常见的人工智能（AI）技术或应用领域包括但不限于以下几种：

1、机器学习（Machine Learning）：
机器学习是人工智能的一个分支，它使计算机能够从数据中学习并做出决策。常见的机器学习算法包括线性回归、逻辑回归、支持向量机、决策树、随机森林、神经网络等。

2、深度学习（Deep Learning）：
深度学习是一种特殊的机器学习方法，它使用多层神经网络来模拟人类大脑的工作方式。深度学习在图像识别、语音识别和自然语言处理等领域取得了显著的成就。

3、自然语言处理（Natural Language Processing, NLP）：
自然语言处理涉及计算机与人类语言之间的交互。NLP的应用包括文本翻译、情感分析、语音识别、聊天机器人等。

4、计算机视觉（Computer Vision）：
计算机视觉是指让计算机能够“看”的能力，即从图像或视频中提取信息。典型的应用包括人脸识别、物体检测、图像分类等。

5、强化学习（Reinforcement Learning）：
强化学习是一种通过试错来学习最佳策略的方法。它通常用于游戏AI、自动驾驶等领域。

6、推荐系统（Recommendation Systems）：
推荐系统根据用户的行为和偏好预测其可能感兴趣的内容，并提供个性化建议。例如电商网站的商品推荐、流媒体平台的电影/音乐推荐等。

7、专家系统（Expert Systems）：
专家系统模仿人类专家解决问题的能力，在医疗诊断、金融投资咨询等方面有广泛应用。

8、生成对抗网络（Generative Adversarial Networks, GANs）：
GANs由两个相互博弈的神经网络组成，一个生成数据样本，另一个评估这些样本的真实性。GANs常用于图像生成、风格迁移等任务。

9、对话系统（Dialog Systems）：
对话系统允许人机之间进行自然语言交流，如客服聊天机器人、虚拟助手等。

10、知识图谱（Knowledge Graphs）：
知识图谱是一种结构化的知识表示形式，用于存储实体及其关系的信息，广泛应用于搜索引擎优化、问答系统等领域。

以上只是部分列举了一些比较流行的AI技术和应用场景，随着技术的发展，新的AI技术和应用还会不断涌现出来。