目前銀行機器人肯定是屬于第一類機器人，因為這種人工智能系統(tǒng)是純粹的被動型，即沒有形成記憶的能力，也沒有利用過去的經驗來指導當前的決策，而且這種銀行機器人比較簡單，只需要有大量數據，輸入到對話系統(tǒng)，還是相對比較容易實現(xiàn)的，雖然現(xiàn)在來看這種方式還是不太智能。

第一類人工智能：反應型機器

最基本類型的人工智能系統(tǒng)是純粹的被動型，既沒有形成記憶的能力，也沒有利用過去的經驗來指導當前的決策。20世紀90年代末，IBM的下棋超級計算機Deep Blue就是這類機器的完美典范，它曾在90年代末擊敗過國際特級大師加里-卡斯帕羅夫（Garry Kasparov）。

Deep Blue可以識別棋盤上的棋子，并知道每一步的走法。它可以預測出它和對手下一步可能會走什么棋。而且它可以從各種可能的棋子中選擇出最合適的棋步。

但它對過去的事情沒有任何概念，也不記得以前發(fā)生過的事情。除了一個很少使用的國際象棋特有的規(guī)則，禁止重復下三遍相同的棋子外，深藍棋手無視眼前的一切。它所要做的就是看著棋盤上的棋子，就像現(xiàn)在這樣，從可能的下一步棋中選擇。

這種類型的智能涉及計算機直接感知世界，并根據它所看到的東西采取行動。它不依賴于對世界的內部概念。在一篇開創(chuàng)性的論文中，人工智能研究者羅德尼-布魯克斯（Rodney Brooks）認為，我們只應該建造這樣的機器。他的主要理由是，人們并不擅長編程準確的模擬世界供計算機使用，也就是人工智能學術界所說的 "表象 "世界。

目前我們感嘆的智能機器，要么是沒有這樣的世界概念，要么是對其特定的職責非常有限的、專門的世界概念。深藍設計的創(chuàng)新并不是為了擴大計算機考慮的可能電影的范圍。相反，開發(fā)者們找到了一種方法來縮小它的視野，根據它對未來的一些潛在動作的評價結果，來停止追求一些可能的動作。如果沒有這種能力，深藍計算機需要更強大的計算機才能真正擊敗卡斯帕羅夫。

同樣的銀行機器人銀行機器人，谷歌的AlphaGo，曾經擊敗過人類頂尖的圍棋高手，但它也無法評估所有可能的未來棋局。它的分析方法比深藍的分析方法更復雜，使用神經網絡來評估棋局的發(fā)展。

這些方法確實提高了人工智能系統(tǒng)的能力，使其能夠更好地下好特定的棋局，但不能輕易改變或應用于其他情況。這些計算機化的想象力對更廣闊的世界沒有任何概念，這意味著它們無法在分配給它們的特定任務之外發(fā)揮作用，很容易上當受騙。

它們不能像我們想象中的人工智能系統(tǒng)有朝一日可能出現(xiàn)的那樣，交互式地參與到這個世界中。相反，這些機器每次遇到同樣的情況時，它們的行為都會一模一樣。這對于確保人工智能系統(tǒng)值得信賴是非常好的。你想讓你的自主汽車成為一個可靠的駕駛員。但如果我們希望機器真正與世界互動，并對世界做出反應，那就不好了。這些最簡單的AI系統(tǒng)永遠不會無聊，也不會感興趣，也不會難過。

第二類人工智能：記憶力有限

目前自動駕駛汽車已經做了一些這樣的事情。例如，它們觀察其他汽車的速度和方向。這不是一瞬間就能完成的，而是需要識別特定對象，并在一段時間內對其進行監(jiān)控。

這些觀察結果會被添加到自駕車汽車對世界的預編程表示中，其中還包括車道標記、交通燈和其他重要元素，比如道路上的彎道。當汽車決定何時改變車道，避免與另一名司機發(fā)生碰撞或被附近的汽車撞到時，這些信息都會被包含在內。

但這些簡單的過往信息只是暫時的。它們并沒有被保存為汽車經驗庫的一部分，它可以從中學習，就像人類駕駛員在駕駛過程中多年來積累的經驗一樣。

那么，我們如何才能構建出能夠構建完整的表征，記住他們的經驗，并學習如何處理新情況的AI系統(tǒng)呢？布魯克斯說的沒錯，要做到這一點是非常困難的。我自己研究的方法受到達爾文進化論的啟發(fā)，可以通過讓機器構建自己的表征，開始彌補人類的不足。

第三類人工智能：心智理論

我們可能會在這里打住，稱這一點為我們現(xiàn)有的機器和未來我們將建造的機器之間的重要分界線。然而，我們最好更具體地討論一下機器需要形成的表征的類型，以及機器需要關于什么的表征。

下一個更高級的類的機器不僅形成關于世界的表征，而且還形成關于世界上其他代理人或實體的表征。在心理學中，這被稱為 "心智理論"，理解世界上的人、生物和物體都會有思想和情感，影響自己的行為。

這對于我們人類如何形成社會是至關重要的，因為它們使我們能夠進行社會交往。如果不了解對方的動機和意圖，不考慮到別人對我或環(huán)境的了解，那么在一起工作充其量是困難的，最壞的情況下是不可能的。

如果人工智能系統(tǒng)真的要在我們中間行走，它們必須能夠理解我們每個人都有想法和感受，以及對如何對待我們的期望，而他們也必須相應地調整自己的行為。

總結

雖然我們可能還遠遠沒有創(chuàng)造出具有自我意識的機器，但我們應該把工作重點放在理解記憶、學習和基于過去經驗做出決策的能力上。這是理解人類智能本身的一個重要步驟，而如果我們想要設計或進化出能夠對眼前的事物進行分類的機器，這一點至關重要。