Galanos e Stewart riprendono Nilsson ed elencano;
- ricerca euristica delle scorciatoie;
- videogiochi;
- motori di ricerca e banche dati di ricerca;
- traduzione automatica;
- visione artificiale e rilevamento e riconoscimento di oggetti (compresi quelli facciali);
- robotica;
- riconoscimento ed elaborazione vocale;
- elaborazione del linguaggio naturale;
- reti semantiche;
- ragionamento probabilistico;
- apprendimento automatico;
- sistemi di raccomandazione;
- GPS;
- ubiquitous computing (come l’Internet delle cose).
In sintesi, l’IA contemporanea non è una tecnologia, una singola innovazione tecnica, ma una combinazione di molti sviluppi tecnici e della loro incorporazione nei sistemi e nei processi esistenti. L’approccio di apprendimento automatico, o computazionale, per trovare modelli nei dati e costruire modelli analitici e attuabili è stato stabilito per decenni (Mitchell 1980) ed è stato incorporato in molti settori. Come accennato in precedenza, ciò che spicca come nuovo nell’IA attuale sono l’aumento della velocità e della capacità di archiviazione dei microprocessori e della memoria, e la scalabilità delle tecniche computazionali che consentono lo sfruttamento delle grandi quantità di dati generati e raccolti dall’economia informatizzata. (…) gli algoritmi, le statistiche e i modelli nelle applicazioni di apprendimento automatico (…) sono i componenti tecnici necessari per far funzionare l’IA. (fonte: Galanos V. and Stewart J.K., “Navigating AI beyond hypes, horrors and hopes: historical and contemporary perspectives”, in Ponce del Castillo A. (ed.) “Artificial intelligence, labour and society”, ETUI – traduzione in proprio)