人工智能两个分支是什么
1、分支一：计算机视觉
计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。
2、分支二：语音识别
语音识别是指识别语音(说出的语言)并将其转换成对应文本的技术。相反的任务(文本转语音/TTS)也是这一领域内一个类似的研究主题。
3、分支三：文本挖掘/分类
这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。
4、分支四：机器翻译
机器翻译(MT)是利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。
5、分支五：机器人
机器人学(Robotics)研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。
机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。
新一代人工智能的三个发展领域是
人工智能是一门新兴的技术学科，它研究和开发用于模拟人类智能的扩展和扩展的理论、方法、技术和应用系统。
人工智能研究的目标是让机器执行一些复杂的任务，这些任务需要聪明的人来完成。也就是说，我们希望机器可以代替我们来解决一些复杂的任务，不仅仅是重复的机械活动，而是一些需要人类智慧才能参与的任务。在本文中，我将解释人工智能技术的三个主要方向，即语音识别，计算机视觉和自然语言处理。
人工智能应用系统包括
人工智能一共分为自然语言处理、计算机视觉、语音识别、专家系统四个领域。
1、自然语言处理
自然语言处理，英文NaturalLanguageProcessing，简写NLP。NLP这个概念本身过于庞大，可以把它分成“自然语言”和“处理”两部分。先来看自然语言。区分于计算机语言，自然语言是人类发展过程中形成的一种信息交流的方式，包括口语及书面语，反映了人类的思维，都是以自然语言的形式表达。
2、计算机视觉
计算机视觉，也就是cv其实研究成像过程中的各种逆问题，试图从二维图像中恢复有意义的信息，这里需要格外提醒的一点就是逆问题通常不解析，这也和我们遇到的其他数学物理问题一样，正过程是解析的，有公式，逆过程不解析，没有解析解。
3、语音识别
语音识别是计算语言学的跨学科子领域，利用其开发方法和技术，能够通过计算机识别和翻译口语。也被称为自动语音识别技术（ASR)，计算机语音识别或语音到文本（STT)技术。它融合了语言学、计算机科学和电气工程领域的知识和研究。
4、专家系统
专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。一般来说，专家系统=知识库+推理机，因此专家系统也被称为基于知识的系统。是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，一个专家系统必须具备三要素：领域专家级知识，模拟专家思维，达到专家级的水平。
人工智能教育领域包含范围
人工智能教育领域包括机器学习、自然语言处理、计算机视觉等技术，以及教育机器人、智能教学系统等应用。
随着人工智能技术的不断发展，该领域的范围将越来越广泛。
人工智能主要发展方向是那些业务
小编觉得从人工智能的应用出发，就可以了解人工智能的具体业务。
自动驾驶通过人工智能处理视觉图像声音以及雷达探测到的信息进行自动驾驶，目前自动驾驶的分级分为5各级别，L1依靠汽车雷达实行探测与前车的实时距离自动控制加减速，从而保持与前车的安全距离。L2配备了车道偏离系统同时可以实现自动变道。L3道路环境的观察者由人变更为系统，系统已经完全能够识别出直线、弯道、红绿灯、限速路牌，路上行走奔跑的人猫狗等等各种环境。L4情况下人只需要在极端天气下进行决策。L5情况下人只要在里面就行了。
AI投资贝莱德集团正是全球最大的资产管理公司，对于公司的主动型基金业务，进行了重新安排，首先做的就是辞退一些主动型基金经理，取而代之的就是引入量化投资，人工智能和量化投资又简直是天作之合，未来主动投资和量化投资的竞争谁赢谁输还尘埃未定。
AI医疗人工智能在医疗领域的应用也相当丰富，从应用场景来看，主要分成了虚拟助理、医学影像、药物挖掘、营养学等四大方面。通过类似SIRI的人工智能助手，减少了我们就医的成本，也减少了医生的负担；人工智能在医学影像的应用可以大大减少对于这类专业医生的需求，同时也提升了影片识别的精度；人工智能可以提升医药的研发进程；最后也能带给我们更加精准合理的营养学建议。
当然这仅仅是一部分目前的应用，未来人工智能的应用场景会更广