翻译软件的代表如有道、谷歌、百度、搜狗，都在使用人工智能技术应用属于人工智能吗。
从翻译软件的原理上来讲，就可以清晰的理解了，以英译汉为例，我们每次输入的语句都是不同的，为什么软件可以准确翻译出来？
因为翻译软件数据库里面有海量的单词和对应的汉字，通过识别每个单词，返回对应的汉字，这样很简单啊，不是很符合人工智能的逼格，那么这样想，按照刚才的原理，返回的应该是一个个单独的汉字，而不是一个通顺的句子，为什么是一个通顺的句子呢？
原因是神经网略模型，通过训练好的算法模型。就可以比较准确的得出 所翻译句子的语意，从而得出准确的翻译。那么怎么说明他是人工智能呢？
神经网略模型：也叫人工神经网络(ArtificialNuearlNewtokr),是对人类大脑系统的一阶特性的一种模拟，神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，特别在智能控制中，人们对神经网络的自学习功能尤其感兴趣，并且把神经网络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一。
以上，可以简单的说明，翻译软件使用了人工智能技术
人工智能在工业机器人方面有哪些应用？
一、机器人的市场规模
报告数据显示，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。2018 年，全球机器人市场规模将达到298.2 亿美元，2013-2018 年的平均增长率约为15.1%。其中，工业机器人168.2 亿美元，服务机器人92.5 亿美元，特种机器人37.5 亿美元，占比分别为56%、31%、13%。
二、探测机器人中的智能技术
深度强化学习：使用深度强化学习是在复杂度可以接受的情况下，让机器人通过试错来学习，能 控制机器人在复杂环境中完成避开障碍，收集物品并到达指定地点等任务。深度强化学习的应用较好的解决了传统算法中存在容易陷入局部最优、在相近的障碍物群中震荡且不能识别 路径、在狭窄通道中摆动以及障碍物附近目标不可达等问题，并且大大提高了机器人轨迹跟踪和动态避障的实时性和适应性.
深度模仿学习：经过多年的发展，模仿学习已经能够很好的解决多步决策问题，其训练目标是使模型生成的状态-动作轨迹分布和输入的轨迹分布相匹配。
激光SLAM: 激光SLAM 系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。激光雷达距离测量比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。
视觉SLAM技术：视觉SLAM 可以帮助机器人获取三维空间环境信息，使其具备自主移动、路径规划、场景理解等功能。视觉SLAM 的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM 算法无法区别他们，而视觉则可以轻易分辨。
无线5G 技术 ：得益于5G 的1ms 的延迟时间， 5G 的速度提高将简化数据收集。5G 无线连接技术将给机器人带来极大的灵活性并更快的传回数据， 5G 的云化统一架构也将使能未来的云端实现实时控制。
三维物体识别：三维数据由传感器直接获得，可以表示为深度图、点云、网格、CAD 等不同形式。其中点云数据获取便捷，易于存储，具有离散和稀疏特性，方便扩展为高维的特征信息。另外，大部分立体视觉传感器具有主动发光单元，因此在不同的光照环境下 仍然可以得到相似的结果。这就使得三维视觉相对于传统的二维视觉受环境和观测条件影响较小。除了稳定性外，三维点云相对于二维图像具有更加丰富的信息，这为后续处理提供了更多的可能性和便利性。
统计学属于人工智能类吗？
谢谢邀请！
作为一名高等教育工作者，我来回答一下这个问题。
首先，统计学虽然与人工智能有较为紧密的联系，但是统计学属于数学类，具体点说是属于应用数学的一个分支，主要方向包括数理统计、应用统计和经济统计等三大方向。在当前大数据时代背景下，统计学的内容边界也在不断得到拓展，在知识结构上也有了一定的变化。
统计学与人工智能之间的有一个重要的联系就是大数据，一方面统计学、数学和计算机是大数据的三个基础知识结构，另一方面大数据又是人工智能的重要基础，因为人工智能的三大基础分别是数据、算法和算力。所以，统计学与人工智能之间的联系往往是通过大数据连接起来的。
从技术角度来进行分析，大数据的核心是数据价值化，而数据价值化的重要渠道就是数据分析。数据分析目前两种主要的分析方式就是统计学方式和机器学习方式，统计学方式往往更擅长于结构化数据的分析，而机器学习往往更擅长于非结构化数据和半结构化数据的分析，数据分析的结果对于智能决策有重要的影响。从这个角度来看，说统计学是人工智能的一部分，也是有一定道理的，但是如果说统计学就是人工智能，或者说统计学就是大数据，那么就不够全面了。
目前统计学经过多年的发展，已经形成了一个较为完整的知识体系，随着大数据相关技术的成熟，统计学与大数据的结合将在未来有广阔的应用空间，尤其在产业互联网发展的大背景下更是如此，而相对而言，人工智能目前依然处在行业发展的初期。从这个角度来看，对于初学者来说，从统计学或者大数据开始入手，进而进入人工智能领域也是比较现实的选择。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！
