ai技术包括：1、机器学习；2、知识图谱；3、自然语言处理；4、人机交互；5、计算机视觉；6、生物特征识别；7、VR/AR等。
1、机器学习
机器学习是一门涉及统计学、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。
2、知识图谱
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。
3、自然语言处理
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
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。
人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。
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。
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。
7、VR/AR
虚拟现实（VR）/增强现实（AR）是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。
1. **机器学习（Machine Learning）：** 机器学习是AI的一个核心分支，它使计算机系统能够从数据中学习和改进性能，而无需进行显式编程。包括监督学习、无监督学习、强化学习等不同类型。
2. **深度学习（Deep Learning）：** 深度学习是机器学习的一个子领域，它使用深度神经网络（深度神经网络）来处理复杂的模式识别任务，如图像和语音识别。
3. **自然语言处理（Natural Language Processing，NLP）：** NLP技术使计算机能够理解、处理和生成自然语言文本。它包括文本分析、文本生成、语音识别、情感分析等。
4. **计算机视觉（Computer Vision）：** 计算机视觉技术使计算机能够理解和解释视觉信息，包括图像和视频。它用于图像识别、对象检测、人脸识别等应用。
5. **自动规划和决策（Automated Planning and Decision Making）：** 这些技术涵盖了如何使计算机系统能够自动制定计划、做出决策和优化复杂任务的方法。
6. **强化学习（Reinforcement Learning）：** 强化学习是一种机器学习方法，它涉及智能体通过与环境互动来学习如何做出决策，以最大化奖励信号。
7. **知识表示与推理（Knowledge Representation and Reasoning）：** 这涉及将知识表示为计算机可以理解的形式，并使用推理引擎来从这些知识中推断新信息。
8. **自动化（Automation）：** 自动化技术包括自动化流程、机器人和自动驾驶等领域，以实现任务的自动执行。
9. **人工智能伦理和解释性（AI Ethics and Explainability）：** 这些领域涉及如何开发和使用AI系统，以确保其公平性、透明性和道德性，并使其决策过程能够被解释和解释。
10. **机器人学（Robotics）：** 机器人学结合了硬件和软件技术，以开发自主移动的机器人，能够执行各种任务，从工业自动化到医疗保健。
这只是AI技术领域的一小部分示例，人工智能是一个广泛而快速发展的领域，不断涌现出新的技术和应用。这些技术在医疗保健、金融、交通、媒体、制造业等各个领域都有广泛的应用。本回答被网友采纳