از هوش مصنوعی می توان برای حل مشکلات دنیای واقعی با اجرای فرایندها / تکنیک های زیر استفاده کرد:
فراگیری ماشین
یادگیری عمیق
پردازش زبان طبیعی
رباتیک
سیستم های خبره
منطق فازی
یادگیری ماشین:
یادگیری ماشینی علمی است برای واداشتن ماشین ها به تفسیر ، پردازش و تجزیه و تحلیل داده ها به منظور حل مشکلات دنیای واقعی.
یادگیری ماشین به سه دسته زیر تقسیم می‌شود:
یادگیری تحت نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری عمیق فرآیند پیاده سازی شبکه های عصبی بر روی داده های با ابعاد بالا برای به دست آوردن بینش و ایجاد راه حل است. یادگیری عمیق یک زمینه پیشرفته از یادگیری ماشین است که می تواند برای حل مشکلات پیشرفته تر مورد استفاده قرار گیرد. یادگیری عمیق منطقی در پشت الگوریتم تأیید چهره در فیس بوک ، اتومبیل های خودران ، دستیاران مجازی مانند Siri ، Alexa و غیره است.
پردازش زبان طبیعی
پردازش زبان طبیعی (NLP) به علم برداشت از زبان طبیعی انسان برای برقراری ارتباط با ماشین ها و توسعه مشاغل اشاره دارد.توییتر از NLP برای فیلتر کردن زبان های تروریستی در توییت های خود استفاده می کند ، آمازون از NLP برای درک نظرات مشتریان و بهبود تجربه کاربر استفاده می کند.
رباتیک
روباتیک شاخه ای از هوش مصنوعی است که بر شاخه های مختلف و کاربرد روبات ها تمرکز دارد. روبات های هوش مصنوعی عوامل مصنوعی هستند که در محیطی واقعی عمل می کنند تا با انجام اقدامات پاسخگو به نتیجه برسند.
سوفیا انسان نما نمونه خوبی از هوش مصنوعی در رباتیک است.
منطق فازی
منطق فازی یک رویکرد محاسباتی است که بر مبنای اصول “درجه های حقیقت” به جای منطق رایانه ای رایج مدرن یعنی ماهیت بولی استوار است.منطق فازی در زمینه های پزشکی برای حل مشکلات پیچیده که شامل تصمیم گیری می شود استفاده می شود. آنها همچنین در گیربکس های اتوماتیک ، کنترل محیط خودرو و غیره استفاده می شوند.
سیستم های خبره
یک سیستم متخصص یک سیستم کامپیوتری مبتنی بر هوش مصنوعی است که توانایی تصمیم گیری یک متخصص انسانی را یاد می گیرد و متقابلاً متقابل است. سیستم های خبره برای حل مشکلات پیچیده از نشانه های منطقی if-then استفاده می کنند. این به برنامه نویسی روال متداول متکی نیست. سیستمهای خبره عمدتا در مدیریت اطلاعات ، امکانات پزشکی ، تجزیه و تحلیل وام ، تشخیص ویروس و غیره استفاده می شوند.
