识别又称为归类和定性，在人工智能领域，模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程。

常见应用：识别数字、指纹、头像、语音，更多研究领域包括虹膜识别、手写字体识别等。

技术的本质：根据数据特征进行分类或聚类，其重点的工作在特征提取。

常见的算法：聚类算法、主元特征提取、神经网络等。

（2）控制

无人车的应用（控制+识别）无人车的应用实际上不仅是识别算法，还包含控制理论，保证系统稳定运行，这是人工智能技术同各项工程技术的综合应用，不止停留在计算机领域。

举例：飞思卡尔智能车大赛

（3）语义

智能客服、舆情监测等均有应用语义分析及关键词提取技术。

常见的算法：数据挖掘、文本处理、信息检索、TF-IDF、余弦相似性

尤其针对中文文本的关键词提取技术相比于英文是更加难的。而目前除了关键词提取技术，目前人工智能研究主要方向和难点在于通过文本提取出人物的感情。

语义提取不仅应用于智能客服，目前在搜索算法中也会运用到。

（4）预测

监测诊断技术或是预测技术，实际上应用的是数据拟合技术，因为当前很多数据之间的关联关系是一种弱关系（数据关联分析），通过历史数据训练模型，从而对当前的输入数据进行反馈。

（5）推荐

基于协同过滤的推荐算法，常见的包括基于用户、基于物品的协同过滤。

我们大多数人所理解的人工智能技术可能还停留在算法本身，但实际上真正的人工智能应用针对不同的领域，不仅有各自的算法，事实上还包括其他领域知识的应用，如自动化控制理论、电子技术、通信技术、机械工程等等，因此我们所理解的人工智能，应该是一个系统工程。网络中有一张图，讲述的是人工智能的深渊，毫不夸张的说，这其中的随便挑一项技术都是科研学者花费大量时间和精力去研究的，很少有人能够全面了解所有知识领域。

3.人工智能中的神经网络

人工智能技术中提到的最高频的词汇就是神经网络。通过前文的介绍，我们知道实际上人工智能不等同于神经网络，人工智能是一个广泛的概念和定义，而神经网络则是人工智能领域中一种技术，但即使只是一小部分，神经网络的研究同样有很多待发掘的领域。

（1）如何理解神经网络

一个最基本的神经网络的基本结构是输入层、隐含层和输出层，如此简单的结构就能进行图像识别了吗？它是如何运作的呢？