人工智能技术是基于基础层提供的储存资源和大数据。基础层是指对AI提供支撑性服务的硬件平台，包括芯片、传感器、数据和服务、生物识别、云计算等。其他技术有机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、VR/AR等技术。
1、机器学习
机器学习（MachineLearning）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。
2、知识图谱
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。
4、人机交互
5、计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。
6、生物特征识别
生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。
7、VR/AR
|拓展阅读
目前人工智能技术包括无人驾驶汽车、脸部识别、机器翻译、声纹识别、智能呼叫机器人、智能扬声器、个性化推荐、医学图像处理、图像检索等应用。
1、无人驾驶汽车
随着近年来人工智能浪潮的兴起，无人驾驶再次成为话题，国内外很多公司投入了自动驾驶和无人驾驶的研究。例如，谷歌谷歌X实验室积极开发无人驾驶汽车谷歌DriverlessCar，百度也开始了百度无人驾驶汽车的研究开发计划，自主开发的无人驾驶汽车Apollo在中央电视台春夜登场。
2、脸部识别
该技术已进入许多人家，脸部识别也称为脸部识别、脸部识别，主要是基于人的脸部特征信息进行身份识别的生物识别技术。现阶段涉及人脸识别的技术性主要有计算机视觉、图象处理等。目前，人脸识别技术已广泛应用于金融、司法、公安、边检、宇宙、电力、教育、医疗等多个领域。随着人脸识别技术的进一步成熟和社会认同度的提高，应用于更多领域，给人们的生活习惯带来更多变化。
3、机器翻译
机械翻译实际上是计算语言学的分支，利用计算机将自然语言转换为另一种自然语言的过程，机械翻译使用的技术主要是神经机械翻译技术。目前，该技术目前在许多语言上的表现已超过人类。
4、声纹识别
其实生物的特征识别技术有很多种，除了脸部识别，现在使用的有声纹识别很多，声纹识别是生物识别技术，也称为说话者识别，包括说话者识别和说话者确认。声纹识别的工作过程是系统收集说话人的声纹信息并输入数据库，当说话人再次说话时，系统收集该声纹信息，自动比较数据库中现有的声纹信息，识别说话人的身份。
5、智能呼叫机器人
6、智能扬声器
属于语音识别、自然语言处理等人工智能技术的电子产品类的应用和载体，从本质上来看，智能扬声器是能够完成对话环节的语音交互能力的机器。通过直接对话，家庭消费者可以完成自助点歌、控制家庭设备、唤起生活服务等操作，这样的设备相信很多人都有。
7、个性化推荐
个性化推荐也是生活中常见的应用程序，是基于集体和协同过滤技术的人工智能应用程序，基于大量数据挖掘，通过分析用户的历史行为建立推荐模型，积极向用户提供符合他们需求和兴趣的信息个性化推荐系统已经广泛存在于各种网站和App中，本质上是根据用户的阅览信息、用户的基本信息、对物品和内容的喜好等多个因素来考虑的，根据推荐引擎算法进行指标分类，将与用户的目标因素一致的信息内容分类
8、医学图像处理
医学图像处理是目前人工智能在医疗领域的典型应用，其处理对象是由临床医学中广泛使用的核磁共振图像、超声波图像等生成的医学图像。要知道传统的医学影像诊断，主要通过观察二维切片图来发现病变，这往往需要根据医生的经验来判断。利用计算机图像处理技术，可以对医学图像进行图像分割、特征结婚定量分析和比较分析等工作，完成病灶识别和标记，自动描绘肿瘤放射治疗阶段的图像目标区域，重建手术阶段的三维图像。
要知道，我们不能在早期进行图像检索，图像检索分为文本和内容两种检索方式。传统图片搜索只识别图片本身的颜色、纹理等因素，因为当时程序技术还不能支持识别图片内容，随着人工智能的发展，图片搜索在近年来用户需求越来越旺盛的信息搜索类应用程序中，基于人工智能深度学习的图片搜索逐渐提高了该技术，用户利用图片匹配搜索顺利找到相同或相似的目标物的需求，如搜索相同类型、相似物的比较等。