从机器会学习这个意义上来说，人们研究开发出的人工智能全都在以某种形式进行学习。不过，根据目标方向的不同，人工智能可以分为 3 种，分别为“运转判断型”“问答型”“模式识别型”。
其中，无需对大数据进行分析的学习型机器 H 属于“运转判断型”人工智能。具体内容如本书的介绍，比如提高店铺和呼叫中心的生产力，降低铁路和水处理设备等社会基础设施的运转成本，协助判断顾客需求和市场定位等。最近发展神速的将棋和围棋软件也属于运转判断型的人工智能。
“运转判断型”人工智能的原理特点在于，将现实世界理解为一种微观要素——集合（=集团）。这是 19 世纪下半叶奥地利物理学家路德维希·玻尔兹曼所采取的方法的延伸（章末注 1）。
该领域最近发展迅速，很大程度上得益于过去 100 年间先人构建的统计力学的体系和技术方法。而且，随着数据的大量收集，统计力学的作用也越来越得到发挥。
笔者一直关注“运转判断型”人工智能的巨大影响，致力于开发人工智能 H。
下面简单说一下其他两种人工智能，供大家参考。
很多人印象中的“人工智能”最接近第 2 种——“问答型”。问答型人工智能指的是用语言回答人的提问，当今问答型人工智能的代表就是 Google 公司的网页检索系统。最近，IBM 公司开发了一款叫作“Watson”的问答型人工智能。Watson 参加了某猜谜节目，战胜了猜谜大王，顿时成为人们议论的对象。问答型人工智能不会输出直接的判断结果，而是会提供与提问相关的信息和知识。至于使用这些信息和知识进行具体的判断，就是人类的工作了。第 3 种是“模式识别型”的人工智能，可以用计算机来识别图像、声音等数据。比如锁定照片中的人、识别人说的话等。这个领域也随着数据量的增加、计算机的高速化以及机器学习技术的高度化而飞速发展。例如，手机中安装的声音识别软件和数码相机中安装的人脸识别软件就属于该领域。
迄今为止，在人工智能和机器学习的领域中，关于“问答型”和“模式识别型”的研究很多，“运转判断型”的研究相对较少。现在大数据备受关注，想必今后“运转判断型”人工智能也会飞速发展。