1.自然语言生成
　　自然语言生成是一个AI子学科，它将数据转换为文本，使计算机能够以完美的准确度交流思想。
　　它用于客户服务以生成报告和市场摘要，比如国外的Automated Insights，Cambridge Semantics等公司，就在使用这一技术。
　

　　2.语音识别
　　Siri只是能够理解你的系统之一。每天，越来越多的系统被创建，可以转录人类语言，通过语音响应交互系统和移动应用程序达到数十万。
　　3.虚拟智能助理
　　虚拟助理只不过是能够与人交互的计算机代理或程序。这种技术最常见的例子是聊天机器人。
　　虚拟助理目前正用于客户服务和支持以及智能家居管理。一些提供虚拟智能助理的公司包括亚马逊，Apple，Google，Microsoft等等4.机器学习平台
　　如今，计算机也可以轻松学习，而且它们非常聪明！机器学习（ML）是计算机科学的一个分支学科，是人工智能的一个分支。 其目标是开发允许计算机学习的技术。
　　通过提供算法，API（应用程序编程接口），开发和培训工具，大数据，应用程序和其他机器，ML平台每天都在获得越来越多的牵引力。它们目前主要用于预测和分类。
　　5. AI优化硬件
　　AI技术使硬件更加友好。怎么样？
　　通过专门设计和构造的新图形和中央处理单元和处理设备来执行面向AI的任务。如果您还没有看到它们，那么即将出现并广泛接受可以直接插入便携式设备和其他地方的AI优化硅芯片。
　　

　　6.决策管理
　　智能机器能够为AI系统引入规则和逻辑，因此您可以将它们用于初始设置/培训，持续维护和调整。决策管理已经整合到各种企业应用程序中，以协助和执行自动化决策，使您的业务尽可能盈利。
　　7.深度学习平台
　　深度学习平台使用独特的ML形式，其中涉及具有各种抽象层的人工神经回路，这些抽象层可以模仿人类大脑，处理数据并创建决策模式。它目前主要用于识别模式并对仅与大规模数据集兼容的应用程序进行分类。
　　8.生物识别技术
　　该技术可以识别，测量和分析人体行为和身体结构和形态的物理方面。它允许人与机器之间更自然的交互，包括与触摸，图像，语音和肢体语言识别相关的交互，并且在市场研究领域中是很重要的。
　　9.机器人过程自动化
　　机器人流程自动化使用模拟和自动化人工任务的脚本和方法来支持企业流程。对于为特定工作或任务雇用人员过于昂贵或低效的情况，它尤其有用。
　

　　一个很好的例子是Adext AI，这是一个使用AI自动化数字广告流程的平台，可以帮助企业节省大量时间，完成机械和重复性任务。
　　10.文本分析和NLP（自然语言处理）
　　该技术使用文本分析通过统计方法和ML来理解句子的结构，以及它们的意义和意图。文本分析和NLP目前正用于安全系统和欺诈检测。它们也被大量自动化助理和应用程序用于提取非结构化数据。
　　补充：人工智能的实践模型
　　谷歌曾经在2017年发布过一个AI开源DIY项目——AIY Projects。其目的也就是想降低AI的学习门槛，让人工智能更加平民化、普及化。同时，谷歌为推广AI技术，还发布了相关的AI硬件产品。其中，AIY视觉套件——AIY Vision Kit，可以处理图像识别和计算机视觉, 支持离线识别上千种常见物体（动物、植物）以及人脸、面部表情等。
　　

　　值得一提是，这个纸盒的核心，是一块叫Vision Bonnet的电路板，采用的是英特尔 Movidius MA2450 芯片。 原来这种低功率视觉处理单元，能够运行神经网络模型来识别物体。