是的，但在短期内可能只是有限的程度。

人们围绕“人工智能”划定界限的地方是模糊的，但如果从广义上看，它结合了任何类型的明确认知功能的编码，那么许多日常经济任务都可以从人工智能中受益。例如，许多搜索引擎可以被视为提供人工智能应用程序的服务。

对于更“标准”的应用程序，大多数人工智能的近团队应用程序必须处理欺诈检测和预防。例如，如果您跟踪用户在屏幕上移动的光标，您可以构建一个区分人类和机器人的模型，并将两者分开处理。有关示例，请参见本文。

当然，从长远来看，可以编写程序的程序可以像编写任何其他应用程序一样编写这类应用程序。

自适应/预测功能至少在某些日常应用中很有用。以短信为例。我知道的所有智能手机短信应用程序都会跟踪您在附近使用的单词，并使用该信息来预测您正在输入的消息中的下一个单词。（有些比其他的更聪明。相关的 XKCD。）它也可以用于个性化自动拼写更正。

我个人感兴趣的一个潜在应用是基于磁贴的关卡编辑器，例如经典的 DOS 游戏。我一直在研究一个程序，该程序收集每个瓷砖靠近其他瓷砖的概率，并使用该信息来构建随机的新关卡。它还没有产生任何可玩的东西，但我认为它有可能通过例如自动填充适合新放置的结构的缺失瓷砖来帮助人类关卡构建者，而不是要求人类去寻找合适的瓷砖。调色板。

一般来说，人工智能可以非常有用地用于确定用户下一步可能想要做什么，并加快实施正确猜测的过程，同时在用户故意做一些意想不到的事情时不碍事。

我相信人工智能在主流应用程序中很少使用，但它可能会，而且我认为慢慢会。

如果应用程序的 AI 必须学习的信息来自应用程序内部，来自用户交互或错误，那么如果程序可以记录此类信息然后在日志中查找模式，那将是明智之举。它可以分析用户以查看 ehat 任务最常完成，需要多少步骤。然后，当它识别出该任务重复出现时，它可以询问用户是否希望它执行执行以下操作的宏 [然后它会显示一个步骤列表，允许他们根据需要进行编辑]。然后它执行从观察用户中学到的“宏”。

人工智能的另一个用途是错误检测，不仅在软件中，而且在软件被低效、冗余或不当使用时的用户错误中。如果软件被设计成被赋予一组用户任务模型（如人工智能计划），它可以观察用户完成已知任务的方式，并提供建议或要求确认即将出现的异常结果。

当然，人工智能可以广泛用于用户界面设计、设备、网站或应用程序。其中一些，比如语音识别，刚刚进入日常使用的主流。随着与可以添加自己的数据和任务/概念/域模型的应用程序的对话进一步发展，应用程序内部对人工智能的需求只会增长。

有很多方法可以在应用程序中使用 AI。其中一些已经开始出现在移动设备及其应用程序中，通常是在用户移动性与外部基于 Web 的数据库（例如 GPS 和地图）的融合中，但 IMO 进展缓慢。

人工智能的一个关键部分是机器学习 (ML)。Mitchell 对 ML 的通用定义是

如果计算机程序在 T 中的任务上的性能（由 P 衡量）随着经验 E 而提高，则称计算机程序从经验 E 中学习某类任务 T 和性能度量 P。

这种类型的程序是否在“日常应用程序”中有用取决于应用程序。以下是一些没有 ML 就无法实现的示例：

• 垃圾邮件检测（例如电子邮件、论坛）
• 欺诈检测（例如信用卡）
• 图像识别（例如，如果您想自动过滤 NSFW 内容、自动添加标签/使图像可搜索，例如用于 Google 图像搜索）
• 视频分析（过滤受版权保护的作品，例如在 YouTube 上）
• 语音识别（例如热线、自动字幕生成）
• 自动完成（可能是您可以对数据做的最简单的事情之一）