这一页讲的是人工智能 (AI) 的不同类型，包括虚拟助手、机器学习、面部识别等应用场景。

这一页讲的是人工智能 (AI) 的不同类型及其应用场景。图中展示了 AI 在多个领域的应用，包括虚拟助手 (Virtual Assistant)、机器学习 (Machine Learning)、面部识别 (Face Recognition)、用户认证 (User Authentication)、自动化 (Automation) 和决策支持 (Decision Making)。这些技术通过数据处理和算法优化，帮助实现更高效的管理和操作。例如，虚拟助手可以通过自然语言处理 (NLP) 提供实时交互服务；机器学习通过分析历史数据预测趋势；面部识别技术在安全和用户认证中发挥重要作用；自动化技术提升生产效率。这些 AI 类型的结合能够帮助企业优化资源配置、提高工作效率和决策质量。

这一页讲的是课程目标，包括了解 AI 的形态、AI artifact 的定义，以及比较不同类型的 AI。

这一页讲的是课程的学习目标。首先，学生需要学习 AI 的不同“forms and shapes”（形态和形式），这部分内容主要在研讨会中讲解。其次，要理解什么构成了一个“AI artifact”（人工智能产物），这一点将在讲座中详细介绍。最后，学生需要能够区分不同类型的 AI，并从多个角度比较这些 AI artifact。这是课程结束时的最终目标，强调学生不仅要掌握理论，还需具备分析和比较的能力。这些目标为课程的学习内容提供了清晰的方向，并帮助学生全面理解 AI 的应用和分类。

这一页讲的是本次教程的议程，包括两部分任务：AI类型教学展示和AI新闻展示。

这一页讲的是本次教程的议程。第一部分任务是Exercise 1，要求每组同学成为某一AI类型的“专家”，基于分配的文章内容准备一个教学风格的展示。展示的目标是向班级其他同学讲解文章中描述的AI类型。准备时间为25-30分钟，每组展示时间不超过4分钟。任务说明和结构指导（问题1和问题2）已放置在桌上供参考。第二部分任务是“AI in the News”展示，具体内容未详细说明。此外，页面还提到物流要求：请将学生卡留在桌上以便扫描。这一页的重点是明确任务目标和准备要求，同时强调展示的教学性质和时间限制。

这一页讲的是人工智能类型及其在商业流程中的应用。主要内容包括专家系统（Expert Systems）、分析型人类启发式AI（Analytical Human-Inspired AI）和人性化AI（Humanized AI）的特点及应用场景。

这一页讲的是人工智能类型及其在商业流程中的应用。幻灯片中列出了四种AI类型：专家系统（Expert Systems）、分析型人类启发式AI（Analytical Human-Inspired AI）、人性化AI（Humanized AI）以及人类（Human Beings），并通过表格比较了它们在认知智能（Cognitive Intelligence）、情感智能（Emotional Intelligence）、社会智能（Social Intelligence）和艺术创造力（Artistic Creativity）方面的能力。专家系统通常基于规则和知识库，擅长解决特定领域的问题；分析型人类启发式AI能够模拟人类的逻辑思维和分析能力；人性化AI则更进一步，能够展现情感和社会互动能力。表格显示，人性化AI在情感智能和社会智能方面更接近人类，而专家系统和分析型AI则偏重认知智能。任务部分要求学生解释这些AI类型，并举例说明它们在商业流程中的应用，例如在客户服务中使用人性化AI可以通过情感互动提升客户满意度，同时减少人工客服的工作量。

这一页讲的是 AI Agents 和 Agentic AI 的分类及应用。在图中展示了两者的架构和功能特点，并提出了讨论任务：解释两种 AI 类型及其在业务流程中的应用和影响。

这一页讲的是 AI Agents 和 Agentic AI 的分类及概念架构。AI Agents 包括感知 (Perception)、推理 (Reasoning) 和行动 (Action) 三个核心功能模块，强调它们的架构进化。Agentic AI 则进一步扩展了功能，包括专门化代理 (Specialized Agents)、高级推理与规划 (Advanced Reasoning & Planning)、持久记忆 (Persistent Memory) 和协调 (Orchestration)。图表中描述了 Agentic AI 的功能如何通过多代理协作 (Multi-Agent Collaboration)、任务分解 (Task-Decomposition)、共享上下文 (Shared Context) 和系统协调 (System Coordination) 来实现复杂任务。幻灯片还提出了讨论任务：第一，解释 AI Agents 和 Agentic AI 的类型；第二，结合实际例子说明这些 AI 在业务流程中的应用，并分析使用 AI 工具后业务流程的变化，例如员工角色的调整或效率的提升。举例来说，在客户服务中，Agentic AI 可以通过持久记忆记录客户历史数据，优化服务流程，同时减少人工干预，从而提高客户满意度和企业效率。

这一页讲的是人工智能在医疗初创企业中的三种基本类型及其对业务流程的影响。重点包括 Assisted Intelligence、Augmented Intelligence 和 Autonomous Intelligence 的定义与特点。

这一页讲的是人工智能（AI）在医疗初创企业中的三种基本类型及其对业务流程的影响。表格中列出了三种类型：Assisted Intelligence（辅助智能）是通过自动化处理明确定义的规则性任务来提高效率，例如减少冗余工作；Augmented Intelligence（增强智能）通过复杂算法处理大量数据，帮助完成原本无法实现的任务，例如自然语言处理；Autonomous Intelligence（自主智能）则是AI独立运行并基于机器学习算法做出决策，无需人工干预，例如自动驾驶技术。表格对比了这三种类型的定义及应用特点，显示了它们在复杂性和独立性上的逐步提升。任务部分要求学生解释这三种智能的含义，并举例说明在某组织或业务流程中应用这些智能时的变化，例如在医疗诊断中，增强智能可以通过分析患者数据帮助医生做出更准确的诊断，从而减少人工工作量并提高诊断效率。这些变化体现了AI在优化业务流程和提升组织效率中的重要作用。

这一页讲的是代理型信息系统(Agentic IS)的框架，特别是反射型(Reflexive)、监督型(Supervisory)、预测型(Anticipatory)和指令型(Prescriptive)AI的分类及应用场景变化。

这一页讲的是代理型信息系统(Agentic IS)的分类框架及其在商业流程中的应用。表格中列出了四种AI类型：反射型(Reflexive)AI是基于刺激的直接反应，适合处理预期的事件；监督型(Supervisory)AI通过评估偏离目标的情况来指导决策，帮助恢复或提升目标进展；预测型(Anticipatory)AI主动使用模型推理来预测需求或生成数据；指令型(Prescriptive)AI则直接代替人类做出行为或结果决策。表格还展示了这些类型在决策方式上的差异，从有限决策到完全自主决策。任务要求学生举例说明某组织中的具体业务流程如何因这些AI的使用而发生变化，例如在物流管理中，预测型AI可以提前识别潜在的运输延误，从而优化路线规划，减少人工干预。这种变化可能使员工从重复性任务转向更高层次的战略决策。

这一页讲的是 AI 在服务领域的四种智能类型：机械型、分析型、直觉型和同理型，以及它们在业务流程中的应用和影响。

这一页讲的是 AI 在服务领域的四种智能类型及其应用。机械型（Mechanical AI）是最低级别的智能，能够进行简单的学习和适应，例如自动化生产线上的机器人。分析型（Analytical AI）通过数据进行系统化的学习和适应，例如数据分析工具。直觉型（Intuitive AI）基于理解进行直觉式学习和适应，例如推荐系统。最后，同理型（Empathetic AI）通过经验进行情感化学习和适应，例如客户服务中的情感识别系统。图中展示了这四种智能随着时间的演进，从低级到高级的变化趋势。任务要求学生举例说明某个组织或业务流程中应用这些 AI 类型的场景，并分析 AI 工具的使用如何改变业务流程，例如提高效率、减少人工干预或增强客户体验。比如在客服领域，使用同理型 AI 可以通过情感分析优化客户互动，减少人工客服的工作负担，同时提升客户满意度。

这一页讲的是提供给小组展示用的框架幻灯片。主要说明这些幻灯片可以直接投影，减少小组准备幻灯片的负担。

这一页讲的是为小组展示提供支持的框架幻灯片。这些幻灯片可以在小组展示时直接投影到墙上，作为展示的背景或辅助内容，目的是让小组成员不需要额外准备自己的幻灯片，从而节省时间和精力。这种方法不仅提高了效率，还能确保展示内容的统一性和质量。幻灯片的框架可能包括流程图、关键概念的可视化图示或相关的技术结构图。这种方式特别适合团队合作项目或需要快速展示复杂主题的场景。例如，一个小组在讲解人工智能模型时，可以直接使用提供的框架幻灯片展示模型的工作流程，而不需要从头设计图表。

这一页讲的是人工智能系统的类型及其能力对比。重点包括专家系统、分析型 AI、类人 AI 和人类之间的认知、情感和社会智能等能力差异。

这一页讲的是人工智能系统的类型及其能力对比，主要通过表格展示了不同类型 AI 系统在认知智能 (Cognitive Intelligence)、情感智能 (Emotional Intelligence)、社会智能 (Social Intelligence) 和艺术创造力 (Artistic Creativity) 上的表现。表格中列出了五类主体：专家系统 (Expert Systems)、分析型 AI (Analytical AI)、类人 AI (Human-Inspired AI)、拟人化 AI (Humanized AI) 和人类 (Human Beings)。专家系统仅具备认知智能，而分析型 AI 也仅限于认知智能，类人 AI 则在认知智能和情感智能方面有所表现。拟人化 AI 不但具备认知和情感智能，还在社会智能上有所突破，但艺术创造力仍然缺乏。人类则在所有能力上都表现优异。此外，底部提到 AI 的学习方式，包括监督学习 (Supervised Learning)、无监督学习 (Unsupervised Learning) 和强化学习 (Reinforcement Learning)。这一页的核心是帮助理解不同 AI 系统的能力范围和发展方向，例如类人 AI 和拟人化 AI的目标是逐步接近人类智能。

这一页讲的是 AI Agents 与 Agentic AI 的概念分类及比较。主要内容包括任务范围和复杂性比较、交互与自主性分析，以及架构演变示意图。

这一页讲的是 AI Agents 与 Agentic AI 的概念分类及比较。首先，Table 8 比较了 Generative AI、AI Agent、Agentic AI 和 Generative Agent 在任务范围 (Task Scope) 和复杂性 (Complexity) 上的差异。Generative AI 处理单一内容生成，复杂性低，例如聊天机器人；AI Agent 处理单一具体任务或工作流，复杂性中等，例如搜索代理；Agentic AI 处理复杂多方面目标，复杂性高，例如 YouTube-to-Blog 转换系统；Generative Agent 处理特定子任务，复杂性较低到中等，例如标题生成器。其次，Table 9 分析了交互与自主性 (Interaction and Autonomy) 的不同。Generative AI 依赖提示，外部交互为零；AI Agent 能自主使用工具，外部交互通过特定工具或 API；Agentic AI 自主性高，能通过多工具协作完成整个过程；Generative Agent 自主性较低到中等，主要执行子任务。最后，右侧图表展示了架构演变，从传统 AI Agents 到 Agentic AI，核心模块包括感知 (Perception)、推理 (Reasoning) 和行动 (Action)，并扩展到高级功能如多代理协作 (Multi-Agent Collaboration)、任务分解 (Task-Decomposition)、共享记忆 (Shared Memory) 和系统协调 (System Coordination)。这一架构强调了分布式、适应性强的智能系统的重要性。

这一页讲的是人工智能在医疗领域初创企业中的三种基本类型及其商业模式。主要包括 Assisted Intelligence、Augmented Intelligence 和 Autonomous Intelligence 的定义、特点和实例。

这一页讲的是人工智能在医疗领域初创企业中的三种基本类型及其商业模式。表格中列出了三种类型的人工智能：Assisted Intelligence（辅助智能）、Augmented Intelligence（增强智能）和 Autonomous Intelligence（自主智能）。辅助智能的定义是通过自动化重复任务来提高效率和现有活动的价值，其特点是基于规则的算法，常用于数据验证和业务决策模拟，代表企业如 Aindra。增强智能的定义是通过复杂算法帮助组织完成原本无法完成的任务，其特点是需要更复杂的数据集，常用于精准医疗和流行病数据分析，代表企业如 iCarbonX。自主智能则是机器能够独立决策，无需人为干预，其特点是需要先进的技术和透明的算法，常用于机器人手术等领域，代表企业如 Mayo Clinic。这三种类型展示了人工智能在医疗初创企业中的应用深度和广度，反映了技术复杂性与商业需求的结合。

这一页讲的是代理型信息系统(Agentic IS)的分类框架，重点介绍了四种代理原型及其特点和应用场景。

这一页讲的是代理型信息系统(Agentic IS)的分类框架，主要分为四种代理原型：反应型(Reflexive)、监督型(Supervisory)、预测型(Anticipatory)和规定型(Prescriptive)。表格中列出了每种原型的定义、示例以及与其他类型的不同之处。反应型系统是被动的，只对外部刺激做出有限的反应，例如金融平衡工具或语音助手。监督型系统则提供行为指导或纠偏，例如健康行为提醒或流程指导工具。预测型系统更为主动，能够基于模型推测未来需求，例如社交媒体内容筛选或可穿戴设备。规定型系统具有自主决策能力，可以完全替代人类做出决策，例如自动驾驶汽车或医疗决策工具。这张表通过纵向的复杂度变化展示了代理系统从简单反应到复杂决策的演进过程，体现了信息系统在智能化方向上的发展趋势。

这一页讲的是人工智能在服务领域的四种智能类型及其发展阶段。关键点包括机械智能、分析智能、直觉智能和共情智能的定义及演进趋势。

这一页讲的是人工智能在服务领域的四种智能类型及其发展阶段。图中展示了一个随时间和智能水平变化的框架，分为四个阶段：机械智能（Mechanical）、分析智能（Analytical）、直觉智能（Intuitive）和共情智能（Empathetic）。机械智能是最低级别的智能，仅能进行最基本的学习或适应；分析智能通过系统化的数据分析进行学习和适应；直觉智能基于理解进行直觉性的学习和适应；共情智能则是最高级别，能够基于经验进行共情性的学习和适应。这张图表明，随着时间的推移，人工智能的能力逐步从简单的机械操作向更高级、更人性化的智能发展。这种演进对于提升服务质量和用户体验至关重要。例如，机械智能可以用于简单的自动化任务，而共情智能则能够理解用户的情感和需求，从而提供个性化的服务。

这一页讲的是区分人工智能（AI）类型的方法及其重要性。重点包括不同分类适用于不同目的或情境，以及学习目标是掌握分类和比较 AI 的能力。

这一页讲的是如何区分人工智能（AI）的不同类型，以及这种分类在不同情境下的重要性。关键点在于，不同的分类方法适用于不同的目的，例如技术应用、研究方向或商业决策等。幻灯片中提到的学习目标是帮助学生能够区分 AI 的不同类型，并从多个角度比较 AI 工件（artifacts）。这意味着学生需要理解 AI 的分类标准，例如基于功能、技术实现或应用场景的分类，并能够根据实际需求选择合适的分类方法。例如，在医疗领域，可以根据 AI 的功能（诊断、预测等）进行分类，而在工业领域则可能关注技术实现（机器学习、专家系统等）。通过掌握这些分类和比较方法，学生可以更好地理解 AI 的多样性及其在不同领域的应用价值。