反应型机器的一个典型例子就是著名的 IBM 国际象棋程序 Deep Blue)。1997 年 5 月，它以 3.5:2.5 的战绩击败了世界冠军 Garry Kasparov，成为首个在标准比赛时限内击败国际象棋世界冠军的计算机系统。
Deep Blue 看似拥有人的智慧，实践上，它只关注棋盘上的现状，并在能够的走法中作出决策。除了遵守反复棋局不能延续出现三次的规定外，和阅历丰富的人类不同，它对过去并没有任何概念。
目前的人工智能，要么对世界没有概念，要么只对其执行的特定义务有极其有限、详细的概念。Deep Blue 的创新之处在于，它放弃了拓宽计算机能够思索的棋路范围的这种思绪。相反，开发人员找到了一种方法，让它减少本人的“视角”，根据它对某些走法的结果停止评价，中止追求一些能够的走法。相似地，AlphaGo 也无法评价一切的走法，但它采用了比 Deep Blue 更为复杂的方法：运用神经网络来评价棋局的走势。
这种类型的人工智能无法在专业范畴之外发挥作用，而且容易被捉弄。它们无法经过交互的方式成为世界的组成部分。很显然，它们只是最基本的人工智能系统，并不符合我们对人工智能系统的将来预期，即可以与人类展开真正的互动，甚至对周围的环境作出真实的反应。
有限记忆型（Limited Memory AI）
有限的记忆，顾名思义，指人工智能可以经过研讨以往的数据作出明智的决策。这种类型的人工智能具有短暂或暂时的记忆，可以用来存储过去的阅历并评价将来的行为。
自动驾驶汽车就是这种类型的人工智能，它应用最近搜集的数据作出即时决议。例如，运用传感器辨认过马路的行人、峻峭的道路以及交通讯号等，从而作出更好的驾驶决策，这有助于防止交通事故的发生。
但是，自动驾驶汽车的历史信息存在的工夫很短暂，无法像阅历丰富的人类驾驶员那样将其存储在“阅历库”中。这种类型的人工智能，并不能构建片面的“表现”（representations），它并不能记住本人的阅历，并学会如何应对新的状况。
具有心智型（Theory Of Mind AI）
心智实际，心思学术语，是人类可以了解本身及周围人的心思形状的才能。这一实际来源于哲学，进入心思学范畴后，渐渐成为认知心思学与神经心思学的研讨重心之一。心智实际是人类社会构成的关键，经过这一实际，人们可以更好地了解社交、互动的内在动力。试想，假如人类不能了解彼此的动机和意图，那么，互相间的沟通、合作就会变得异常困难，甚至毫无能够。
