人工智能（AI）技术是一种广泛的领域，涵盖了多种子技术和学科。以下是一些AI用到的关键技术：

1、机器学习（Machine Learning）：机器学习是AI的一个核心技术，它使计算机系统能够从数据中学习并改进其性能。机器学习包括监督学习、无监督学习和强化学习。

2、深度学习（Deep Learning）：深度学习是机器学习的一个子集，它使用神经网络来分析数据。深度学习技术在图像识别、语音识别、自然语言处理等领域取得了显著的成果。

3、自然语言处理（Natural Language Processing, NLP）：NLP是AI的一个分支，专注于计算机和人类之间的自然语言交互。它包括文本分析、情感分析、机器翻译等技术。

4、计算机视觉（Computer Vision）：计算机视觉技术使计算机能够解释和理解图像和视频内容。它在图像识别、目标检测、图像分割等方面有广泛应用。

5、机器人技术（Robotics）：机器人技术结合了AI、机械工程和电子工程，创建可以执行各种任务的机器人，从制造业到服务业。

6、专家系统（Expert Systems）：专家系统是一种基于知识的系统，它使用来自特定领域的知识来做出决策或解决问题。

7、神经网络（Neural Networks）：神经网络是深度学习的基础，它们是受人类大脑结构和功能启发的计算模型。

8、强化学习（Reinforcement Learning）：强化学习是一种机器学习类型，智能体通过与环境的交互来学习如何做出决策，以最大化奖励。

9、迁移学习（Transfer Learning）：迁移学习允许模型从一个任务中学习到的知识可以应用于另一个相关任务，减少了对大量新数据和训练时间的需求。

10、生成对抗网络（Generative Adversarial Networks, GANs）：GANs是一种深度学习模型，它们通过两个神经网络的竞争来生成新的数据样本。

11、知识图谱（Knowledge Graphs）：知识图谱是知识表示的一种形式，它们以图的形式组织实体、属性和关系，用于知识检索和推理。

12、语音识别（Speech Recognition）：语音识别技术使计算机能够识别和转录人类语言。

13、预测分析（Predictive Analytics）：预测分析使用统计技术和机器学习算法来分析历史数据并预测未来事件。

14、数据挖掘（Data Mining）：数据挖掘是从大型数据集中发现模式和关系的过程。

15、云计算（Cloud Computing）：云计算为AI提供了可扩展的计算资源和存储，使得大规模AI模型的训练和部署成为可能。

16、大数据（Big Data）：大数据技术用于处理和分析一 large 规模的数据集，为AI模型的训练提供了必要的数据基础。

17、区块链（Blockchain）：区块链技术在AI领域中的应用包括确保数据的安全性、透明性和不可篡改性。

18、物联网（Internet of Things, IoT）：物联网技术将物理设备连接到互联网，使它们能够收集和交换数据，这些数据可以被AI系统用来做出决策。

这些技术共同推动了人工智能的发展和应用，涵盖了从基础研究到实际应用的广泛领域。