绝大多数人工智能服务和产品背后的引擎。它的应用几乎遍及每一个行业。

• 虚拟助手： 苹果公司的 Siri和亚马逊的 Alexa 等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 的典型代表，精通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： Netflix和 Spotify 等平台使用 ANI 分析用户的观看或收听历史记录，并推荐新内容。它们的算法非常专业，可对用户偏好进行预测建模。
• 自主系统： 自动驾驶汽车的感知系统依赖于 ANI。Ultralytics YOLO11等模型可进行实时物体检测，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非常特殊的任务。这项技术对于物流和仓库自动化领域的人工智能也至关重要。
• 垃圾邮件过滤：电子邮件服务使用 ANI 驱动的分类器自动检测未经请求的电子邮件并将其移至垃圾邮件文件夹。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字，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方面的强大应用。

计算机视觉中的 ANI

ANI 是现代计算机视觉 (CV) 的基石。视觉 AI 模型是 ANI 的典型范例，经过训练，可针对特定任务高精度地解释和理解视觉信息。例如，Ultralytics YOLO模型可以针对以下任务进行训练：

1. 图像分类：为整幅图像指定一个标签，例如从照片中识别鸟的种类。
2. 物体检测：定位和识别图像中的多个物体，如检测智能制造生产线上的缺陷部件。
3. 图像分割：在像素级别勾勒出物体的精确形状，这对医学成像等应用至关重要。
4. 姿势估计：识别人或物体身体的关键点以了解其姿势，广泛应用于健身应用程序和机器人技术。

这些强大的功能通过Ultralytics HUB 等平台进行管理和部署，从而简化了这些专业 ANI 模型的培训和部署过程。

人工智能与其他类型的人工智能

必须将 ANI 与人工智能的理论形式区分开来。

• 人工通用智能（AGI）：AGI 也被称为强人工智能，指的是一种假想的机器，它有能力理解、学习并运用其智能解决人类能够解决的任何问题。AGI 将拥有认知能力、意识和自我意识。虽然 AGI 是人工智能研究的一个主要目标，但目前还不存在。
• 人工超级智能（ASI）：这是人工智能的另一个假想阶段，在这一阶段，人工智能将在几乎所有领域超越最聪明的人类头脑，包括科学创造力、一般智慧和社交技能。技术奇点的概念与人工智能的出现密切相关。

从本质上讲，目前运行的每个人工智能系统都是一种人工智能。虽然这一领域正在迅速发展，但从狭隘的、针对特定任务的智能到普遍的、类似人类的意识，仍然是一个重大而遥远的挑战。