人工智能（AI）的常用技术涵盖多个领域，以下是综合多个权威来源的核心技术分类及应用说明：

一、机器学习（Machine Learning）

通过算法使计算机从数据中自动学习模式，主要分为：

• 监督学习 ：如线性回归、逻辑回归，用于预测数值（如房价、销量）或分类（如垃圾邮件识别）；

• 无监督学习 ：如聚类分析，用于发现数据中的隐藏结构（如用户分群）；

• 强化学习 ：通过试错优化策略（如游戏AI、机器人路径规划）。

二、深度学习（Deep Learning）

基于神经网络的机器学习分支，擅长处理高维数据：

• 应用于图像识别（如人脸识别）、语音识别、自然语言处理等复杂任务。

三、自然语言处理（Natural Language Processing, NLP）

使计算机理解、生成人类语言：

• 应用于机器翻译、情感分析、智能客服、自动摘要等场景。

四、计算机视觉（Computer Vision）

让计算机解析和理解图像或视频：

• 应用于自动驾驶、医疗影像分析、物体检测等。

五、语音识别（Speech Recognition）

将语音转换为文本：

• 应用于智能语音助手、语音搜索、语音控制等。

六、机器人技术

整合机器视觉、自动规划等认知技术：

• 应用于无人机、扫地机器人、工业自动化等。

七、其他关键技术

• 支持向量机（SVM） ：用于高维数据分类；

• 遗传算法 ：通过模拟自然选择优化解决方案；

• 强化学习算法 ：如Q-learning，用于动态环境决策。

八、典型应用领域

• 金融风控 ：利用机器学习模型评估信用风险；

• 智能推荐系统 ：通过协同过滤推荐商品；

• 医疗诊断 ：辅助分析影像数据（如X光、CT）。

以上技术相互关联，共同推动AI在各个领域的创新应用。例如，深度学习在计算机视觉中提升图像识别精度，而自然语言处理则增强智能助手的交互能力。