1.機器學習:機器學習是人工智能的核心技術之壹，是指計算機從數據中自動學習模式並做出預測和決策的能力。機器學習算法包括監督學習、非監督學習、半監督學習和強化學習。
2.深度學習:深度學習是機器學習的壹種，利用人工神經網絡模擬人腦神經元之間的連接，達到更高層次的抽象和推理。深度學習在圖像識別、語音識別、自然語言處理等領域都取得了令人矚目的成就。
3.自然語言處理:自然語言處理是使計算機能夠理解和處理人類語言的能力。這包括文本分析、文本生成、語言翻譯、語音識別等等。
4.計算機視覺:計算機視覺是指計算機能夠像人類壹樣看到和理解圖像和視頻的能力。這包括目標檢測、圖像分類、圖像分割等等。
5.機器人技術:機器人技術是指使計算機能夠控制和操作機器人的能力。這包括機器人設計、機器人控制、機器人感知等等。
6.語音識別:語音識別是指使計算機能夠識別和理解人類語音的能力。這包括語音到文本和語音合成。
7.知識表示和推理:知識表示和推理是指讓計算機像人類壹樣理解和使用知識的能力。這包括知識庫構建、知識推理、常識推理等等。
8.強化學習:強化學習是指通過在環境中不斷嘗試和優化計算機，實現自我學習和決策的能力。這包括策略優化，價值函數學習等等。
9.GANs):GANs是壹個機器學習模型，由兩個神經網絡組成，壹個負責生成數據，另壹個負責判斷生成的數據是否真實。GANs在圖像生成、風格傳遞等領域有很大的應用前景。
10，解釋性AI(XAI):解釋性AI是指讓AI的決策過程能夠被人類理解，從而增加其可信度和可接受性。XAI的技術包括可視化和可解釋模型。
以上只是人工智能技術的壹部分。其實人工智能還包括很多其他的技術和分支，比如決策樹、貝葉斯網絡、支持向量機等等。這些技術和分支都不同程度地推動了人工智能的發展和應用。