技术角度来看目前的人工智能应用均属于什么范畴

从技术角度来看，目前的人工智能应用主要可以分为以下几个范畴：

1. 机器学习与深度学习：这是目前人工智能领域的核心部分，主要包括监督学习、非监督学习和强化学习等方法。机器学习通过算法让机器能够从数据中学习模式和规律，而深度学习则是一种特殊的机器学习方法，它通过多层神经网络模拟人脑的工作方式，从而实现对复杂数据的处理和分析。

2. 自然语言处理（NLP）：NLP是研究计算机如何理解和生成人类语言的学科。目前，NLP已经广泛应用于语音识别、机器翻译、情感分析、文本摘要等多个领域。例如，谷歌的AlphaGo就是一个典型的NLP应用，它通过模仿人类的思维过程，实现了在围棋领域的超越人类水平。

3. 计算机视觉：计算机视觉是指让机器能够像人一样“看”和理解图像或视频的技术。目前，计算机视觉已经在无人驾驶、人脸识别、医学诊断等领域得到广泛应用。例如，百度的Apollo自动驾驶平台就是一个典型的计算机视觉应用，它通过摄像头捕捉车辆周围环境的信息，从而实现自动驾驶。

4. 机器人技术：机器人技术是指让机器具备自主移动、感知、决策和执行任务的能力。目前，机器人技术已经广泛应用于制造业、服务业、医疗等领域。例如，日本的软银公司开发的Pepper机器人就是一个典型的机器人应用，它可以通过语音和图像与人类进行交互，实现各种服务功能。

5. 大数据分析：大数据分析是指通过对海量数据的收集、存储、处理和分析，从中挖掘出有价值的信息和知识。目前，大数据分析已经成为企业和个人获取竞争优势的重要手段。例如，阿里巴巴的淘宝、京东等电商平台就利用大数据分析来优化商品推荐、提高用户体验。

6. 云计算：云计算是指通过互联网提供计算资源和服务的一种模式。目前，云计算已经成为企业和个人获取计算能力的重要途径。例如，亚马逊的AWS、微软的Azure等云服务提供商就提供了丰富的计算资源和服务，帮助企业和个人降低IT成本、提高运营效率。

7. 量子计算：量子计算是一种基于量子力学原理的计算方式，它具有巨大的计算潜力和优势。目前，量子计算还处于发展阶段，但已经引起了广泛关注。例如，IBM的Q系统就是一个典型的量子计算应用，它通过量子比特（qubit）来实现高效的并行计算。

8. 生物信息学：生物信息学是一门研究生命科学信息的学科，它涉及到基因组学、蛋白质组学、代谢组学等多个领域。目前，生物信息学已经成为生物技术发展的重要支撑。例如，CRISPR-Cas9基因编辑技术就是一种典型的生物信息学应用，它通过精确修改基因序列来实现对生物体的改造。

总之，从技术角度来看，目前的人工智能应用涵盖了机器学习与深度学习、自然语言处理、计算机视觉、机器人技术、大数据分析、云计算、量子计算和生物信息学等多个范畴。这些技术的不断发展和应用，将为人类社会带来更多的便利和创新。