人工智能（AI）是一门广泛的学科，涉及多个技术和方法。以下是一些常用的AI技术：

1、机器学习（Machine Learning）：
监督学习（Supervised Learning）：使用标注数据进行训练，目标是预测输出。
常见算法：线性回归、支持向量机（SVM）、随机森林等。
无监督学习（Unsupervised Learning）：处理未标注的数据，发现数据中的模式。
常见算法：聚类（如Kmeans）、主成分分析（PCA）等。
强化学习（Reinforcement Learning）：通过试错和奖励机制学习最优策略。

2、深度学习（Deep Learning）：
使用多层神经网络来模拟复杂的非线性关系。
常见架构：卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。

3、自然语言处理（Natural Language Processing, NLP）：
处理和理解人类语言的技术。
常见任务：文本分类、情感分析、机器翻译、问答系统等。
技术：词嵌入（如Word2Vec、GloVe）、Transformer模型（如BERT、GPT）。

4、计算机视觉（Computer Vision）：
让计算机理解和解释图像或视频内容。
常见任务：图像识别、物体检测、图像分割等。
技术：卷积神经网络（CNN）、YOLO、Faster RCNN等。

5、推荐系统（Recommendation Systems）：
根据用户的行为和偏好推荐内容。
技术：协同过滤、矩阵分解、深度学习模型等。

6、知识表示与推理（Knowledge Representation and Reasoning）：
表示和处理知识的结构化方法。
常见形式：语义网、本体论、逻辑推理等。

7、强化学习（Reinforcement Learning）：
通过试错和奖励机制学习最优策略。
应用：游戏AI、机器人控制等。

8、生成对抗网络（Generative Adversarial Networks, GANs）：
用于生成新的数据样本，如图像、音频等。
技术：生成器和判别器的对抗训练。

9、迁移学习（Transfer Learning）：
利用预训练模型在新任务上进行微调。
常见应用：图像分类、NLP任务等。

这些技术在不同的应用场景中结合使用，推动了AI在各个领域的快速发展。