A inteligência artificial, definida como inteligência exibida por máquinas, tem muitas aplicações na sociedade atual. Mais especificamente, é AI Fraca, a forma de IA onde os programas são desenvolvidos para executar tarefas específicas, que estão sendo utilizados para uma ampla gama de atividades, incluindo diagnóstico médico, comércio eletrônico, controle de robô e sensoriamento remoto. A IA tem sido usada para desenvolver e avançar numerosos campos e indústrias, incluindo finanças, saúde, educação, transporte e muito mais.

AI for Good
AI for Good é um movimento no qual as instituições estão empregando AI para enfrentar alguns dos maiores desafios econômicos e sociais do mundo. Por exemplo, a Universidade do Sul da Califórnia lançou o Centro de Inteligência Artificial na Sociedade, com o objetivo de usar a IA para abordar problemas socialmente relevantes, como a falta de moradia. Em Stanford, os pesquisadores estão usando AI para analisar imagens de satélite para identificar quais áreas têm os mais altos níveis de pobreza.

Aviação
A Divisão de Operações Aéreas (AOD) usa AI para os sistemas especialistas baseados em regras. O AOD tem uso para inteligência artificial para operadores substitutos para simuladores de combate e treinamento, auxiliares de gerenciamento de missão, sistemas de suporte para tomada de decisão tática e pós-processamento dos dados do simulador em resumos simbólicos.

O uso de inteligência artificial em simuladores está provando ser muito útil para o AOD. Os simuladores de aviões estão usando inteligência artificial para processar os dados obtidos de voos simulados. Além de voar simulado, há também uma guerra de aeronaves simulada. Os computadores são capazes de criar os melhores cenários de sucesso nessas situações. Os computadores também podem criar estratégias com base no posicionamento, tamanho, velocidade e força das forças e forças contrárias. Os pilotos podem receber assistência no ar durante o combate por computadores. Os programas inteligentes artificiais podem classificar as informações e fornecer ao piloto as melhores manobras possíveis, sem mencionar a eliminação de certas manobras que seriam impossíveis para um ser humano realizar. Múltiplas aeronaves são necessárias para obter boas aproximações para alguns cálculos, para que pilotos simulados por computador sejam usados ​​para coletar dados. Estes pilotos simulados por computador também são usados ​​para treinar futuros controladores de tráfego aéreo.

O sistema utilizado pelo AOD para medir o desempenho foi o Sistema Interativo de Diagnóstico e Isolamento de Falhas, ou IFDIS. É um sistema especialista baseado em regras, reunido pela coleta de informações de documentos TF-30 e o aconselhamento especializado de mecânicos que trabalham no TF-30. Este sistema foi projetado para ser usado para o desenvolvimento do TF-30 para o RAAF F-111C. O sistema de desempenho também foi usado para substituir trabalhadores especializados. O sistema permitia aos trabalhadores regulares se comunicar com o sistema e evitar erros, erros de cálculo ou ter que falar com um dos trabalhadores especializados.

O AOD também usa inteligência artificial em software de reconhecimento de fala. Os controladores de tráfego aéreo estão dando instruções aos pilotos artificiais e a AOD quer que os pilotos respondam aos ATCs com respostas simples. Os programas que incorporam o software de fala devem ser treinados, o que significa que eles usam redes neurais. O programa usado, o Verbex 7000, ainda é um programa muito antigo que tem muito espaço para melhorias. As melhorias são imperativas porque os ATCs usam diálogos muito específicos e o software precisa ser capaz de se comunicar de maneira correta e rápida o tempo todo.

A Inteligência Artificial suportada por Design de Aeronaves, ou AIDA, é usada para ajudar os projetistas no processo de criação de projetos conceituais de aeronaves. Este programa permite que os designers se concentrem mais no design e menos no processo de design. O software também permite que o usuário se concentre menos nas ferramentas de software. A AIDA usa sistemas baseados em regras para calcular seus dados. Este é um diagrama do arranjo dos módulos da AIDA. Embora simples, o programa está se mostrando eficaz.

Em 2003, o Centro de Pesquisa de Voo Dryden da NASA, e muitas outras empresas, criaram um software que poderia permitir que uma aeronave danificada continuasse a voar até que uma zona de pouso segura pudesse ser alcançada. O software compensa todos os componentes danificados confiando nos componentes não danificados. A rede neural usada no software provou ser eficaz e marcou um triunfo para a inteligência artificial.

O sistema Integrado de Gestão de Saúde do Veículo, também usado pela NASA, a bordo de uma aeronave, deve processar e interpretar dados retirados dos vários sensores da aeronave. O sistema precisa ser capaz de determinar a integridade estrutural da aeronave. O sistema também precisa implementar protocolos em caso de qualquer dano sofrido pelo veículo.

Haitham Baomar e Peter Bentley estão liderando uma equipe do University College of London para desenvolver um Intelligent Autopilot System (IAS) baseado em inteligência artificial projetado para ensinar um sistema de piloto automático a se comportar como um piloto altamente experiente que enfrenta uma situação de emergência como grave tempo, turbulência ou falha do sistema. Educar o piloto automático depende do conceito de aprendizado de máquina supervisionado “que trata o jovem piloto automático como um aprendiz humano indo para uma escola de vôo”. O piloto automático registra as ações do piloto humano gerando modelos de aprendizado usando redes neurais artificiais. O piloto automático recebe então o controle total e é observado pelo piloto ao executar o exercício de treinamento.

O Sistema Inteligente de Piloto Automático combina os princípios da Aprendizagem da Aprendizagem e da Clonagem Comportamental, nos quais o piloto automático observa as ações de baixo nível necessárias para manobrar o avião e a estratégia de alto nível usada para aplicar essas ações. A implementação do IAS emprega três fases; coleta de dados piloto, treinamento e controle autônomo. O objetivo de Baomar e Bentley é criar um piloto automático mais autônomo para ajudar os pilotos a responder a situações de emergência.

Ciência da Computação
Pesquisadores de IA criaram muitas ferramentas para resolver os problemas mais difíceis da ciência da computação. Muitas de suas invenções foram adotadas pela ciência da computação e não são mais consideradas parte da IA. (Veja o efeito AI.) De acordo com Russell & Norvig (2003, p. 15), todos os seguintes foram originalmente desenvolvidos em laboratórios de inteligência artificial: compartilhamento de tempo, intérpretes interativos, interfaces gráficas de usuário e mouse de computador, ambientes de desenvolvimento rápido, listar estrutura de dados, gerenciamento automático de armazenamento, programação simbólica, programação funcional, programação dinâmica e programação orientada a objetos.

AI pode ser usado para determinar potencialmente o desenvolvedor de binários anônimos.

AI pode ser usado para criar outro AI. Por exemplo, por volta de novembro de 2017, o projeto AutoML do Google para desenvolver novas topologias de redes neurais criou a NASNet, um sistema otimizado para o ImageNet e o COCO. Segundo o Google, o desempenho da NASNet excedeu todo o desempenho do ImageNet publicado anteriormente.

Educação
Existem várias empresas que criam robôs para ensinar matérias a crianças, desde a biologia até a ciência da computação, embora essas ferramentas ainda não tenham se difundido. Houve também um aumento dos sistemas de tutoria inteligente, ou ITS, no ensino superior. Por exemplo, um ITS chamado SHERLOCK ensina técnicos da Força Aérea a diagnosticar problemas de sistemas elétricos em aeronaves. Outro exemplo é o DARPA, Agência de Projetos de Pesquisa Avançada de Defesa, que utilizou a AI para desenvolver um tutor digital para treinar seus recrutas da Marinha em habilidades técnicas em um curto período de tempo. As universidades têm sido lentas na adoção de tecnologias de IA devido à falta de financiamento ou ceticismo quanto à eficácia dessas ferramentas, mas nos próximos anos mais salas de aula utilizarão tecnologias como ITS para complementar os professores.

Os avanços no processamento de linguagem natural, combinados com o aprendizado de máquina, também permitiram a classificação automática de tarefas, bem como a compreensão orientada por dados das necessidades individuais de aprendizado dos alunos. Isso levou a uma explosão na popularidade dos MOOCs, ou Massive Open Online Courses, que permite que estudantes de todo o mundo façam aulas on-line. Os conjuntos de dados coletados desses sistemas de aprendizagem on-line em grande escala também permitiram a análise de aprendizado, que será usada para melhorar a qualidade da aprendizagem em escala. Exemplos de como a análise de aprendizado pode ser usada para melhorar a qualidade da aprendizagem incluem prever quais alunos estão em risco de falha e analisar o engajamento dos alunos.

Finança
Negociação algorítmica
O comércio algorítmico envolve o uso de sistemas complexos de Inteligência Artificial para tomar decisões comerciais a velocidades de várias ordens de grandeza maiores do que qualquer humano é capaz, muitas vezes fazendo milhões de negociações em um dia sem qualquer intervenção humana. Os sistemas de negociação automatizados são normalmente usados ​​por grandes investidores institucionais.

Análise de mercado e mineração de dados
Várias grandes instituições financeiras investiram em motores de inteligência artificial para auxiliar em suas práticas de investimento. O mecanismo de inteligência artificial da BlackRock, Aladdin, é usado tanto dentro da empresa quanto para os clientes para ajudar nas decisões de investimento. Sua ampla gama de funcionalidades inclui o uso de processamento de linguagem natural para ler texto, como notícias, relatórios de corretores e feeds de mídias sociais. Em seguida, mede o sentimento nas empresas mencionadas e atribui uma pontuação. Bancos como o UBS e o Deutsche Bank usam um mecanismo de AI chamado Sqreem (Sequential Quantum Reduction and Extraction Model) que pode extrair dados para desenvolver perfis de consumidores e combiná-los com os produtos de gerenciamento de riqueza que eles mais gostariam. A Goldman Sachs usa a Kensho, uma plataforma de análise de mercado que combina computação estatística com big data e processamento de linguagem natural. Seus sistemas de aprendizado de máquina exploram dados de internet e avaliam correlações entre eventos mundiais e seu impacto no preço dos ativos. A Extração de Informações, parte da inteligência artificial, é usada para extrair informações do feed de notícias ao vivo e para auxiliar nas decisões de investimento.

Finanças pessoais
Vários produtos estão surgindo que utilizam a inteligência artificial para ajudar as pessoas com suas finanças pessoais. Por exemplo, Digit é um aplicativo alimentado por inteligência artificial que ajuda automaticamente os consumidores a otimizar seus gastos e economias com base em seus próprios hábitos e objetivos pessoais. O aplicativo pode analisar fatores como renda mensal, saldo atual e hábitos de consumo, depois tomar suas próprias decisões e transferir dinheiro para a conta de poupança. A Wallet.AI, uma startup iniciante em São Francisco, constrói agentes que analisam dados que um consumidor deixaria para trás, desde check-ins de smartphones até tweets, para informar o consumidor sobre seu comportamento de gastos.

Gerenciamento de portfólio
Robo-conselheiros estão se tornando mais amplamente utilizados na indústria de gestão de investimentos. Robo-conselheiros fornecem consultoria financeira e gerenciamento de portfólio com intervenção humana mínima. Essa classe de consultores financeiros trabalha com base em algoritmos criados para desenvolver automaticamente um portfólio financeiro de acordo com as metas de investimento e a tolerância a riscos dos clientes. Pode ajustar-se às mudanças em tempo real no mercado e, consequentemente, calibrar o portfólio.

Subscrição
Um emprestador on-line, Upstart, analisa grandes quantidades de dados do consumidor e utiliza algoritmos de aprendizado de máquina para desenvolver modelos de risco de crédito que preveem a probabilidade de inadimplência do consumidor. Sua tecnologia será licenciada para os bancos para alavancar seus processos de subscrição também.

A ZestFinance também desenvolveu sua plataforma ZAML (Zest Automated Machine Learning) especificamente para subscrição de créditos. Essa plataforma utiliza o aprendizado de máquina para analisar dezenas de milhares de variáveis ​​tradicionais e não tradicionais (de transações de compra até o modo como um cliente preenche um formulário) usadas no setor de crédito para classificar os mutuários. A plataforma é particularmente útil para atribuir pontuações de crédito àquelas com histórico de crédito limitado, como millennials.

Geografia e Ecologia
Uma aplicação é dada por Papadimitriou (2012), em linguagem Prolog, com referência a paisagens mediterrânicas.

Procura de emprego
O mercado de trabalho tem visto uma mudança notável devido à implementação da inteligência artificial. Simplificou o processo para recrutadores e candidatos a emprego (ou seja, o Google for Jobs e a inscrição on-line). De acordo com Raj Mukherjee da Indeed.com, 65% das pessoas iniciam uma busca de emprego novamente dentro de 91 dias após a contratação. O motor com motor AI simplifica a complexidade da procura de emprego, operando informações sobre habilidades profissionais, salários e tendências do usuário, combinando as pessoas com as posições mais relevantes. A inteligência de máquina calcula quais salários seriam apropriados para um trabalho específico, puxa e destaca informações de currículo para recrutadores que usam processamento de linguagem natural, que extrai palavras e frases relevantes do texto usando um software especializado. Outra aplicação é um construtor de currículo AI que requer 5 minutos para compilar um CV, em oposição a passar horas fazendo o mesmo trabalho. Na IA, os chatbots de idade auxiliam os visitantes do site e resolvem os fluxos de trabalho diários. Ferramentas revolucionárias de inteligência artificial complementam as habilidades das pessoas e permitem que os gerentes de RH se concentrem nas tarefas de maior prioridade. No entanto, o impacto da Inteligência Artificial na pesquisa de empregos sugere que, até 2030, agentes inteligentes e robôs podem eliminar 30% do trabalho humano no mundo. Além disso, a pesquisa prova que a automação deslocará entre 400 e 800 milhões de funcionários. O relatório de pesquisa da Glassdoor afirma que o recrutamento e o RH devem ter uma adoção mais ampla da AI no mercado de trabalho em 2018 e além.

Industria pesada
Os robôs se tornaram comuns em muitos setores e recebem frequentemente empregos que são considerados perigosos para os seres humanos. Os robôs têm se mostrado eficazes em trabalhos que são muito repetitivos, o que pode levar a erros ou acidentes devido a um lapso de concentração e outros trabalhos que os humanos podem achar degradantes.

Em 2014, China, Japão, Estados Unidos, República da Coréia e Alemanha juntos representaram 70% do volume total de vendas de robôs. Na indústria automotiva, um setor com alto grau de automação, o Japão teve a maior densidade de robôs industriais do mundo: 1.414 por 10.000 funcionários.

Hospitais e medicina
As redes neurais artificiais são utilizadas como sistemas de apoio à decisão clínica para diagnóstico médico, como na tecnologia Concept Processing em software EMR.

Outras tarefas na medicina que podem potencialmente ser realizadas pela inteligência artificial e estão começando a ser desenvolvidas incluem:

Interpretação assistida por computador de imagens médicas. Tais sistemas ajudam a digitalizar imagens digitais, por exemplo, de tomografia computadorizada, para aparências típicas e para destacar seções conspícuas, como possíveis doenças. Uma aplicação típica é a detecção de um tumor.
Análise do som do coração
Robôs Companheiros para o Cuidado do Idoso
Registros médicos de mineração para fornecer informações mais úteis.
Planos de tratamento de design.
Auxiliar em trabalhos repetitivos, incluindo gerenciamento de medicação.
Fornecer consultas.
Criação de drogas
Usando avatares no lugar de pacientes para treinamento clínico
Prever a probabilidade de morte por procedimentos cirúrgicos
Prever a progressão do HIV

Atualmente, existem mais de 90 startups de IA no setor de saúde que trabalham nesses campos.

A primeira solução da IDx, IDx-DR, é o primeiro sistema autônomo de diagnóstico baseado em IA autorizado para comercialização pelo FDA.

Recursos humanos e recrutamento
Outra aplicação da IA ​​está nos recursos humanos e no espaço de recrutamento. Existem três maneiras pelas quais a IA está sendo usada por recursos humanos e profissionais de recrutamento. AI é usado para rastrear currículos e classificar os candidatos de acordo com seu nível de qualificação. Ai também é usado para prever o sucesso do candidato em determinadas funções por meio de plataformas de correspondência de tarefas. E agora, a IA está lançando robôs de chat que podem automatizar tarefas de comunicação repetitivas.

Normalmente, currículo de seleção envolve um recrutador ou outra verificação profissional de RH através de um banco de dados de currículos. Agora, startups como a Pomato estão criando algoritmos de aprendizado de máquina para automatizar os processos de seleção de currículos. O exame de currículo da Pomato AI se concentra na automatização da validação de candidatos técnicos para empresas de equipes técnicas. A IA de Pomato realiza mais de 200.000 cálculos em cada currículo em segundos, depois cria uma entrevista técnica personalizada baseada nas habilidades exploradas. A KE Solutions, fundada em 2014, desenvolveu sistemas de recomendação para classificar empregos para candidatos e classificar currículos para os empregadores. O jobster.io, desenvolvido pela KE Solutions usa a pesquisa baseada em conceito, aumentou a precisão em 80% em comparação com o ATS tradicional. Ajuda os recrutadores a superar as barreiras técnicas.

De 2016 a 2017, a Unilever, empresa de bens de consumo, utilizou inteligência artificial para avaliar todos os funcionários de nível de entrada. A AI da Unilever usou jogos baseados em neurociência, entrevistas gravadas e análise facial / fala para prever o sucesso da contratação. A Unilever formou uma parceria com a Pymetrics e a HireVue para permitir sua nova triagem baseada em IA e aumentou seus candidatos de 15.000 para 30.000 em um único ano. Recrutamento com AI também produziu a “classe mais diversificada até hoje” da Unililever. A Unilever também reduziu o tempo de contratação de 4 meses para 4 semanas e economizou mais de 50.000 horas de tempo de recrutamento.

Do rastreio de currículo à neurociência, reconhecimento de fala e análise facial … está claro que a IA está tendo um enorme impacto no campo de recursos humanos. Ainda outro desenvolvimento em IA está em recrutar chatbots. A TextRecruit, uma startup da Bay Area, lançou o Ari (interface de recrutamento automatizado). O Ari é um chatbot de recrutamento projetado para manter conversas bidirecionais de mensagens de texto com os candidatos. O Ari automatiza a publicação de vagas de emprego, abertura de anúncios, seleção de candidatos, agendamento de entrevistas e promoção de relacionamentos de candidatos com atualizações à medida que avançam ao longo do funil de contratação. Atualmente, o Ari é oferecido como parte da plataforma de engajamento de candidatos da TextRecruit.

Marketing
Os campos de marketing e inteligência artificial convergem em sistemas que auxiliam em áreas como previsão de mercado, automação de processos e tomada de decisão, além de maior eficiência de tarefas que normalmente seriam realizadas por seres humanos. A ciência por trás desses sistemas pode ser explicada por meio de redes neurais e sistemas especialistas, programas de computador que processam informações e fornecem resultados valiosos para os profissionais de marketing.

Sistemas de inteligência artificial derivados da tecnologia de computação social podem ser aplicados para entender as redes sociais na web. Técnicas de mineração de dados podem ser usadas para analisar diferentes tipos de redes sociais. Essa análise ajuda o profissional de marketing a identificar atores ou nós influentes nas redes, informações que podem ser aplicadas para adotar uma abordagem de marketing social.

meios de comunicação
Alguns aplicativos de IA são voltados para a análise de conteúdo de mídia audiovisual, como filmes, programas de TV, vídeos de propaganda ou conteúdo gerado pelo usuário. As soluções envolvem frequentemente a visão por computador, que é uma área de aplicação importante da IA.

Os cenários típicos de casos de uso incluem a análise de imagens usando técnicas de reconhecimento de objetos ou reconhecimento de faces, ou a análise de vídeos para reconhecer cenas, objetos ou faces relevantes. A motivação para usar análise de mídia baseada em IA pode ser – entre outras coisas – a facilitação da pesquisa de mídia, a criação de um conjunto de palavras-chave descritivas para um item de mídia, monitoramento de política de conteúdo de mídia (como verificar a adequação do conteúdo para um determinado Tempo de visualização de TV), fala para texto para arquivamento ou outros fins, e a detecção de logotipos, produtos ou rostos de celebridades para a colocação de anúncios relevantes.

Análise de mídia As empresas de inteligência artificial geralmente fornecem seus serviços por meio de uma API REST que permite o acesso automático baseado em máquina à tecnologia e permite a leitura automática dos resultados. Por exemplo, a IBM, a Microsoft, a Amazon e a empresa de vídeo AI Valossa permitem acesso à sua tecnologia de reconhecimento de mídia usando APIs RESTful.

Música
Enquanto a evolução da música sempre foi afetada pela tecnologia, a inteligência artificial permitiu, através de avanços científicos, emular, em certa medida, uma composição semelhante à humana.

Entre os primeiros esforços notáveis, David Cope criou uma IA chamada Emily Howell que conseguiu se tornar bem conhecida no campo da Computação Computacional Algorítmica. O algoritmo por trás de Emily Howell está registrado como uma patente dos EUA.

A AI Iamus criou em 2012 o primeiro álbum clássico completo totalmente composto por um computador.

Outros esforços, como o AIVA (Artista Virtual de Inteligência Artificial), concentram-se em compor música sinfônica, principalmente música clássica para partituras de filmes. Ele alcançou o primeiro lugar no mundo ao se tornar o primeiro compositor virtual a ser reconhecido por uma associação profissional musical.

As inteligências artificiais podem até mesmo produzir música utilizável em um ambiente médico, com o esforço da Melomics de usar música gerada por computador para aliviar o estresse e a dor.

Além disso, iniciativas como o Google Magenta, conduzidas pela equipe do Google Brain, querem descobrir se uma inteligência artificial pode ser capaz de criar arte atraente.

No Sony CSL Research Laboratory, seu software Flow Machines criou músicas pop aprendendo estilos musicais a partir de um enorme banco de dados de músicas. Ao analisar combinações únicas de estilos e técnicas de otimização, ele pode compor em qualquer estilo.

Outro projeto de composição musical de inteligência artificial, The Watson Beat, escrito pela IBM Research, não precisa de um enorme banco de dados de música como os projetos Google Magenta e Flow Machines, já que usa Reinforcement Learning e Deep Belief Networks para compor música em uma simples semente. melodia de entrada e um estilo de seleção. Desde que o software tem sido open source músicos, como Taryn Southern têm colaborado com o projeto para criar música.

Notícias, publicação e escrita
A empresa Narrative Science disponibiliza notícias geradas por computador e relatórios comercialmente disponíveis, incluindo resumos de eventos esportivos em equipe com base em dados estatísticos do jogo em inglês. Também cria relatórios financeiros e análises imobiliárias. Da mesma forma, a empresa Automated Insights gera recontagens e pré-visualizações personalizadas para o Yahoo Sports Fantasy Football. A empresa está projetada para gerar um bilhão de histórias em 2014, acima dos 350 milhões em 2013.

A Echobox é uma empresa de software que ajuda os editores a aumentar o tráfego ao “inteligente” postar artigos em plataformas de mídia social, como Facebook e Twitter. Ao analisar grandes quantidades de dados, ele aprende como públicos específicos respondem a diferentes artigos em diferentes momentos do dia. Em seguida, escolhe as melhores histórias para postar e os melhores horários para publicá-las. Ele usa dados históricos e em tempo real para entender o que funcionou bem no passado, bem como o que está tendendo atualmente na Web.

Outra empresa, chamada Yseop, usa inteligência artificial para transformar dados estruturados em comentários inteligentes e recomendações em linguagem natural. Yseop é capaz de escrever relatórios financeiros, resumos executivos, vendas personalizadas ou documentos de marketing e muito mais a uma velocidade de milhares de páginas por segundo e em vários idiomas, incluindo inglês, espanhol, francês e alemão.

O Boomtrain é outro exemplo de IA projetado para aprender a melhor maneira de envolver cada leitor individual com os artigos exatos – enviados pelo canal certo e na hora certa – que serão mais relevantes para o leitor. É como contratar um editor pessoal para cada leitor individual para curar a experiência de leitura perfeita.

Existe também a possibilidade de que a IA escreva trabalhos no futuro. Em 2016, uma AI japonesa co-escreveu um conto e quase ganhou um prêmio literário.

Atendimento ao cliente on-line e por telefone
A inteligência artificial é implementada em assistentes on-line automatizados que podem ser vistos como avatares em páginas da web. Pode aproveitar as empresas para reduzir seu custo de operação e treinamento. Uma das principais tecnologias subjacentes a esses sistemas é o processamento de linguagem natural. A Pypestream usa atendimento automatizado ao cliente para seu aplicativo móvel projetado para agilizar a comunicação com os clientes.

Atualmente, grandes empresas estão investindo em IA para lidar com clientes difíceis no futuro. O desenvolvimento mais recente do Google analisa a linguagem e converte a fala em texto. A plataforma pode identificar clientes irritados por meio de seu idioma e responder adequadamente.

Sensores
A Inteligência Artificial foi combinada com muitas tecnologias de sensores, como a Digital SpectrometryTM da IdeaCuria Inc., que permite muitas aplicações, como no monitoramento da qualidade da água em casa.

Manutenção de telecomunicações
Muitas empresas de telecomunicações fazem uso da pesquisa heurística na gestão de suas forças de trabalho, por exemplo, o BT Group implantou a pesquisa heurística em um aplicativo de agendamento que fornece as programações de trabalho de 20.000 engenheiros.

Brinquedos e jogos
Os anos 90 viram algumas das primeiras tentativas de produzir em massa tipos de Inteligência Artificial básica para a educação, ou lazer. Isso prosperou muito com a Revolução Digital e ajudou a introduzir pessoas, especialmente crianças, em uma vida de lidar com vários tipos de Inteligência Artificial, especificamente na forma de Tamagotchis e Giga Pets, iPod Touch, a Internet e o primeiro robô amplamente divulgado. Furby. Um ano depois, um tipo aperfeiçoado de robô doméstico foi lançado na forma de Aibo, um cão robótico com características inteligentes e autonomia.

Empresas como a Mattel vêm criando uma variedade de brinquedos com inteligência artificial para crianças de até três anos de idade. Usando mecanismos de IA proprietários e ferramentas de reconhecimento de fala, eles são capazes de entender conversas, dar respostas inteligentes e aprender rapidamente.

A IA também tem sido aplicada a videogames, por exemplo, bots de videogame, que são projetados para se apresentar como oponentes onde os humanos não estão disponíveis ou são desejados.

Transporte
Controladores lógicos difusos foram desenvolvidos para caixas de mudanças automáticas em automóveis. Por exemplo, o Audi TT, VW Touareg e VW Caravell 2006 apresentam a transmissão DSP que utiliza a Fuzzy Logic. Diversas variantes Škoda (Škoda Fabia) também incluem atualmente um controlador baseado em lógica difusa.

Os carros de hoje agora têm recursos de assistência ao motorista baseados em AI, como estacionamento sem manobrista e controles avançados de cruzeiro. A IA tem sido usada para otimizar aplicações de gerenciamento de tráfego, o que, por sua vez, reduz o tempo de espera, o uso de energia e as emissões em até 25%. No futuro, carros totalmente autônomos serão desenvolvidos. Espera-se que a IA no transporte forneça transporte seguro, eficiente e confiável, minimizando o impacto no meio ambiente e nas comunidades. O maior desafio para o desenvolvimento desta IA é o fato de que os sistemas de transporte são sistemas inerentemente complexos, envolvendo um grande número de componentes e diferentes partes, cada um com objetivos diferentes e muitas vezes conflitantes.

De outros
Várias ferramentas de inteligência artificial também estão sendo amplamente implementadas em segurança interna, reconhecimento de fala e texto, mineração de dados e filtragem de spam de e-mail. Também estão sendo desenvolvidos aplicativos para reconhecimento de gestos (compreensão da linguagem de sinais por máquinas), reconhecimento de voz individual, reconhecimento de voz global (de uma variedade de pessoas em uma sala barulhenta), reconhecimento de expressão facial para interpretação de emoção e sinais não verbais. Outras aplicações são a navegação por robôs, a prevenção de obstáculos e o reconhecimento de objetos.

Lista de pedidos

Problemas típicos aos quais os métodos AI são aplicados
Reconhecimento óptico de caracteres
Reconhecimento de caligrafia
Reconhecimento de fala
Reconhecimento facial
Criatividade artificial
Visão computacional, realidade virtual e processamento de imagens
Manipulação de foto e vídeo
Diagnóstico (inteligência artificial)
Teoria dos Jogos e Planejamento Estratégico
Jogo de inteligência artificial e bot de jogo de computador
Processamento de linguagem natural, Tradução e Chatterbots
Controle não linear e robótica

Outros campos em que os métodos AI são implementados
Vida artificial
Raciocínio automatizado
Automação
Computação biologicamente inspirada
Mineração de conceito
Mineração de dados
Representação de conhecimento
Web Semântica
Filtragem de spam por email
Robótica
Robótica Baseada no Comportamento
Cognitivo
Cibernética
Robótica do desenvolvimento (epigenética)
Robótica evolucionária
Sistema inteligente híbrido
Agente inteligente
Controle inteligente
Litígio