1. Narrow AI (Weak AI) : 

AI Narrow merupakan jenis AI yang dirancang untuk melakukan tugas-tugas spesifik dengan sangat baik, tetapi tidak memiliki kesadaran atau kemampuan untuk berpikir seperti manusia secara umum. Contohnya termasuk asisten virtual seperti Siri atau Alexa, sistem rekomendasi di Netflix atau YouTube, chatbot, dan mobil otonom.  AI Sempit:

• Dirancang untuk tugas spesifik (contoh: asisten virtual seperti Siri, Alexa, rekomendasi Netflix, atau sistem diagnosis medis).

• Hampir semua AI saat ini termasuk kategori ini.

2. General AI (Strong AI) :

General AI adalah konsep AI yang mampu memahami, belajar, dan menerapkan pengetahuannya dalam berbagai konteks sebagaimana manusia lakukan. AI ini belum sepenuhnya ada saat ini, tetapi merupakan tujuan jangka panjang bagi para peneliti AI. General AI akan memiliki kemampuan beradaptasi, belajar dari pengalaman, dan menyelesaikan masalah baru tanpa perlu pemrograman ulang. AI Umum (masih hipotetis):

• Kemampuan setara manusia dalam berpikir dan belajar di berbagai bidang.

• Belum terwujud, tetapi menjadi fokus penelitian jangka panjang.

3. Superintelligent AI :

Superintelligent AI adalah konsep hipotetis di mana AI melebihi kemampuan manusia dalam semua aspek—termasuk kreativitas, keterampilan sosial, dan pemecahan masalah. Ini adalah tahap AI yang masih spekulatif dan menjadi bahan diskusi dalam isu-isu etika dan keamanan AI.  AI Super (hipotetis):

• Lebih cerdas dari manusia di semua aspek.

• Masih konsep filosofis dan belum ada implementasinya.

1. Reactive Machines :

Jenis AI ini hanya bisa bereaksi terhadap situasi tertentu berdasarkan input yang diterima, tanpa kemampuan untuk menyimpan memori atau menggunakan pengalaman masa lalu untuk mengambil keputusan di masa depan. Contoh terkenal dari jenis ini adalah Deep Blue, komputer catur IBM yang mengalahkan Garry Kasparov pada tahun 1997. AI dasar yang bereaksi terhadap input tanpa memori atau pembelajaran (contoh: Deep Blue IBM yang mengalahkan pecatur grandmaster).

2. Limited Memory :

AI dengan "limited memory" mampu menggunakan data historis untuk membuat keputusan, tetapi ingatannya bersifat sementara dan terbatas. Banyak aplikasi AI modern, seperti mobil otonom, menggunakan pendekatan ini untuk mengambil keputusan berdasarkan informasi terkini dan data masa lalu dalam jangka waktu tertentu. AI dasar yang bereaksi terhadap input tanpa memori atau pembelajaran (contoh: Deep Blue IBM yang mengalahkan pecatur grandmaster). Menggunakan data historis untuk mengambil keputusan (contoh: mobil otonom yang memprediksi lalu lintas).

3. Theory of Mind :

AI dengan teori pikiran akan memiliki kemampuan untuk memahami emosi, keyakinan, dan niat orang lain. Meskipun konsep ini masih dalam tahap eksplorasi, tujuannya adalah agar AI dapat berinteraksi lebih alami dan intuitif dengan manusia. Menggunakan data historis untuk mengambil keputusan (contoh: mobil otonom yang memprediksi lalu lintas). Dalam pengembangan: AI yang memahami emosi, kepercayaan, dan niat manusia. Contoh potensial: robot sosial atau asisten kesehatan mental. Dalam pengembangan: AI yang memahami emosi, kepercayaan, dan niat manusia. Contoh potensial: robot sosial atau asisten kesehatan mental.

4. Self-aware AI :

Self-aware AI adalah tingkat AI paling maju yang masih spekulatif, di mana AI memiliki kesadaran diri dan pemahaman tentang dirinya sendiri sebagai entitas yang independen. Konsep ini sering kali menjadi subjek fiksi ilmiah, tetapi belum ada contoh nyata dari self-aware AI saat ini. Memiliki kesadaran diri (masih fiksi ilmiah). 

1. Machine Learning (ML) :

Machine learning adalah cabang AI yang memungkinkan sistem untuk belajar dari data tanpa diprogram secara eksplisit. Algoritma ML digunakan dalam berbagai aplikasi, mulai dari prediksi cuaca hingga deteksi penipuan. 

• Supervised Learning (contoh: klasifikasi gambar).

• Unsupervised Learning (contoh: segmentasi pelanggan).

• Reinforcement Learning (contoh: robotika atau game AI seperti AlphaGo).

2. Deep Learning :

Deep learning adalah sub-bidang machine learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan (deep neural networks). Teknologi ini sangat efektif dalam tugas-tugas kompleks seperti pengenalan gambar, pengenalan suara, dan pemrosesan bahasa alami (NLP). Jaringan saraf tiruan (neural networks) untuk tugas kompleks (contoh: ChatGPT, deteksi kanker dari citra medis).

3. Natural Language Processing (NLP) :

NLP adalah teknologi AI yang memungkinkan komputer untuk memahami, menginterpretasi, dan menghasilkan bahasa manusia. Contohnya termasuk asisten virtual seperti Google Assistant, chatbot layanan pelanggan, dan alat penerjemah otomatis seperti Google Translate. Memproses bahasa manusia (contoh: terjemahan mesin, chatbot, analisis sentimen).

4. Computer Vision :

Computer vision adalah bidang AI yang berfokus pada kemampuan mesin untuk "melihat" dan memahami dunia visual. Teknologi ini digunakan dalam pengenalan wajah, analisis video, dan aplikasi medis seperti diagnosis penyakit melalui pencitraan medis. Pengenalan gambar/video (contoh: facial recognition, sistem keamanan).

5. Robotics AI :

Robotika adalah bidang AI yang menggabungkan teknologi fisik dengan kecerdasan buatan untuk menciptakan robot yang dapat melakukan tugas fisik secara otonom atau semi-otonom. Contohnya termasuk robot industri, drone, dan robot rumah tangga. Integrasi AI dengan robot fisik (contoh: robot industri, drone otonom).

6. Expert Systems :

Expert systems adalah program AI yang meniru keputusan atau perilaku ahli manusia dalam domain tertentu. Sistem ini biasanya menggunakan aturan berbasis logika (rule-based reasoning) untuk memberikan solusi atau saran dalam bidang seperti kedokteran atau keuangan. Sistem berbasis aturan untuk simulasi kepakaran manusia (contoh: diagnosis penyakit).

7. Evolutionary Computation :

Evolutionary computation adalah pendekatan AI yang menggunakan prinsip-prinsip evolusi biologis, seperti seleksi alam dan mutasi genetik, untuk memecahkan masalah kompleks. Teknik ini sering digunakan dalam optimasi dan desain.

8. Autonomous Systems

Kendaraan otonom, sistem logistik otomatis (contoh: Tesla Autopilot).

9. Generative AI

Menghasilkan konten baru (teks, gambar, audio) seperti GPT-4, DALL-E, MidJourney.

10. Swarm Intelligence

AI terdistribusi yang meniru perilaku koloni (contoh: optimisasi rute pengiriman).

11. Edge AI

AI yang berjalan di perangkat lokal (bukan cloud) untuk respons cepat (contoh: smartphone, IoT).

1. AI untuk Otomatisasi :

AI digunakan untuk mengotomatiskan tugas-tugas rutin yang biasanya dilakukan oleh manusia, seperti pemrosesan data, manufaktur, atau layanan pelanggan. 

2. AI untuk Prediksi :

AI digunakan untuk menganalisis pola data besar dan membuat prediksi berdasarkan tren historis. Contohnya termasuk prediksi pasar saham, ramalan cuaca, atau perencanaan rantai pasokan. 

3. AI untuk Interaksi Manusia-Mesin :

AI digunakan untuk meningkatkan interaksi antara manusia dan mesin, seperti melalui asisten virtual, chatbot, atau antarmuka berbasis suara. 

4. AI untuk Keamanan dan Privasi :

AI juga digunakan untuk meningkatkan keamanan siber, mendeteksi ancaman, dan melindungi privasi pengguna melalui enkripsi dan teknologi anonimisasi data. 

1. Explainable AI (XAI)

Fokus pada transparansi dan interpretasi keputusan AI.

2. Neuromorphic Computing

Chip AI yang meniru struktur otak manusia untuk efisiensi energi.

3. Quantum AI

Kombinasi komputasi kuantum dan AI untuk pemecahan masalah kompleks.

4. AI for Social Good

Aplikasi AI di bidang lingkungan, kesehatan, atau pendidikan (contoh: prediksi bencana, pengurangan kemiskinan).