人工智能，被定义为机器展示的智能，在当今社会中有许多应用。 更具体地说，它是弱AI，AI的形式，其中程序被开发用于执行特定任务，其被用于广泛的活动，包括医疗诊断，电子交易，机器人控制和遥感。 人工智能已被用于开发和推动众多领域和行业，包括金融，医疗保健，教育，交通等。
AI for Good
AI for Good是一个机构利用AI来应对世界上一些最大的经济和社会挑战的运动。 例如，南加州大学启动了社会人工智能中心，其目标是利用人工智能解决无家可归等社会相关问题。 在斯坦福大学，研究人员正在使用人工智能分析卫星图像，以确定哪些地区的贫困程度最高。
航空
空中作战司（AOD）将AI用于基于规则的专家系统。 AOD用于人工智能，用于战斗和训练模拟器的替代操作员，任务管理辅助工具，战术决策的支持系统，以及将模拟器数据后处理成符号摘要。
在模拟器中使用人工智能被证明对AOD非常有用。 飞机模拟器正在使用人工智能来处理从模拟飞行中获取的数据。 除了模拟飞行，还有模拟飞机战。 在这些情况下，计算机能够提供最佳成功方案。 计算机还可以根据力和力的位置，大小，速度和强度创建策略。 飞行员可以在战斗期间通过计算机获得空中援助。 人工智能程序可以对信息进行分类并为飞行员提供最佳的操作，更不用说摆脱人类不可能执行的某些操作。 需要多架飞机才能获得一些计算的良好近似值，因此计算机模拟飞行员用于收集数据。 这些计算机模拟飞行员也用于训练未来的空中交通管制员。
AOD用于测量性能的系统是交互式故障诊断和隔离系统，或IFDIS。 它是一个基于规则的专家系统，通过收集来自TF-30文件的信息和来自TF-30工作的机械师的专家建议。 该系统旨在用于开发RAAF F-111C的TF-30。 绩效系统也被用来取代专业工人。 该系统允许普通工人与系统通信，避免错误，错误计算或不得不与专业工作人员交谈。
AOD还在语音识别软件中使用人工智能。 空中交通管制员正在向人工飞行员发出指示，并且AOD希望飞行员通过简单的响应来响应ATC。 包含语音软件的程序必须经过培训，这意味着它们使用神经网络。 使用的程序Verbex 7000仍然是一个非常早期的程序，有很大的改进空间。 这些改进势在必行，因为ATC使用非常具体的对话框，软件需要每次都能正确，及时地进行通信。
人工智能支持飞机设计（AIDA）用于帮助设计人员创建飞机的概念设计。 该程序允许设计人员更多地关注设计本身而不是设计过程。 该软件还允许用户更少关注软件工具。 AIDA使用基于规则的系统来计算其数据。 这是AIDA模块的布置图。 虽然简单，但该计划证明是有效的。
2003年，NASA的德莱顿飞行研究中心和许多其他公司创造了一种软件，可以使损坏的飞机继续飞行，直到可以到达安全着陆区。 该软件依靠未损坏的组件补偿所有损坏的组件。 该软件中使用的神经网络被证明是有效的，并标志着人工智能的胜利。
NASA在飞机上使用的综合车辆健康管理系统必须处理和解释从飞机上的各种传感器获取的数据。 系统需要能够确定飞机的结构完整性。 系统还需要在车辆受到任何损坏的情况下实施协议。
Haitham Baomar和Peter Bentley领导伦敦大学学院的一个团队开发基于人工智能的智能自动驾驶系统（IAS），旨在教导自动驾驶系统，使其表现得像一位经验丰富的飞行员，面对紧急情况，如严重天气，湍流或系统故障。 教育自动驾驶仪依赖于监督机器学习的概念，“将年轻的自动驾驶仪视为飞往学校的人类学徒”。 自动驾驶仪使用人工神经网络记录人类飞行员生成学习模型的动作。 然后，自动驾驶仪完全控制并由飞行员在执行训练时观察。
智能自动驾驶系统结合了学徒学习和行为克隆的原则，其中自动驾驶仪观察到操纵飞机所需的低级动作以及用于应用这些动作的高级策略。 IAS实施采用三个阶段; 试点数据收集，培训和自主控制。 Baomar和Bentley的目标是创建一个更自主的自动驾驶仪，以协助飞行员应对紧急情况。
计算机科学
人工智能研究人员创造了许多工具来解决计算机科学中最棘手的问题。 他们的许多发明已经被主流计算机科学所采用，不再被认为是人工智能的一部分。 （参见AI效应。）根据Russell＆Norvig（2003，第15页），以下所有内容最初都是在AI实验室开发的：时间共享，交互式口译，图形用户界面和计算机鼠标，快速开发环境，链接列表数据结构，自动存储管理，符号编程，函数编程，动态编程和面向对象编程。
AI可用于潜在地确定匿名二进制文件的开发人员。
AI可用于创建其他AI。 例如，2017年11月左右，Google推出新神经网络拓扑的AutoML项目创建了NASNet，这是一个针对ImageNet和COCO优化的系统。 据谷歌称，NASNet的性能超过了之前发布的所有ImageNet性能。
教育
有许多公司制造机器人来教授从生物学到计算机科学的儿童科目，尽管这些工具尚未普及。 在高等教育中，智能辅导系统（ITS）也有所增加。 例如，一个名为SHERLOCK的ITS教导空军技术人员诊断飞机中的电气系统问题。 另一个例子是DARPA，国防高级研究计划局，它使用人工智能开发数字导师，在较短的时间内培训其海军新兵的技术技能。 由于缺乏资金或对这些工具的有效性持怀疑态度，大学在采用人工智能技术方面进展缓慢，但在未来几年，更多的教室将利用ITS等技术来补充教师。
自然语言处理的进步与机器学习相结合，还可以自动分配作业以及数据驱动的对个别学生学习需求的理解。 这导致了MOOCs或大规模开放在线课程的普及，这使得来自世界各地的学生可以在线上课。 从这些大规模在线学习系统收集的数据集也启用了学习分析，这将用于大规模提高学习质量。 学习分析如何用于提高学习质量的示例包括预测哪些学生面临失败的风险以及分析学生的参与度。
金融
算法交易
算法交易涉及使用复杂的AI系统来制定交易决策，其速度比任何人的能力都要高几个数量级，通常在一天内完成数百万次交易而无需任何人为干预。 自动交易系统通常由大型机构投资者使用。
市场分析和数据挖掘
几家大型金融机构投资于AI引擎，以协助其投资实践。 BlackRock的AI引擎Aladdin用于公司内部和客户，以帮助做出投资决策。 其广泛的功能包括使用自然语言处理来阅读新闻，经纪人报告和社交媒体提要等文本。 然后，它衡量所提到的公司的情绪，并分配一个分数。 瑞银（UBS）和德意志银行（Deutsche Bank）等银行使用称为Sqreem（顺序量子减少和提取模型）的AI引擎，该引擎可以挖掘数据以开发消费者档案，并将其与他们最想要的财富管理产品相匹配。 Goldman Sachs使用Kensho，这是一个将统计计算与大数据和自然语言处理相结合的市场分析平台。 其机器学习系统通过网络上的大量数据进行挖掘，并评估世界事件之间的相关性及其对资产价格的影响。 信息提取是人工智能的一部分，用于从实时新闻提取中提取信息并协助做出投资决策。
个人财务
有几种产品正在出现，利用人工智能来帮助人们获得个人财务。 例如，Digit是一款由人工智能提供支持的应用程序，可根据自己的个人习惯和目标自动帮助消费者优化支出和节省。 该应用程序可以分析每月收入，当前余额和消费习惯等因素，然后做出自己的决定并将钱转移到储蓄账户。 Wallet.AI是一家即将在旧金山创业的公司，负责建立代理商，分析消费者留下的数据，从智能手机签到到推文，以告知消费者他们的消费行为。
投资组合管理
机器人顾问正在投资管理行业中得到越来越广泛的应用。 机器人顾问提供财务建议和投资组合管理，人为干预最少。 这类财务顾问的工作基于根据投资目标和客户风险承受能力自动开发金融投资组合的算法。 它可以适应市场的实时变化，并相应地校准投资组合。
保险业
在线贷方Upstart分析大量消费者数据，并利用机器学习算法开发预测消费者违约可能性的信用风险模型。 他们的技术将被许可给银行，以便他们利用他们的承保流程。
ZestFinance还开发了Zest自动机器学习（ZAML）平台，专门用于信用承保。 该平台利用机器学习来分析信贷行业中使用的成千上万的传统和非传统变量（从购买交易到客户填写表格的方式）以对借款人进行评分。 该平台对于将信用评分分配给信用历史有限的人（例如千禧一代）特别有用。
地理与生态
Papadimitriou（2012）以Prolog语言提供了一份申请，涉及地中海景观。
求职
由于人工智能的实施，就业市场出现了显着的变化。 它简化了招聘人员和求职者（即Google for Jobs和在线申请）的流程。 来自Indeed.com的Raj Mukherjee表示，65％的人在被雇用后的91天内再次开始求职。 人工智能引擎通过操作有关工作技能，工资和用户倾向的信息，将人员与最相关的职位相匹配，简化了求职的复杂性。 机器智能计算适合特定工作的工资，使用自然语言处理为招聘人员提取并突出显示简历信息，自然语言处理使用专业软件从文本中提取相关单词和短语。 另一个应用程序是AI简历构建器，它需要5分钟来编译CV而不是花费数小时来完成相同的工作。 在AI时代，聊天机器人协助网站访问者并解决日常工作流程。 革命性的人工智能工具可以补充人们的技能，并使人力资源经理能够专注于更高优先级的任务。 然而，人工智能对就业研究的影响表明，到2030年，智能代理和机器人可以消除世界上30％的人力劳动。 此外，该研究证明，自动化将取代4亿至8亿员工。 Glassdoor的研究报告指出，预计招聘和人力资源将在2018年及以后的就业市场中更广泛地采用人工智能。
重工业
机器人已经在许多行业中变得普遍，并且经常被给予被认为对人类有危险的工作。 机器人已证明在非常重复的工作中是有效的，这可能导致由于注意力集中和人类可能发现有辱人格的其他工作失误而导致的错误或事故。
2014年，中国，日本，美国，韩国和德国合计占机器人总销量的70％。 在汽车行业，自动化程度特别高的行业，日本拥有世界上最高的工业机器人密度：每10,000名员工1,414名。
医院和医学
人工神经网络用作医学诊断的临床决策支持系统，例如EMR软件中的概念处理技术。
医学上可能通过人工智能执行并开始开发的其他任务包括：
医学图像的计算机辅助解释。 这样的系统有助于扫描数字图像，例如来自计算机断层扫描，用于典型的外观并突出显着的部分，例如可能的疾病。 典型的应用是检测肿瘤。
心音分析
用于照顾老人的伴侣机器人
挖掘医疗记录以提供更有用的信息。
设计治疗计划。
协助重复性工作，包括药物管理。
提供咨询。
药物创造
使用化身代替患者进行临床培训
预测外科手术死亡的可能性
预测HIV进展
目前，卫生行业有超过90家AI创业公司在这些领域工作。
IDx的第一个解决方案IDx-DR是第一个获得FDA批准商业化的基于AI的自主诊断系统。
人力资源和招聘
人工智能的另一个应用是人力资源和招聘空间。 人力资源和招聘专业人员使用AI有三种方式。 AI用于筛选简历并根据其资格等级对候选人进行排名。 Ai还用于通过工作匹配平台预测候选人在特定角色中的成功。 现在，人工智能正在推出招聘聊天机器人，可以自动执行重复的通信任务。
通常，简历筛选涉及招聘人员或其他HR专业人员通过简历数据库进行扫描。 现在像Pomato这样的创业公司正在创建机器学习算法来自动化简历筛选流程。 Pomato的简历审查AI专注于自动验证技术人员公司的技术申请人。 Pomato的AI在几秒钟内对每个简历执行超过200,000次计算，然后根据挖掘的技能设计定制技术访谈。 KE Solutions成立于2014年，已经开发了推荐系统，为候选人排名工作，并为雇主排名简历。 job Solutions使用基于概念的搜索开发的jobster.io与传统的ATS相比，精度提高了80％。 它有助于招聘人员克服技术障碍。
从2016年到2017年，消费品公司联合利华使用人工智能筛选所有入门级员工。 联合利华的AI使用基于神经科学的游戏，记录采访和面部/语音分析来预测招聘成功。 联合利华与Pymetrics和HireVue合作，实现了基于AI的新型筛选，并在一年内将申请人数从15,000增加到30,000。 招募人工智能也产生了Unililever的“迄今为止最多样化的课程”。 联合利华还将招聘时间从4个月减少到4周，并节省了超过50,000小时的招聘人员时间。
从简历筛选到神经科学，语音识别和面部分析……很明显AI对人力资源领域产生了巨大影响。 人工智能的另一个发展是招募聊天机器人。 湾区创业公司TextRecruit发布了Ari（自动招聘界面）.Ari是一个招聘聊天机器人，旨在与候选人进行双向短信对话。 Ari可以自动发布工作，广告开放，筛选候选人，安排面试，以及随着他们在招聘渠道中的进展而培养候选人关系。 Ari目前作为TextRecruit候选人参与平台的一部分提供。
营销
营销和人工智能领域融合在一起，这些系统有助于市场预测，流程和决策自动化等领域，以及通常由人类执行的任务效率的提高。 这些系统背后的科学可以通过神经网络和专家系统来解释，这些系统可以处理输入并为营销人员提供有价值的输出。
源自社交计算技术的人工智能系统可用于理解Web上的社交网络。 数据挖掘技术可用于分析不同类型的社交网络。 该分析有助于营销人员识别网络中有影响力的参与者或节点，然后可以应用这些信息来采用社会营销方法。
媒体
一些AI应用程序适用于分析视听媒体内容，例如电影，电视节目，广告视频或用户生成的内容。 解决方案通常涉及计算机视觉，这是人工智能的主要应用领域。
典型的用例场景包括使用对象识别或面部识别技术分析图像，或者用于识别相关场景，对象或面部的视频分析。 使用基于AI的媒体分析的动机可以是 – 除其他外 – 促进媒体搜索，为媒体项创建一组描述性关键词，媒体内容策略监控（例如验证特定内容的适用性）电视观看时间），用于存档或其他目的的语音文本，以及用于放置相关广告的标识，产品或名人面孔的检测。
媒体分析AI公司通常通过REST API提供服务，这些REST API支持基于机器的技术自动访问，并允许机器读取结果。 例如，IBM，Microsoft，Amazon和视频AI公司Valossa允许使用RESTful API访问其媒体识别技术。
音乐
虽然音乐的演变一直受到技术的影响，但人工智能已经通过科学进步，在某种程度上模仿了类似人类的构成。
在着名的早期努力中，David Cope创建了一个名为Emily Howell的AI，它在算法计算机音乐领域成名。 Emily Howell背后的算法已注册为美国专利。
AI Iamus创造了2012年第一张完全由电脑组成的完整古典专辑。
其他的努力，如AIVA（人工智能虚拟艺术家），专注于组成交响音乐，主要是电影乐谱的古典音乐。 它成为世界上第一个成为第一个被音乐专业协会认可的虚拟作曲家。
人工智能甚至可以产生在医疗环境中可用的音乐，Melomics努力使用计算机生成的音乐来缓解压力和疼痛。
此外，Google Brain团队开展的Google Magenta等活动希望了解人工智能是否能够创造引人注目的艺术品。
在索尼CSL研究实验室，他们的Flow Machines软件通过从庞大的歌曲数据库中学习音乐风格来创作流行歌曲。 通过分析风格的独特组合和优化技术，它可以以任何风格组合。
由IBM Research编写的另一个人工智能音乐作品项目The Watson Beat不需要庞大的音乐数据库，如Google Magenta和Flow Machines项目，因为它使用强化学习和深度信念网络在简单的种子上创作音乐输入旋律和选择风格。 由于该软件是开源音乐家，如Taryn Southern一直在与该项目合作创作音乐。
新闻，出版和写作
Narrative Science公司使计算机生成的新闻和报告在商业上可用，包括根据英语游戏的统计数据总结团队体育赛事。 它还创建财务报告和房地产分析。 同样，Automated Insights公司为Yahoo Sports Fantasy Football提供个性化的概述和预览。 该公司预计2014年将产生10亿个故事，高于2013年的3.5亿个故事。
Echobox是一家软件公司，通过“智能”在Facebook和Twitter等社交媒体平台上发布文章，帮助发布商增加流量。 通过分析大量数据，它可以了解特定受众在一天中的不同时间对不同文章的反应。 然后它选择发布的最佳故事和发布它们的最佳时间。 它使用历史数据和实时数据来了解过去哪些方面运作良好，以及目前网络趋势。
另一家名为Yseop的公司使用人工智能将结构化数据转换为自然语言的智能评论和推荐。 Yseop能够以每秒数千页的速度和多种语言（包括英语，西班牙语，法语和德语）编写财务报告，执行摘要，个性化销售或营销文档等。
Boomtrain是人工智能的另一个例子，旨在学习如何最好地吸引每个读者与确切的文章 – 在正确的时间通过正确的渠道发送 – 与读者最相关。 这就像为每个读者雇用一个个人编辑器来策划完美的阅读体验。
AI还有可能在将来编写工作。 2016年，日本人工智能共同撰写了一篇短篇小说，几乎获得了文学奖。
在线和电话客服
人工智能在自动在线助手中实现，可以在网页上看作是头像。 它可以帮助企业降低运营和培训成本。 这种系统的主要基础技术是自然语言处理。 Pypestream为其移动应用程序使用自动化客户服务，旨在简化与客户的沟通。
目前，主要公司正在投资人工智能，以便在未来处理困难的客户。 谷歌最新的开发分析语言并将语音转换为文本。 该平台可以通过语言识别愤怒的客户并做出适当的响应。
传感器
人工智能已与许多传感器技术相结合，例如IdeaCuria Inc.的Digital SpectrometryTM，它可以实现许多应用，例如家庭水质监测。
电信维修
许多电信公司在其员工管理中使用启发式搜索，例如BT Group已在调度应用程序中部署启发式搜索，该应用程序提供20,000名工程师的工作时间表。
玩具和游戏
20世纪90年代，人们首次尝试大规模生产用于教育或休闲的国内目标类型的基本人工智能。 这在数字革命中得到了极大的发展，并帮助人们，尤其是儿童，开始处理各种类型的人工智能，特别是以Tamagotchis和Giga Pets，iPod Touch，互联网以及第一个广泛发布的机器人的形式。 ，菲尔比。 仅仅一年之后，一种改进型的家用机器人以Aibo的形式发布，这是一种具有智能特征和自主性的机器狗。
像美泰这样的公司已经为三岁的孩子们创造了各种各样的人工智能玩具。 使用专有的AI引擎和语音识别工具，他们能够理解对话，提供智能响应并快速学习。
AI也被应用于视频游戏，例如视频游戏机器人，它们被设计成作为人类无法获得或不需要的对手。
运输
已经开发出用于汽车中的自动变速箱的模糊逻辑控制器。 例如，2006款奥迪TT，大众途锐和大众卡拉维尔采用了采用模糊逻辑的DSP传输。 许多斯柯达变种（斯柯达法比亚）目前还包括基于模糊逻辑的控制器。
今天的汽车现在具有基于AI的驾驶辅助功能，如自动停车和先进的巡航控制。 AI已被用于优化流量管理应用程序，从而将等待时间，能源使用和排放量减少多达25％。 未来，将开发全自动汽车。 预计运输中的人工智能将提供安全，高效和可靠的运输，同时最大限度地减少对环境和社区的影响。 开发这种人工智能的主要挑战是运输系统本质上是复杂的系统，涉及大量的组件和不同的方，每个系统都有不同且往往相互冲突的目标。
其他
人工智能的各种工具也被广泛部署在国土安全，语音和文本识别，数据挖掘和电子邮件垃圾邮件过滤中。 应用程序也正在开发用于手势识别（通过机器理解手语），个人语音识别，全局语音识别（来自嘈杂房间中的各种人），用于解释情绪的面部表情识别和非语言提示。 其他应用包括机器人导航，避障和物体识别。
申请清单
AI方法应用的典型问题
光学字符识别
手写识别
语音识别
人脸识别
人工创造力
计算机视觉，虚拟现实和图像处理
照片和视频操作
诊断（人工智能）
博弈论与战略规划
游戏人工智能和计算机游戏机器人
自然语言处理，翻译和Chatterbots
非线性控制与机器人
实现AI方法的其他领域
人造生命
自动推理
自动化
生物启发计算
概念挖掘
数据挖掘
知识表示
语义网
电子邮件垃圾邮件过滤
机器人
基于行为的机器人技术
认知
控制论
发育机器人（表观遗传学）
进化机器人
混合智能系统
智能代理
智能控制
诉讼