常见的人工智能技术有哪些？

人工智能AI走进生活，往往一些简单却不常用的技术会被人们忽视，如果是为了处理问题，不一定非要钻牛角尖在一种技术上，可以尝试其他方法或者多种技术混用，因为这些人工智能技术并不是互相排斥的。

机器人过程自动化（RPA）

通过观察用户执行特定任务来提取要执行的规则和操作列表的技术。

计算机视觉（CV）

获取和理解数字图像的方法（通常分为活动识别，图像识别和机器视觉）。

自然语言处理（NLP）

处理自然语言数据的子字段（属于该字段的三个主要块，即语言理解，语言生成和机器翻译）。

神经网络（NNs或ANNs）

一类松散地模仿人类/动物大脑的神经元结构的算法，可以在不明确指示如何操作的情况下改善其性能。NN的两个主要和众所周知的子类是深度学习（具有多个层的神经网络）和生成性对抗网络（GAN-两个相互训练的网络）。

自治系统

位于机器人和智能系统交叉点的子场（例如，智能感知，灵巧对象操纵，基于计划的机器人控制等）。

分布式人工智能（DAI）

一类通过将问题分发给彼此交互的自治“代理”来解决问题的技术。多智能体系统（MAS），基于代理的建模（ABM）和群体智能是该子集的三个有用的规范，其中集体行为来自分散的自组织代理的交互。

情感计算

一个处理情绪识别，解释和模拟的子领域。

进化算法（EA）

它是更广泛的计算机科学领域的一个子集，称为进化计算，它使用受生物学启发的机制（例如突变、繁殖等）来寻找最佳解决方案。遗传算法是最常用的EA子群，它是搜索启发式，遵循自然选择过程来选择“最适合”的候选解决方案。

归纳逻辑编程（ILP）

使用形式逻辑表示事实数据库并制定源自这些数据的假设的子字段。

决策网络

是最知名的贝叶斯网络/推理的推广，它通过映射表示一组变量及其概率关系（也称为有向无环图）。

概率编程

一种框架，它不会强制您对特定变量进行硬编码，而是使用概率模型。贝叶斯程序综合（BPS）在某种程度上是概率编程的一种形式，其中贝叶斯程序编写新的贝叶斯程序（而不是人类执行它，如在更广泛的概率编程方法中）。

环境智能（AmI）

一种框架，要求物理设备进入数字环境，以感知，感知和响应外部刺激（通常由人类行为触发）的情境感知。