本文主要提出一种智能任务分类方法，希望未来可以有利于智能系统的设计和评估。
本稿属于2016年06月24日初稿，后续会不断修订更新，转载须注明出处。
人工智能任务的分类
邓范鑫
为了实现AI-Complete(AI-Hard，AI完全)问题，我们需要一些测量方法，最著名的测量方法当属图灵测试。一个可以解决AI完全问题的机器应该在必要辅助的设备帮助下，可以完成人类能够完全的所有任务，亦即它像人类一样的智能(Intelligent)，我们便称其为强人工智能（True AI或Strong AI）。这些人类可以完成的任务，我们称之为人工智能任务，简称AI任务，AI任务有不同的难易程度，所谓难易是基于所需要的智力资源的多少，一般呈现到科学技术领域，表现出来的是越容易模拟实现的AI任务越简单，越难于模拟实现的任务越困难，目前还有很多AI任务，除人类以外没有任何对象可以完成。
在人工智能学科的讨论中，一般的研究者会大家的研究领域专注各子类任务上，而这些分类，有的是关于的智能实现的机制，有的是智能行为的表现，不一而足，如运动与控制、自然语言处理、感知（语音识别、面部识别、对象识别，统称模式识别），学习（有监督学习、无监督学习、增强学习），规划，知识表示，归纳、推理和问题解决，创造等等[1]。这种分类方法向我们展示了整个研究领域所面临的重要问题的同时，也向我们暗示了多种AI任务。
比如感知涉及到是类人智能的不变性抽取任务，自然语言处理是语言的学习、理解、甚至包括推理、交流等等任务。
比如文献2也对AI完全任务做了列举：自然语言、问题解决与搜索、知识表示与推理、学习、视觉与图像处理、机器人等，与前面的描述也非常的相似，这种分类方法主要试图捕捉重要的智能特征，但一、细分粒度比较粗糙，二、涵盖范围不够，三、不利于设计测试案例。
本文尽力列举一个恰当的智能任务分类，满足：
一、可以较好地覆盖到类人智能的全部能力。
二、可以方便将每个分类或者几个分类之间的组合映射到一个小型任务上。
这样，当一个AI体可以完成全部任务时，我们认为该AI体的智能水平已经大于等于人类的智能水平。
基本原则
- 不考虑异于常人的能力，比如绝对音准的识别能力。
- 我们认为只要AI体直连外部设备可以达到人类通过控制器间接控制外部设备的能力，便认为达到了人类水平。
一、资料整理
为了完成本次分类，我从四个方面进行了借鉴和梳理：从动物到人类的智力演化和差别（进化角度），人类从婴儿到成人的智力发育过程（发育角度）， 人类活动和人工智能研究目标分类。在走流程的过程中，会不断使用<>插入各种任务指示，任务间不区分包含关系，不区分交叉关系。所有运动类任务都假定智能体可以获得能完成相应任务的外部设备。
1.1 从动物到人
一般而言越低等的动物，大脑越小，确切的说神经元数量越少，智能水平相对就低，从低水平的智能行为上，我们可以探查智力的本质，推测智力的核心要素。这种水平并不是体现某一个任务的比拼上，因为很多动物在各类具体任务上的表现可能反而要好于人类。
本次讨论可能不全面，仅是通过对动物智力演化的角度加以小议，从而列出一些自然界常见的智能任务。
对于大多数动物而言，智力的最终目的是适应环境，寻求生存。我们来看看低等动物的生存能力。细菌、病毒、植物也具备这种环境适应能力，但基本不具备灵活的应对能力，主要靠的是大量的繁殖，这种生存能力也算是广义的智力行为，通过一系列的生化活动，完成了传承的能力，从智力的角度而言，我们很难将他们的行为简化成一个智能任务。其实我们去看很多人对智能的定义，也会发现很多人的定义是有问题的，很多人是从人类智能所表现出来的形式进行了定义，比如思维，但是思维的意义是什么，是为了解决现实世界的问题，还是单纯的高级形式呢？那么病毒不断地复制自己求得最大利益的行为是不是也是一种高级形式呢？何为高级？如果从实用的角度来看，认为智能就是生存的能力，适应环境的能力，那么我看病毒的适应能力比人类要强吧，至少目前来看人类还是拿它们没有任何办法。再比如爱因斯坦说：”The true sign of intelligence is not knowledge but imagination.”，这也是将一种高级形式作为了智能的定义，我认为所谓智能就是改变世界的能力，一种将现有世界变得更加有秩序更加丰富的能力，越高级的智慧生物越能改变这个世界，所以我们才会想象科技发达的外星人可以星际旅行，可以到达更远的地方，将宇宙变成美丽的家园。从这个角度就容易释然了，我们可以通过制定一个改变世界的任务让AI体去实现，如果能够实现，就认为它具备了一定的智能，任务难度越大，智能水平越高。比如你让一个细菌将一个原子从一个地方搬运到另一个指定地方，它就做不到。人类通过文明的积累、发明操纵原子的机器并通过控制来做到了。这个改变广义的讲不一定非要能够改变世界而是改变世界的潜力，即能够做，但是未必要做，比如毁掉一座山的能力。另外这种所谓改变的世界的能力，也包括自身，比如一只大鼠吃过一种有毒的食物，如果在未来不再吃这种食物，就认为他可以控制自己的身体避免再次受害，但如果它能够鉴别毒的本质，那么更高级的智能不会单纯地避开这种食物，而是能够鉴别食物是否有毒，为了映射成改变世界的能力，我们可以假象将食物是否有毒或者避免自己受害而将有毒食物丢入垃圾桶的行为。再比如动物迷宫实验，就是讲自己的身体送达某处的能力。这些都是智能任务。
那么，我们来看看整个生物链上的各级生物都能做哪些任务吧。
单细胞生物和海绵动物，几乎完成不了任何指定的任务，因为他们不对外界刺激做出任何反应，他们只是利用生化原理进行繁殖。
【腔肠动物】
有网状神经系统，遇到外界刺激，会产生全身性反应，可以完成<刺激收缩任务>， 属于<条件反射任务>，不能完成任何指定性的收缩任务，比如触碰某部位，收缩某部位，触碰A部位，收缩B部位，也不能完成<指定躲避任务>，比如可以构造一个设备，让其收缩反而会直接造成伤害，所以无法完成<避开指定伤害方向任务>。另外腔肠动物没有<定向运动>能力。
【扁形动物】
开始拥有头部，可定向运动，但不能完成带目标的定向运动。
【环节动物】
有头部、触角、感光器等。如蚯蚓，负趋光性，不具红光，趋于弱光，且畏震，可体温调节，能休眠，索氏神经系统，有中枢神经系统和外围神经系统，可形成简单的反射弧，可快速地对刺激做出反应，蚯蚓的智能任务表现上，没有特别的进步，主要在于有更多的感受器和运动控制机制，因而可以表现出趋向性运动，比如<驱光运动任务>，属于<带目标的定向运动>。
【节肢动物】
如虾、蟹、蜘蛛、蚊、蝇、蜈蚣等。有多种感觉器官，有头、胸、腹、多肢，外骨骼，水生有鳃，陆生有肺，雌雄异体，可交配。
以苍蝇为例，交配能力要求可完成<带目标的运动控制任务>，不仅仅是运动而是精细控制，可飞行，能完成<带翅飞行运动任务>，并且可向喜好的目标飞行，如常在花丛附近盘旋，嗜食腐肉、粪便；苍蝇受气味吸引飞向目标物，落地后，使用脚上的味觉感受器品尝味道，然后对于满意的味道便用嘴去吃<进食任务>, 否则离开，整个过程涉及到了规划、目标驱动、模式检测等相关概念，可归纳为<目标驱动达标则采取行动的任务>，苍蝇的目标就是寻找好吃的食物然后吃掉它。
以结网蜘蛛为例，可吐丝结网，对震动敏感，可根据震动情况确定捕获物的大小和位置，结网是一个高度技巧性的活动，为了在两个树枝之间搭建横丝，即第一根丝，甚至需要从一颗树爬到另一个树，有了横丝，就可以在横丝中间放一个垂直丝，形成T字丝，下拉形成Y字丝，参考[3]展示了各类蜘蛛的结网示意图，参考[4]用视频演示了一个蜘蛛的结网过程。还有的蜘蛛会借助气流，结拉横丝，这种<结网任务>是十分考验规划能力的，且不说结网能力是先天后天，应该是先天的，以结网为目标，在各种复杂环境下，确定结网位置，确定是否成功建立了横丝，在骨架网上反复行走，高效地搭建出辐射丝和螺旋丝，蜘蛛会在必要的时候建立临时丝，用过后切断，这些都是需要感知、计划、目标等多要素的即时协调。蜘蛛还会伪装<伪装任务>，将自身隐匿于环境中，不易被发现。蜘蛛交配非常奇特，首先<寻找配偶任务>才行交配完成授精。
随着物种越高级，行为越复杂，可执行的任务越来越多。下面进入脊椎动物门。
【鱼类】
鱼类已经具备分化的脑结构，具备小闹、中脑、间脑、和脑干，但是没有大脑皮层，中脑负责视觉功能，小闹负责运动。鱼类可以攻击、防御、协同作战<协同任务>、捕食。鱼类可以区分大小鱼群，并善于观察同类的行为从而做出决策<观察决策任务>，另外鱼类具备学习能力<记忆任务>，可以基于地图进行导航<导航任务>，甚至使用工具<借助工具达成目的任务>。
鱼类多数是近视眼，但是视野广阔，视网膜有视锥和视杆细胞，有色觉，鱼类的眼睛结构已经比较复杂了，有的鱼还有四只眼睛，他的脑可以处理视觉信号，完成<运动方向检测任务>，<目标物大小检测任务>，<目标跟随任务>，<逃跑任务>，由于记忆功能的存在，还能完成<不再犯错任务>。
【两栖类】
两栖动物有触觉、味觉、视觉、听觉和嗅觉，甚至可以感知紫外线、红外线、地球磁场。能感知温度有痛觉，因为具有更加丰富的外界信息分析基础，如青蛙，可发声，神经系统已经高度发达，大脑分两个半球。青蛙让人印象深刻的是其快速地捕食能力，在飞虫经过的一瞬间快速地伸出长舌舔食<攻击运动目标任务>。由于有发音器官，且能够发出各种独特的声音，因而可以完成简单的<指定发声任务>；青蛙的听觉系统可以帮助青蛙寻找配偶，需要完成<声音定向移动任务>，直至可以交流，<声音互动任务>，这也说明可以完成<声音区分任务>。
爬行类跳过。
【鸟类】
鸟类能飞翔，可远距离栖息，很多种类可训化，具备学习能力，有的如八哥可完成<声音模仿任务>，鸟类的智力水平很多令人惊叹，如乌鸦喝水[6]实验证明了乌鸦具备了简单的问题解决能力，能够完成<投石喝水任务>，可归为<借助工具完成目标任务>类别，再如有些聪明的鹦鹉可以通过训练完成6以内的加法，属于简单<加法任务>[7]，更倾向于属于<记忆任务>，但说明鹦鹉具备基础的数数能力<数数任务>。
【哺乳类】
哺乳类动物的大脑结构与人脑已经十分相似，也是解密人脑奥秘的常用实验室动物。目前来看，除了人类意外哺乳类是智商最高的动物群类，因而成为陆地上占支配地位的生物，所以才有可与人类亲密互动的猫狗类，食物链顶端的狮子、老虎，适应能力极强的北极熊和企鹅。哺乳类动物的运动控制能力几乎达到了极致，可以完成各种基础的<运动控制任务>，尤其对快速运动物体的判断、追踪能力。
我们来看一些动物训练任务，猴子骑车<骑车任务>，动物恐怕完成不了<开汽车任务>，还能训练直立行走<直立行走任务>，<跳跃障碍任务>，<根据语言指令完成指定动作任务>，如<握手任务>，<打滚任务>，动物一些常识性任务能力前面没有提及，比如狗类在房屋内，可以轻松地在各类房间内穿行，可完成<到达指定空间任务>，至于能否完成<空间辨识任务>不得而知。
【人类】
人类是地球上的最高生物，他拥有其他生物不具备的众多能力，如语言、思维、长期规划、更加丰富的情感（如笑），操纵复杂的工具等等，因而可以完成更加数不清的智能任务，下面我们就移步下一节，从婴儿到成人我们慢慢能够做哪些事情了吧。
1.2 从婴儿到成人
从网上找来一份零到一岁婴儿的智力发育过程[8]：
1个月婴儿
大运动：拉着手腕可以坐起，头可竖直片刻(2秒)。
精细动作：触碰手掌，他会紧握拳头。<控制任务>
适应能力：眼球会跟红球过中线(稍有移动即可)、听到声音有反应。
语言：自己会发出细小声音。<发音任务>
社交行为：眼睛跟踪走动的人。<目标跟踪任务>
2个月婴儿
大运动：拉着手腕可以坐起、头可竖直短时(5秒)
精细动作：俯卧时头可抬离床面、拨浪鼓在手中留握片刻<控制任务>
适应能力：立刻注意大玩具<目标跟踪任务>
语言：能发出a、o、e等元音，<发音任务>
社交行为：逗引时有反应
3个月婴儿
大运动：俯卧时可抬头45度、抱直时头稳
精细动作：两手可握在一起、拨浪鼓在手中留握0.5秒
适应能力：眼睛跟红球可转180度
语言：笑出声 <发笑任务><控制任务>
社交行为：模样灵敏、见人会笑
4个月婴儿
大运动：俯卧时可抬头90度、扶腋可站片刻
精细动作：摇动并注视拨浪鼓
适应能力：偶然注意小丸、找到声源
语言：高声叫、咿呀作声
社交行为：认亲人<面部识别任务>
5个月婴儿
大运动：轻拉腕部即可坐起、独坐头身向前倾
精细动作：抓住近处玩具<目标物操纵任务><控制任务><运动任务>
适应能力：拿住一积木注视另一积木
语言：对人及物发声
社交行为：见食物兴奋<情绪任务>
6个月婴儿
大运动：俯卧翻身
精细动作：会撕纸、把弄到桌上一积木
适应能力：两手同时拿住两块积木、玩具失落会找<消失寻找任务>
语言：叫名字转头<应声任务>
社交行为：自喂饼干、如会找躲猫猫(手绢挡脸)的人的脸<躲猫猫任务>，<消失寻找任务>
7个月婴儿
大运动：独坐自如
精细动作：耙弄到小丸(直径约0.5公分)、自己取一积木，再取另一块
适应能力：积木换手、伸手够远处玩具
语言：发da-da、ma-ma无所指
社交行为：对镜有游戏反映、能分辨出生人<自我认知任务>
8个月婴儿
大运动：双手扶物可站立<直立任务>
精细动作：拇指、无名指捏住小丸(直径：0.5cm);手中拿两个积木，并试图取第三块积木(正方形，边长2cm)
适应能力：持续用手追逐玩具、有意识的摇铃<摆弄任务>
语言：模仿声音<声音模仿任务>
社交行为：懂得成人面部表情<表情识别任务>
9个月婴儿
大运动：会爬、拉双手会走<爬行任务>，<爬行越障任务>
精细动作：拇指、食指捏住小丸
适应能力：从杯中取出积木(正方形，边长2cm)、积木对敲
语言：会欢迎、再见(手势)<互动任务>，<根据声音指令完成指定动作任务>
社交行为：表示不要<否定意识任务>，<诉求表达任务>
10个月婴儿
大运动：会拉住栏杆站起身、扶住栏杆可以走
精细动作：拇指、食指动作熟练
适应能力：拿掉扣住积木的杯子，并玩积木;找盒内的东西
语言：模仿发语声
社交行为：懂得常见物及名称、会表示<声音物体关联任务>
11个月婴儿
大运动：扶物、蹲下取物;独站片刻<下蹲任务>
精细动作：打开包积木的纸
适应能力：积木放入杯中;模仿推玩具小车
语言：有意识的发一个字音
社交行为：懂得“不”;模仿拍娃娃
12个月婴儿
大运动：独自站立稳;牵一只手可以走。
精细动作：试把小丸投入小瓶;全掌握笔留笔道
适应能力：盖瓶盖;
语言：叫妈妈、爸爸有所指;向他/她要东西知道给
社交行为：穿衣知配合。<穿衣配合任务>
一岁到一岁半：
能较平稳地走路，能辨识不同的人声<声音特征辨识任务>，摔倒时能自己爬起来<姿势恢复任务>；能指认成人说的物品<识别并称呼任务>，能按照做一些简单的动作，能用动作和发出音节回答成人的问话<问答任务>；认识生活中常见的几种动植物。
一岁半到两岁：
平稳地走路，初步学会双脚原地向上纵跳的动作<跳跃任务>。能说简单的话语，在成人指导下看懂简单的画面，喜欢图画<绘画任务>；能区分物品的多与少，大与小<空间辨识任务><大小辨识任务>；能摸索空间方位，认识前后；认识生活中常见的几种自然现象。
两岁到三岁：
能自己上下台阶<楼梯任务>，较自然地跑步<奔跑任务>；能自己吃饭<进食任务>，控制大小便<如厕任务>；正确表达自己的各种情绪<情绪表达任务>；能够模仿大人搭建积木<积木任务>。
三岁到四岁：
可以投篮<精准控制任务>，倒水<倒水任务>，跳跃障碍<带约束条件的避障任务>，<数数任务>，简单的<语言表达任务>，简单的<折纸任务>，简单的<讲故事任务>，简单<算术任务>，会问问什么<好奇心任务><疑问交流任务>，玩乐高<积木任务>，拼图<拼图任务>。
四到五岁：
可以完成<单脚站立任务>，<剪刀剪直线任务>，<跳绳任务>，简单的<舞蹈任务><模仿姿势任务>，5到9个词的句子，<听笑话发笑任务>，<临摹任务>，<排序任务>，<物品分类任务>，有昨天、今天、明天的时间概念，简单<导航任务>
五岁到六岁：
可以完成<星期认知任务>，<看钟表任务>，<弹钢琴任务>，<踢球控球任务>，<描述未来任务>，<读书任务>，<认识文字任务>.
1.3 人类活动
根据常见人类活动，大致分类如下：
【常识】
常识是目前人工智能领域最难攻克的领域，其实实现难度虽然很大，但是对人类来说，却极为简单。常识一般来指成年人应该具备的基本知识，比如毛衣用羊毛做的，小狗吃骨头，小猫不会飞，冰箱只有保鲜食物不能炸油条等等，再比如物体内在拓扑关系约束等等，一周有几天，一天多少小时，用棉花不能砸核桃，苹果扔到天上会掉下来，有人建立的 基本常识库达上千万之巨。常识是人类各类学习的基础，专家系统始终无法克服的难题。<常识任务>
【游戏与职业技能】
弹钢琴<弹琴任务>，画画<绘画任务>，简单重复的体力劳动<基础运动任务>，如<搬砖任务>，<洗碗任务>，<安保任务>，<服务员任务>，<快递任务>；专业技能任务，如<驾驶任务>，<挖掘机任务>，<电焊任务>，<厨师任务>，<编程任务>，<客服任务>，<健康管理任务>，<医学任务>，<侦查任务>，<科学家任务>， <理发任务>，<健身教练任务>，<养殖任务>，<农业任务>，<木工任务>等等；游戏任务如<汉诺塔任务>，<星际争霸任务>，<铁拳任务>，<文明任务>等
【语言】
<新语言学习任务>，<翻译任务>，<写作任务>，<阅读理解任务>，<沟通交流任务>
【逻辑】
<归纳推理任务>，<演绎推理任务>，<图形推理任务>如<Bangard任务>等
【艺术】
<图画创作任务>，<作曲任务>，<雕塑任务>，<摄影任务>，<舞蹈任务>，<电影任务>，<文学任务>，<建筑任务>等。
【军事】
<武器使用任务>，<猎杀任务>，<飞行任务>等等
1.4 人工智能的研究对象分类
【运动与控制】
可调控控制技术、增强学习、随机输出 <运动任务><控制任务>
【自然语言处理】
声音的特征发现、关联性学习、语义的发现、语义网络的形成 <语言任务>
【感知】
语音识别、面部识别、物体识别。自动特征发现、组合学习。<识别任务><学习任务>
【学习】
有监督学习（classification and numerical regression）、无监督学习（the ability to find patterns in a stream of input）
增强学习， computational learning theory
<学习任务>
【规划】
短期规划、长期规划，基于目标任务的规划。目标导向机制。<目标驱动任务>
【知识表示】
不是问题，问题在于知识的学习和利用，参考【学习】<学习任务>
【归纳、推理和问题解决】
归纳：共性特征的发现
推理：知识的运用，关联记忆的激活，预测
问题解决：基于知识、推理寻求问题的解，比如：高考题
<推理任务>
【创造】
运用所学、创造中自己发明的知识也要学习下来再利用。
涉及到的实现机制：自动发现、组合与关联记忆、激活与注意、规划、增强学习、神经网络内在的监督学习、识别。
二、讨论
本节将对上节的梳理进行总结，以进化的角度来分析，怎样进行分类会更有利于智能系统的设计。
从人工智能技术难度角度看这些任务的难度和从进化角度看这些问题的难度有些不太一致，一些看起来很简单的事情，反而技术很难做到，如<识别任务>，有一些感觉很难的事情，技术却已经很厉害了，比如推理，但综合水平上，现在的技术远远不如人类的一个重要原因是技术之间不能重用，这也是我一直致力于的点，重用可以借助组合爆炸提高解决问题的能力，而现行的技术隔离限制了这一点，所以CV界这么多年人工攒了那么多feature，最终的效果还是不好，深度学习虽然可以做简单的识别任务，但灵活性和适用度依然很差。
重用的方式可以有很多，统一的构建模式是一种重要方式，比如神经网络，代码互掉。虽然，现行的技术会互相包装API进行重用，但是远远不够，因为重用关系可能比被重用的基础组件的关系还要多，所以单纯将人脸识别包装成一个接口虽然可以满足人的识别但是很难防伪造，因为他不能将全部观察的细节暴露出来，对这些细节的利用又需要用的许多其他的组件，比如运动检测、真实性检测（保证不是画的）、其他目标检测（保证不是拼接的），从而保证目标的真实性。
重用的越彻底组合爆炸的能力才越强，现有深度学习以大量的手写数字训练出了正确率还不错的手写数字识别器，其大量的训练的原因就是没有重用，人类在数字的学习前，积累的对线条、边、轮廓、光栅的识别能力被大幅重用，从而可以快速地进行小样本学习，甚至达到one-shot learning，专家系统面临的问题也是一样，专家系统在推理时需要常识，但常识虽然量很大，却可以通过基本的事实组合出来，人类在成长的过程中，对学习的知识不断地抽象组合进而形成了大量的知识基，因而可以对大量的陈述句进行精准判断。
进化也是大量地用到重复，一些生物设计的基因被不同物种间共用，大脑的演化过程中也基本遵循这个道理，在节制动物身上我们能看到的目标导向机制（通过递归地进行目标求解和压栈完成任务拆解），到人类这里不但没有消失，反而大加利用。目标导向的基础生物回路几乎在我们所有的问题解决过程中发挥重要作用，可以设想视觉的处理机制从有眼睛开始注定了所有物种可能以相同的方式在感知世界，而大脑没进步一点，都是几乎现有的能力增加一些新的能力。比如人类比猩猩增加了语言能力，从而大大加速了智力进程。
重用在时间上也是不断发生的，当一个新的场景进入你的视野，多数元素稳定存在的情况下，大脑会集中精力处理需要处理的事情，这种重用大大降低了计算量和能量消耗。
因而从进化的角度整理智能任务极有可能有利于智能模块的设计，从而更加清晰地看到整个构架的各个模块在智能任务的完成中如何巧妙地搭建在一起以及如何相互作用共同完成智能任务，甚至可以看到基础的模块在完成简单的智能任务发挥作用，而复杂的智能任务需要大量复杂的多模块协作。所谓的模块设计，不是简单的罗列，而更可能是多种的机制的有机整合，物理上可能是交织融合在一起的，有些甚至只是一些指导原则，有些则是具体的实现连接关系，所以无论是设计约束还是结构分解，我相信清晰的智能任务划分有利于梳理和解决智能问题。
另外，梳理清晰的智能任务列表可以帮助我们对一个智能系统进行评估，进而发现其存在的缺陷，从而指导研究人员在未来的改进中着重考虑。
综上所述，从进化角度进行分类梳理将是下节的主要指导原则。
三、任务分类
我用抽取出了第一节中提到的全部任务，而实际中可以构造的任务量远远大于下面的这些：
刺激收缩任务，条件反射任务，指定躲避任务，避开指定伤害方向任务，定向运动，驱光运动任务，带目标的定向运动，带目标的运动控制任务，带翅飞行运动任务，进食任务，目标驱动达标则采取行动的任务，结网任务，伪装任务，寻找配偶任务，协同任务，观察决策任务，记忆任务，导航任务，借助工具达成目的任务，运动方向检测任务，目标物大小检测任务，目标跟随任务，逃跑任务，不再犯错任务，攻击运动目标任务，指定发声任务，声音定向移动任务，声音互动任务，声音区分任务，声音模仿任务，投石喝水任务，借助工具完成目标任务，加法任务，数数任务，运动控制任务，骑车任务，开汽车任务，直立行走任务，跳跃障碍任务，根据语言指令完成指定动作任务，握手任务，打滚任务，到达指定空间任务，空间辨识任务，控制任务，发音任务，目标跟踪任务，发笑任务，面部识别任务，目标物操纵任务，运动任务，情绪任务，消失寻找任务，应声任务，躲猫猫任务，自我认知任务，直立任务，摆弄任务，表情识别任务，爬行任务，爬行越障任务，互动任务，根据声音指令完成指定动作任务，否定意识任务，诉求表达任务，声音物体关联任务，下蹲任务，穿衣配合任务，声音特征辨识任务，姿势恢复任务，识别并称呼任务，问答任务，跳跃任务，绘画任务，大小辨识任务，楼梯任务，奔跑任务，如厕任务，情绪表达任务，积木任务，精准控制任务，倒水任务，带约束条件的避障任务，语言表达任务，折纸任务，讲故事任务，算术任务，好奇心任务，疑问交流任务，拼图任务，单脚站立任务，剪刀剪直线任务，跳绳任务，舞蹈任务，模仿姿势任务，听笑话发笑任务，临摹任务，排序任务，物品分类任务，星期认知任务，看钟表任务，弹钢琴任务，踢球控球任务，描述未来任务，读书任务，认识文字任务，常识任务，弹琴任务，基础运动任务，搬砖任务，洗碗任务，安保任务，服务员任务，快递任务，驾驶任务，挖掘机任务，电焊任务，厨师任务，编程任务，客服任务，健康管理任务，医学任务，侦查任务，科学家任务，理发任务，健身教练任务，养殖任务，农业任务，木工任务，汉诺塔任务，星际争霸任务，铁拳任务，文明任务，新语言学习任务，翻译任务，写作任务，阅读理解任务，沟通交流任务，归纳推理任务，演绎推理任务，图形推理任务，Bangard任务，图画创作任务，作曲任务，雕塑任务，摄影任务，电影任务，文学任务，建筑任务，武器使用任务，猎杀任务，飞行任务，语言任务，识别任务，学习任务，目标驱动任务，推理任务。
经过归类整理思考，得到下面的任务分类法：
- 本能类任务
反应类：刺激收缩任务，条件反射任务，指定躲避任务，避开指定伤害方向任务，
搜寻类：食物寻找、配偶寻找、目标物寻找
- 运动控制类任务
简单直接肢体控制类: 伪装任务、奔跑任务、下蹲任务、跳跃任务、躲避袭击任务、摆弄任务、穿衣配合类任务
间接工具控制类：电焊任务，积木任务，修理类任务
带目标的控制类: 声音定向移动任务
精准、复杂组合及规划类: 结网任务、筑巢任务、舞蹈任务、驾驶任务、弹琴类任务
- 观察感知类任务
视觉类：面部识别任务、物体识别任务、空间方位识别任务、文字识别任务、运动检测任务、立体视觉任务、观察发现类任务（如找茬、发现共同点(也算推理类任务)等）、表情识别任务
声音类：声音辨别任务、音乐识别任务、语言识别任务
其他感觉类：方位感知任务等
- 记忆类任务
伤害避免任务、物体认知任务、知识学习任务
- 世界感知互动类任务
否定意识任务、自我认知任务、发笑任务、讲笑话任务、情感辨识任务、欺骗任务、知识学习类任务(教与学)
- 语言类任务
语言学习任务、语言推理类任务、语言表达任务、阅读任务、写作任务、语言交流任务
- 推理类任务
图形推理任务、知识推理任务、运动推理任务、空间推理任务
- 高级复杂组合类任务
艺术创作类任务、科学研究类任务、技术服务型任务、人类情感交流类任务、家庭管家任务、专家任务、翻译任务、游戏类任务
四、未来
以上的总结将用来指导通用人工智能框架的设计，反过来也会用设计出来的框架对各种任务的进行执行。
参考文献
[1] https://en.wikipedia.org/wiki/Artificial_intelligence
[2] http://www.cse.buffalo.edu/~shapiro/Papers/ai.pdf
[3] https://conservation.unibas.ch/team/zschokke/spidergallery.php?lang=en
[4] http://v.youku.com/v_show/id_XMzI3MDc3MTMy.html?from=s1.8-1-1.2
[5] https://en.wikipedia.org/wiki/Vision_in_fishes
[6] http://v.youku.com/v_show/id_XNzQ2MzYwODI0.html
[7] http://tech.sina.com.cn/d/2007-09-13/08271736796.shtml
[8] http://www.babytree.com/learn/article/13477#know_article_content_page_0