窄人工智能是指特别擅长处理单一任务或者特定范围内工作的系统。在大多数情况下，它们在特定领域中的表现远优于人类。不过一旦它们遇到的问题超过了适用空间，效果则急转直下。换言之，它们无法将自己掌握的知识从一个领域转移到另一个领域。

窄AI无法全面执行需要人类智能的任务，但在特定场景中仍然非常实用，而且已经在诸多应用之内发挥着自己的作用。谷歌搜索查询现在可以利用窄AI算法回答问题;窄AI系统会在YouTube及Netflix中推荐用户可能感兴趣的视频，并在Spotify中按喜好整理出周推音乐列表。

窄AI技术可以大体分为两类：符号型AI与机器学习。

符号型人工智能(又称传统AI，GOFAI)在很长一段历史时期中都是学术研究的主要领域。符号型AI要求程序员精心定义规则，借此引导智能系统的行为，符号AI适用于那些具备可预测且规则明确的应用场景。尽管过去几年当中，符号型AI的关注热度有所下降，但我们目前的大部分应用程序仍然以这类方案为基础。

机器学习则属于窄人工智能的另一分支，通过示例建立起智能系统。机器学习系统的开发者负责创建模型，并为其提供大量示例以完成“训练”过程。机器学习算法将处理这些示例，并建立起通过数据中的数学表示执行预测与分类任务的能力。