銀行小艾這類的機器人屬於服務機器人，按照現在人工智慧定義可以算作人工智慧，但其實它並不智慧。

人工智慧是一門新興的科學，機器人、語言識別、影象識別、自然語言處理等都可以算作人工智慧。

現有服務機器人種類很多，類似銀行小艾、機器人餐廳服務員、兒童教育機器人等都屬於服務機器人。這類機器人已經可以實現簡單的動作及人機交流，但均為提前設定的，並不具有人工智慧的特點。在產品研發之初，工程師會將大量的問答、資訊存入資料庫中，在人們與服務機器人交流的時候，它會從資料庫中呼叫相關資料，從而實現人機交流。

所以說現在的服務機器人屬於人工智慧領域，但並不智慧。

目前銀行機器人肯定是屬於第一類機器人，因為這種人工智慧系統是純粹的被動型，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，只需要有大量資料，輸入到對話系統，還是相對比較容易實現的，雖然現在來看這種方式還是不太智慧。

最基本型別的人工智慧系統是純粹的被動型，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範，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，並知道每一步的走法。它可以預測出它和對手下一步可能會走什麼棋。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，也不記得以前發生過的事情。除了一個很少使用的國際象棋特有的規則，禁止重複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，就像現在這樣，從可能的下一步棋中選擇。

這種型別的智慧涉及計算機直接感知世界，並根據它所看到的東西採取行動。它不依賴於對世界的內部概念。在一篇開創性的論文中，人工智慧研究者羅德尼-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，人們並不擅長程式設計準確的模擬世界供計算機使用，也就是人工智慧學術界所說的 "表象 "世界。

目前我們感嘆的智慧機器，要麼是沒有這樣的世界概念，要麼是對其特定的職責非常有限的、專門的世界概念。深藍設計的創新並不是為了擴大計算機考慮的可能電影的範圍。相反，開發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，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，使用神經網路來評估棋局的發展。

這些方法確實提高了人工智慧系統的能力，使其能夠更好地下好特定的棋局，但不能輕易改變或應用於其他情況。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揮作用，很容易上當受騙。

它們不能像我們想象中的人工智慧系統有朝一日可能出現的那樣，互動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。這對於確保人工智慧系統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，並對世界做出反應，那就不好了。這些最簡單的AI系統永遠不會無聊，也不會感興趣，也不會難過。

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，而是需要識別特定物件，並在一段時間內對其進行監控。

這些觀察結果會被新增到自駕車汽車對世界的預程式設計表示中，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生碰撞或被附近的汽車撞到時，這些資訊都會被包含在內。

但這些簡單的過往資訊只是暫時的。它們並沒有被儲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。

那麼，我們如何才能構建出能夠構建完整的表徵，記住他們的經驗，並學習如何處理新情況的AI系統呢？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，可以透過讓機器構建自己的表徵，開始彌補人類的不足。

下一個更高階的類的機器不僅形成關於世界的表徵，而且還形成關於世界上其他代理人或實體的表徵。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。

這對於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。如果不瞭解對方的動機和意圖，不考慮到別人對我或環境的瞭解，那麼在一起工作充其量是困難的，最壞的情況下是不可能的。

如果人工智慧系統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。

雖然我們可能還遠遠沒有創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、學習和基於過去經驗做出決策的能力上。這是理解人類智慧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。