Виды искусственного интеллекта делят по нескольким основаниям, и единого списка нет. Чаще всего ИИ классифицируют по уровню возможностей: слабый (узкий), сильный (общий) и сверхинтеллект. Ещё есть деление по функциональности, по способу работы, по задачам и по уровню риска. Всё, что работает сегодня, от распознавания лиц до чат-ботов, относится к слабому ИИ: каждая система решает свой круг задач.
Ниже разберём каждую классификацию с примерами, сведём их в таблицы и покажем, как самому определить тип конкретной системы. Если вы пока путаетесь в базовых терминах, начните с материала о том, что такое нейросеть и как она работает.
CheckroiПодборка курсов нейросетей и искусственного интеллекта1001 курс • 72 школыСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Сколько видов ИИ существует и почему ответы расходятся
Один источник насчитывает три вида ИИ, другой четыре, третий двенадцать. Противоречия тут нет: каждый делит по своему признаку. Так же автомобили можно делить по типу кузова, по топливу и по классу, и все три списка будут верными.
Вот основные классификации, на которые стоит опираться:
| Основание | Виды | Кто так делит |
|---|---|---|
| По уровню возможностей | слабый, сильный, сверхинтеллект | Национальная стратегия развития ИИ (слабый и сильный), большинство учебников |
| По уровню мастерства и широте | 6 уровней, от «нет ИИ» до «сверхчеловеческого» | исследователи Google DeepMind, 2023 |
| По функциональности | реактивные машины, ограниченная память, модель психики, самосознание | Аренд Хинце, 2016 |
| По способу работы | системы на правилах, машинное обучение, глубокое обучение | история самой отрасли |
| По задачам | генеративный, распознающий, прогнозный, агенты | практика разработчиков |
| По 12 признакам сразу | от автономности до конфиденциальности | ГОСТ Р 59277-2020 |
| По уровню риска | 4 уровня | Регламент ЕС об ИИ |
Для общего понимания хватит первых трёх. Последние две пригодятся тем, кто внедряет ИИ в компании и отвечает за последствия.
Слабый, сильный и сверхразумный ИИ
Это главная классификация, и в России оба понятия есть в официальном документе. В Национальной стратегии развития искусственного интеллекта (Указ Президента от 10.10.2019 № 490, в редакции Указа от 15.02.2024 № 124) они определены прямо.
Слабый, или узкий ИИ
Стратегия описывает его как ИИ, «способный решать только узкоспециализированные задачи». Система хорошо делает одно дело и не переносит навык на другое: программа, которая обыгрывает людей в шахматы, не распознаёт речь.
Примеры слабого ИИ, которыми вы пользуетесь каждый день:
- голосовые помощники вроде Алисы и Siri;
- рекомендации в онлайн-кинотеатре и на маркетплейсе;
- распознавание лиц в метро и разблокировка смартфона;
- спам-фильтр в почте;
- чат-боты на больших языковых моделях: ChatGPT, GigaChat, YandexGPT.
Сильный, или общий ИИ (AGI)
В той же стратегии сильный ИИ определён как тип ИИ, «который способен выполнять различные задачи, взаимодействовать с человеком и самостоятельно (без участия человека) адаптироваться к изменяющимся условиям». Простыми словами, это система, которая учится новому так же гибко, как человек.
Такого ИИ пока нет, а его создание стратегия называет «сложной научно-технической проблемой». Подробнее о понятии мы писали в статье что такое AGI простыми словами.
Сверхинтеллект (ASI)
Сверхинтеллект в шкале DeepMind (о ней ниже) описан как общий ИИ, который справляется с задачами лучше всех людей. Такой системы тоже нет. Разница с сильным ИИ простая: AGI равен человеку, ASI его обгоняет.
| Признак | Слабый ИИ | Сильный ИИ | Сверхинтеллект |
|---|---|---|---|
| Круг задач | один или несколько близких | любые, как у человека | любые, лучше человека |
| Переносит навык на новую задачу | нет, нужно дообучение | да | да |
| Существует | да | нет | нет |
| Английское сокращение | ANI, narrow AI | AGI | ASI |
Шесть уровней DeepMind: куда попадают современные нейросети
На наш взгляд, деление на слабый и сильный ИИ грубовато для современных моделей. Точнее шкала, которую в 2023 году предложили исследователи Google DeepMind: уровни AGI. Она оценивает систему по двум осям сразу: насколько хорошо ИИ работает (уровень) и насколько широк круг его задач (узкий или общий).
Уровень считается относительно людей, которые владеют навыком:
| Уровень | Порог | Узкий ИИ, пример из статьи | Общий ИИ |
|---|---|---|---|
| 0. Нет ИИ | — | калькулятор, компилятор | — |
| 1. Зарождающийся | на уровне неопытного человека или чуть лучше | простые системы на правилах | ChatGPT, Bard, Llama и Gemini образца 2023 года |
| 2. Компетентный | не хуже 50 % опытных взрослых | Siri, Alexa, детекторы токсичности | пока не достигнут |
| 3. Эксперт | не хуже 90 % | Grammarly, генераторы картинок Imagen и DALL·E | пока не достигнут |
| 4. Исключительный | не хуже 99 % | Deep Blue, AlphaGo | пока не достигнут |
| 5. Сверхчеловеческий | лучше всех людей | AlphaFold, AlphaZero, Stockfish | сверхинтеллект, пока не достигнут |
Посмотрите на первый уровень: чат-боты на больших языковых моделях авторы относят к зарождающемуся общему ИИ. Они берутся за любые текстовые задачи, но решают их на уровне новичка. А узкий AlphaFold, который предсказывает форму белков, уже сверхчеловеческий.
Отсюда практический вывод: широта и качество не одно и то же. Чат-бот берётся за всё подряд, но уровень новичка означает ошибки, иногда очень уверенные. Об этом наша статья про галлюцинации нейросетей.
Четыре типа ИИ по функциональности
Эту классификацию в 2016 году предложил исследователь Аренд Хинце в статье для The Conversation. Она делит ИИ по тому, что система помнит и что понимает о мире:
- Реактивные машины. Не хранят опыт и не используют прошлое для решений, реагируют только на текущую ситуацию. Пример Хинце: шахматный компьютер IBM Deep Blue, который обыграл Гарри Каспарова в конце 1990-х.
- Ограниченная память. Учитывают недавнее прошлое. Беспилотный автомобиль следит за скоростью и направлением соседних машин, но эти наблюдения не сохраняются надолго.
- Модель психики (theory of mind). Понимают, что у людей и других агентов есть мысли и эмоции, которые влияют на поведение. Таких систем пока нет.
- Самосознание. Формируют представление о самих себе. Это последняя ступень, до которой, по оценке Хинце, вероятно, ещё далеко.
Существуют только первые два типа. По этой логике большинство нынешних систем, включая языковые модели, попадают во второй: они учитывают контекст разговора и то, чему научились на данных.
Виды ИИ по способу работы
Это деление по тому, откуда система берёт правила. Национальная стратегия описывает смену подходов так: сначала были экспертные системы с заранее прописанным алгоритмом, потом пришло машинное обучение, когда системы «самостоятельно формируют правила» по данным.
Системы на правилах
Человек сам записывает знания: «если температура выше 38 и есть кашель, предложи анализ». Такой ИИ называют символьным. Он прозрачен и предсказуем, но не справляется с тем, чего не предусмотрел автор правил. Сюда относятся экспертные системы и многие ранние чат-боты.
Машинное обучение
Модель сама находит закономерности в примерах. Внутри три основных подхода:
- обучение с учителем: модели показывают примеры с правильными ответами, например письма с пометкой «спам»;
- обучение без учителя: модель сама группирует данные, например делит покупателей на сегменты;
- обучение с подкреплением: модель пробует действия и получает награду за удачные, так программы учатся играть в шахматы и го.
Подробнее о подходах в статье машинное обучение для неспециалистов, а конкретные алгоритмы разобраны в обзоре моделей машинного обучения.
CheckroiПодборка курсов по машинному обучению149 курсов • 28 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Глубокое обучение
Это машинное обучение на многослойных нейросетях. По стратегии, широкое применение машинного обучения на нейросетях стало доступным с ростом вычислительных мощностей, в том числе благодаря графическим процессорам. На глубоком обучении работают распознавание речи, компьютерное зрение и современные языковые модели, в том числе архитектура GPT.
Отсюда частая путаница: ИИ, машинное обучение и нейросети вложены друг в друга, как матрёшка. Любая нейросеть относится к ИИ, но не любой ИИ построен на нейросети.
Виды ИИ по задачам
Это классификация, которой пользуются на практике: какую работу система делает. В Национальной стратегии в «технологии искусственного интеллекта» входят компьютерное зрение, обработка естественного языка, распознавание и синтез речи, интеллектуальная поддержка принятия решений и перспективные методы ИИ.
| Вид | Что делает | Примеры |
|---|---|---|
| Генеративный | создаёт новое: текст, картинки, музыку, код | чат-боты, генераторы изображений и видео |
| Распознающий | определяет, что перед ним | распознавание лиц, номеров машин, речи |
| Обработка языка | понимает и переводит текст | машинный перевод, анализ отзывов |
| Прогнозный | предсказывает числа и события | спрос в магазине, кредитный скоринг |
| Рекомендательный | подбирает подходящее | лента видео, подборки товаров |
| ИИ-агенты | сам выполняет цепочку действий | бронирует, заполняет формы, пишет и запускает код |
Разработчики делят модели ещё и на генеративные и дискриминативные. Дискриминативная модель предсказывает метку по признакам: спам или не спам. По глоссарию машинного обучения Google, к дискриминативным относится подавляющее большинство моделей обучения с учителем, включая классификацию и регрессию. Генеративная модель, по тому же глоссарию, создаёт новые примеры по образцу обучающих данных: например, пишет стихи после обучения на сборнике стихов.
В стратегии есть ещё два понятия. Большие генеративные модели создают тексты, изображения и видео «на уровне, сопоставимом с результатами интеллектуальной деятельности человека или превосходящем их». Большие фундаментальные модели содержат «не менее 1 млрд параметров» и служат основой для другого программного обеспечения. Агенты на их основе разобраны в статье про агентный режим ChatGPT.
Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в каналКлассификация по ГОСТ Р 59277-2020
Официальная классификация систем ИИ в России описана в ГОСТ Р 59277-2020 «Системы искусственного интеллекта. Классификация систем искусственного интеллекта». Его утвердили приказом Росстандарта от 23.12.2020 № 1372-ст и ввели в действие с 1 марта 2021 года.
Стандарт не выбирает одно деление, а даёт 12 оснований. Одну систему можно описать по каждому из них:
- по степени автономности: автономные, встроенные, гибридные;
- по степени автоматизации: автоматизированные и автоматические;
- по архитектурному принципу: централизованные и распределённые;
- по видам деятельности: от госуправления и здравоохранения до сельского хозяйства и «умного города»;
- по функциям контура управления: системы прогнозирования, логического вывода, поддержки решений и другие;
- по специализации: экспертные и игровые системы, системы естественного языка и компьютерного зрения, промышленные роботы, беспилотные аппараты;
- по комплексности: многоагентные системы, большие данные, промышленный интернет вещей;
- по методам обработки информации: нейросети, глубокое обучение, генетические и муравьиные алгоритмы, деревья решений, регрессия;
- по управлению знаниями, моделям и методам обучения;
- по методам достижения интеграции и интероперабельности;
- по опасности последствий: социальная, экономическая, технологическая, экологическая и другие;
- по конфиденциальности: уровни от 0 до 3.
Новичку стандарт ни к чему, двенадцать оснований только запутают. Но если вы пишете курсовую, техническое задание или описание системы для заказчика, это готовый каркас: пройдитесь по двенадцати пунктам, и описание получится полным.
Классификация по уровню риска
Этот подход пришёл из регулирования. Еврокомиссия описывает в своём Регламенте об ИИ четыре уровня риска:
- неприемлемый: такие системы запрещены, например социальный скоринг и вредоносная манипуляция людьми;
- высокий: ИИ в критической инфраструктуре, хирургических роботах, найме, оценке экзаменов и кредитном скоринге, к нему жёсткие требования;
- риск прозрачности: человек должен знать, что общается с чат-ботом, а сгенерированный контент должен быть распознаваемым;
- минимальный или нулевой: спам-фильтры и ИИ в видеоиграх, отдельных правил для них нет.
В российском ГОСТ Р 59277-2020 близкое по смыслу основание называется «по опасности последствий». Правовые вопросы вокруг сгенерированного контента разобраны в статье про авторское право и нейросети.
Как определить, к какому виду относится конкретный ИИ
Одну и ту же систему можно отнести к нескольким видам сразу, по разным основаниям. Ответьте на пять вопросов по порядку:
- Что она делает? Создаёт, распознаёт, прогнозирует, рекомендует или действует сама. Это вид по задаче.
- Как получила знания? Ей прописали правила или она обучилась на данных. Это вид по способу работы.
- Справится ли с задачей из другой области без переобучения? Если нет, это слабый ИИ.
- Помнит ли прошлое? Реагирует только на текущий ввод или учитывает историю. Это тип по Хинце.
- Насколько она самостоятельна и чем грозит её ошибка? Это автономность и уровень риска.
Возьмём камеру, которая распознаёт номера машин на въезде в парковку. По задаче это распознающий ИИ, по способу работы глубокое обучение, по возможностям слабый, по функциональности реактивная машина, по риску скорее минимальный.
А чат-бот на большой языковой модели получится генеративным, построенным на глубоком обучении, с ограниченной памятью. По стратегии это слабый ИИ, а по шкале DeepMind зарождающийся общий. Обе оценки верны, просто меряют разное.
Частые путаницы
- «ИИ и нейросеть одно и то же». Нейросеть только один из методов. Шахматный Deep Blue обходился без неё и всё равно считается ИИ.
- «ChatGPT уже сильный ИИ». Нет. Он отвечает на вопросы из любой области, но не учится новому сам и не адаптируется без участия человека, как требует определение сильного ИИ.
- «Робот значит ИИ». Промышленный робот, который повторяет одно движение по программе, может вообще обходиться без ИИ. В ГОСТ промышленные роботы перечислены среди специализаций систем ИИ, то есть классифицируются роботы, в которых ИИ уже есть.
- «Прошёл тест Тьюринга, значит, мыслит». Тест проверяет, отличит ли человек машину в переписке, а не наличие мышления. Подробнее в статье о тесте Тьюринга.
Где освоить работу с искусственным интеллектом
Классификация помогает разобраться в терминах и выбрать направление. Дальше путь зависит от цели: пользоваться готовыми нейросетями в своей работе или создавать модели самому.
Для второго пути обычно начинают с Python и машинного обучения. Как это выглядит по шагам, мы описали в плане как стать AI-разработчиком, а роли в профессии разобраны в статье кто такой специалист по нейросетям.
CheckroiПодборка курсов по Python465 курсов • 48 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Ниже курсы по нейросетям и ИИ из нашего каталога. Сравните программы, длительность и цены.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Нейросети для изображений и видео Перейти на сайт курса |  Эдюсон | 48 455 ₽ | 4037 ₽/мес. | 2 месяца | Обзор курса |
| Нейросети для рабочих задач Перейти на сайт курса |  Skillbox | 31 290 ₽ | - | 1 месяц | Обзор курса |
| Нейросети. Практический курс Перейти на сайт курса | Skillbox | 74 900 ₽ | - | 3 месяца | Обзор курса |
| Продуктовый маркетолог + Нейросети для маркетинга Перейти на сайт курса |  Нетология | 100 200 ₽ | 3875 ₽/мес. | 5 месяцев | Обзор курса |
| Нейросети для каждого Перейти на сайт курса |  Академия Синергия | 39 900 ₽ | 3325 ₽/мес. | 3 месяца | Обзор курса |
Больше программ — в полном каталоге курсов по нейросетям и искусственному интеллекту
