人工智能（AI）可以根据不同的标准被分为多种类型。以下是几种常见的分类方式：

按能力分类

机器学习：通过大量数据的学习和训练，让计算机能够自动提取数据中的规律和特征，并据此作出判断和预测。

深度学习：是机器学习的一种高级形式，利用多层神经网络对数据进行处理和分析，实现更复杂的任务，如图像识别、语音识别、自然语言处理等。

自然语言处理：让计算机能够理解和处理人类自然语言，实现语音识别、语音合成、自动翻译等任务。

按模型分类

决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用于推荐系统和风控系统的辅助决策、自动驾驶和机器人的决策智能体。

生成式AI：学习数据中的联合概率分布，基于历史数据进行模仿式、缝合式创作，生成全新的内容也能解决判别问题。

按实现阶段分类

狭义人工智能（ANI）：现有AI技术达到的状态，也称弱人工智能，是单一目标驱动的。

通用人工智能（AGI）：可成功执行人类才能完成的智力型任务，与ANI一样，AGI。

按技术分类

基于规则的人工智能：也称为“符号主义人工智能”，通过制定特定的规则来实现人工智能的应用。

基于统计的人工智能：也称为“连接主义人工智能”，基于统计分析的方法来实现人工智能的应用，通常使用大规模数据集进行训练。

混合人工智能：结合了基于规则的人工智能和基于统计的人工智能，以期达到更好的效果。

神经网络人工智能：一种基于模仿人脑工作方式的技术，通过神经元和神经元之间的连接来实现复杂的计算。

按智能水平分类

弱人工智能（Narrow AI）：擅长于单个方面的人工智能，如阿尔法狗，只能下象棋。

强人工智能（General AI）：类似于人类级别的人工智能，能够在各方面都与人类比肩。

超人工智能（Super AI）：在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。

按应用领域分类

响应式机器：直接感知世界并根据其所见即行的人工智能系统。

记忆有限：有限的存储机器，使用深度学习并接受存储在其内存中的大量数据的训练。

心智理论：需要对环境中人和事物的感受和行为有透彻的了解。

自我意识：AI具有自我意识，能够理解自己的存在和目的。

这些分类方式并不是互斥的，人工智能可以同时属于多个分类。例如，一个基于深度学习的图像识别系统既是机器学习的一种，也是狭义人工智能的一个实例